Vol. 13/ Núm. 2 2026 pág. 753
https://doi.org/10.69639/arandu.v13i2.2219
La inteligencia artificial como herramienta de apoyo en los
procesos investigativos de los estudiantes de la Facultad de
Ciencias Aplicadas de la Universidad Nacional de Pilar
Artificial intelligence as a support tool in the research processes of students of the
Faculty of Applied Sciences of the National University of Pilar
Hernán Darío Belizán
hernanbelizan35@gmail.com
https://orcid.org/0009-0002-5138-1977
Licenciatura en Análisis de Sistemas
Facultad de Ciencias Aplicadas, Universidad Nacional de Pilar, Paraguay
Artículo recibido:18 marzo 2026- Aceptado para publicación:20 abril 2026
Conflictos de intereses: Ninguno que declarar.
RESUMEN
La incorporación de la inteligencia artificial (IA) en la educación superior ha modificado las
dinámicas de búsqueda de información, redacción académica y apoyo al aprendizaje, generando
oportunidades y desafíos para la formación investigativa. El presente estudio tuvo como objetivo
analizar el uso de la inteligencia artificial como herramienta de apoyo en los procesos
investigativos de los estudiantes de la Facultad de Ciencias Aplicadas de la Universidad Nacional
de Pilar. Se realizó un estudio cuantitativo, no experimental, de corte transversal y alcance
descriptivo-exploratorio, complementado con un análisis documental de 20 trabajos académicos
evaluados mediante una rúbrica analítica. La muestra estuvo conformada por 64 estudiantes
seleccionados mediante muestreo no probabilístico por conveniencia. Los resultados evidenciaron
un uso frecuente de herramientas de IA en tareas de búsqueda de información, redacción
académica y aplicación de normas APA. Los estudiantes valoraron positivamente su utilidad para
mejorar la eficiencia y organización del trabajo, aunque persistieron preocupaciones relacionadas
con la dependencia tecnológica, la confiabilidad de la información y la ausencia de lineamientos
institucionales claros. Los trabajos evaluados mostraron mejores niveles de desempeño formal
entre quienes reportaron mayor frecuencia de uso de IA, aunque esta tendencia debe interpretarse
de forma estrictamente descriptiva. Se concluye que la inteligencia artificial constituye un recurso
valioso para fortalecer los procesos investigativos estudiantiles, siempre que su integración esté
acompañada de alfabetización en IA, formación ética, pensamiento crítico y regulación
institucional adecuada.
Palabras clave: inteligencia artificial, educación superior, investigación estudiantil,
competencias investigativas, integridad académica
Vol. 13/ Núm. 2 2026 pág. 754
ABSTRACT
The incorporation of artificial intelligence (AI) into higher education has transformed information
searching, academic writing, and learning support practices, creating both opportunities and
challenges for research training. The aim of this study was to analyze the use of artificial
intelligence as a support tool in the research processes of students from the Faculty of Applied
Sciences at the National University of Pilar. A quantitative, non-experimental, cross-sectional,
descriptive-exploratory study was conducted, complemented by a documentary analysis of 20
academic papers assessed through an analytical rubric. The sample consisted of 64 students
selected through non-probabilistic convenience sampling. Results showed frequent use of AI tools
for information searching, academic writing, and APA formatting. Students positively valued
these tools for improving efficiency and work organization, although concerns remained
regarding technological dependence, information reliability, and the absence of clear institutional
guidelines. The evaluated papers showed better formal performance among students who reported
more frequent use of AI, although this tendency must be interpreted as strictly descriptive.
Artificial intelligence appears to be a valuable resource for strengthening student research
processes, provided that its integration is accompanied by AI literacy, ethical training, critical
thinking, and appropriate institutional regulation.
Keywords: artificial intelligence, higher education, student research, research
competencies, academic integrity
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
ABSTRACT
The incorporation of artificial intelligence (AI) into higher education has transformed information
searching, academic writing, and learning support practices, creating both opportunities and
challenges for research training. The aim of this study was to analyze the use of artificial
intelligence as a support tool in the research processes of students from the Faculty of Applied
Sciences at the National University of Pilar. A quantitative, non-experimental, cross-sectional,
descriptive-exploratory study was conducted, complemented by a documentary analysis of 20
academic papers assessed through an analytical rubric. The sample consisted of 64 students
selected through non-probabilistic convenience sampling. Results showed frequent use of AI tools
for information searching, academic writing, and APA formatting. Students positively valued
these tools for improving efficiency and work organization, although concerns remained
regarding technological dependence, information reliability, and the absence of clear institutional
guidelines. The evaluated papers showed better formal performance among students who reported
more frequent use of AI, although this tendency must be interpreted as strictly descriptive.
Artificial intelligence appears to be a valuable resource for strengthening student research
processes, provided that its integration is accompanied by AI literacy, ethical training, critical
thinking, and appropriate institutional regulation.
Keywords: artificial intelligence, higher education, student research, research
competencies, academic integrity
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 13/ Núm. 2 2026 pág. 755
INTRODUCCIÓN
Contextualización regional y universitaria
En los últimos años, la inteligencia artificial (IA) se ha consolidado como una de las
transformaciones tecnológicas más influyentes en los sistemas educativos contemporáneos,
modificando progresivamente las dinámicas de enseñanza, aprendizaje e investigación. Su
expansión responde al desarrollo acelerado de tecnologías capaces de procesar grandes
volúmenes de información, generar contenidos automatizados y asistir tareas cognitivas
complejas, lo que ha ampliado significativamente sus posibilidades de aplicación en el ámbito
universitario. En particular, la aparición de herramientas basadas en procesamiento del lenguaje
natural ha modificado la forma en que estudiantes y docentes acceden al conocimiento, organizan
información y producen textos académicos.
En América Latina, la incorporación de tecnologías digitales en la educación superior ha
estado asociada a políticas de innovación orientadas a mejorar la calidad educativa, reducir
brechas de acceso y fortalecer competencias para la sociedad del conocimiento. Sin embargo,
distintos estudios y marcos recientes advierten que la adopción tecnológica no garantiza por sí
misma mejoras sustantivas si no está acompañada de estrategias institucionales de formación,
regulación ética y uso pedagógico pertinente (Salinas, 2021; UNESCO, 2022). En este marco,
también se ha advertido que la integración de la IA en educación superior exige respuestas
pedagógicas e institucionales proporcionales, especialmente en evaluación, integridad académica
y alfabetización crítica (García-Peñalvo et al., 2024; González-Geraldo & Ortega-López, 2024).
En Paraguay, el proceso de digitalización educativa se ha desarrollado de manera
desigual, condicionado por limitaciones estructurales vinculadas con infraestructura tecnológica,
conectividad, disponibilidad de recursos y formación especializada. Aunque las universidades
han incorporado plataformas virtuales, recursos digitales y nuevas herramientas de apoyo
académico, aún persisten desafíos relacionados con la integración crítica y sistemática de
tecnologías emergentes en los procesos formativos. Estas condiciones resultan especialmente
sensibles en universidades públicas del interior del país y, en particular, en el ámbito investigativo
universitario, donde la calidad metodológica, la honestidad académica y la autonomía intelectual
constituyen dimensiones centrales.
Problema de investigación y vacío empírico
El uso de inteligencia artificial por parte de estudiantes universitarios se ha expandido
rápidamente, especialmente en actividades vinculadas con búsqueda de información, redacción
de trabajos, síntesis documental, corrección lingüística y aplicación de normas académicas. No
obstante, gran parte de estas prácticas se desarrollan en contextos donde las instituciones aún no
han definido lineamientos claros sobre los alcances, límites y criterios éticos para su utilización.
INTRODUCCIÓN
Contextualización regional y universitaria
En los últimos años, la inteligencia artificial (IA) se ha consolidado como una de las
transformaciones tecnológicas más influyentes en los sistemas educativos contemporáneos,
modificando progresivamente las dinámicas de enseñanza, aprendizaje e investigación. Su
expansión responde al desarrollo acelerado de tecnologías capaces de procesar grandes
volúmenes de información, generar contenidos automatizados y asistir tareas cognitivas
complejas, lo que ha ampliado significativamente sus posibilidades de aplicación en el ámbito
universitario. En particular, la aparición de herramientas basadas en procesamiento del lenguaje
natural ha modificado la forma en que estudiantes y docentes acceden al conocimiento, organizan
información y producen textos académicos.
En América Latina, la incorporación de tecnologías digitales en la educación superior ha
estado asociada a políticas de innovación orientadas a mejorar la calidad educativa, reducir
brechas de acceso y fortalecer competencias para la sociedad del conocimiento. Sin embargo,
distintos estudios y marcos recientes advierten que la adopción tecnológica no garantiza por sí
misma mejoras sustantivas si no está acompañada de estrategias institucionales de formación,
regulación ética y uso pedagógico pertinente (Salinas, 2021; UNESCO, 2022). En este marco,
también se ha advertido que la integración de la IA en educación superior exige respuestas
pedagógicas e institucionales proporcionales, especialmente en evaluación, integridad académica
y alfabetización crítica (García-Peñalvo et al., 2024; González-Geraldo & Ortega-López, 2024).
En Paraguay, el proceso de digitalización educativa se ha desarrollado de manera
desigual, condicionado por limitaciones estructurales vinculadas con infraestructura tecnológica,
conectividad, disponibilidad de recursos y formación especializada. Aunque las universidades
han incorporado plataformas virtuales, recursos digitales y nuevas herramientas de apoyo
académico, aún persisten desafíos relacionados con la integración crítica y sistemática de
tecnologías emergentes en los procesos formativos. Estas condiciones resultan especialmente
sensibles en universidades públicas del interior del país y, en particular, en el ámbito investigativo
universitario, donde la calidad metodológica, la honestidad académica y la autonomía intelectual
constituyen dimensiones centrales.
Problema de investigación y vacío empírico
El uso de inteligencia artificial por parte de estudiantes universitarios se ha expandido
rápidamente, especialmente en actividades vinculadas con búsqueda de información, redacción
de trabajos, síntesis documental, corrección lingüística y aplicación de normas académicas. No
obstante, gran parte de estas prácticas se desarrollan en contextos donde las instituciones aún no
han definido lineamientos claros sobre los alcances, límites y criterios éticos para su utilización.
Vol. 13/ Núm. 2 2026 pág. 756
La literatura reciente muestra que la IA puede fortalecer la productividad académica,
facilitar tareas operativas y apoyar procesos de aprendizaje autónomo. Sin embargo, también
plantea riesgos asociados a dependencia tecnológica, errores en la información generada, sesgos
algorítmicos y debilitamiento del pensamiento crítico cuando su uso no se encuentra debidamente
orientado (Area-Moreira et al., 2023; Cabero & Llorente, 2020; Flores-Vivar & García-Peñalvo,
2023). Estudios recientes en contextos iberoamericanos y latinoamericanos también han
documentado percepciones ambivalentes: junto con ventajas asociadas a rapidez, apoyo a la
escritura y productividad, persisten temores por errores, uso indebido y debilitamiento de la
autoría académica (Hernández González et al., 2024; Pérezchica-Vega et al., 2024; Morán-Ortega
et al., 2024).
En el contexto paraguayo, y particularmente en instituciones públicas del interior del país,
la evidencia empírica sistemática sobre el uso de inteligencia artificial en estudiantes
universitarios continúa siendo escasa. Existen escasos estudios que analicen de manera
contextualizada cómo los estudiantes incorporan estas herramientas en sus procesos
investigativos, qué beneficios y dificultades perciben, y de qué forma su utilización podría
vincularse con la calidad de los productos académicos elaborados.
La Universidad Nacional de Pilar, como institución pública regional comprometida con
la formación profesional y científica, no se encuentra ajena a estas transformaciones. En la
Facultad de Ciencias Aplicadas se observa una creciente utilización de herramientas de IA en
actividades académicas, aunque todavía sin lineamientos institucionales plenamente consolidados
que orienten su utilización en actividades investigativas y académicas.
Marco conceptual: inteligencia artificial y procesos investigativos
Desde una perspectiva educativa, la inteligencia artificial puede comprenderse como un
conjunto de sistemas computacionales diseñados para ejecutar tareas que tradicionalmente
demandan capacidades cognitivas humanas, tales como reconocimiento de patrones, generación
de lenguaje, análisis de datos y apoyo a la toma de decisiones.
Su valor en la educación superior no radica únicamente en la automatización de tareas,
sino en su potencial para ampliar oportunidades de aprendizaje, facilitar procesos de producción
académica y optimizar el acceso a fuentes de información, aunque ello exige repensar criterios de
evaluación y acompañamiento docente frente al uso de sistemas generativos (García-Peñalvo et
al., 2024).
En los procesos investigativos estudiantiles, la IA puede intervenir en diversas etapas:
delimitación temática, localización de antecedentes, organización bibliográfica, estructuración
del texto, revisión formal y apoyo inicial al análisis de información. No obstante, su incorporación
exige distinguir entre asistencia tecnológica legítima y sustitución impropia del trabajo
intelectual, especialmente en lo relativo a autoría, originalidad y rigor metodológico.
La literatura reciente muestra que la IA puede fortalecer la productividad académica,
facilitar tareas operativas y apoyar procesos de aprendizaje autónomo. Sin embargo, también
plantea riesgos asociados a dependencia tecnológica, errores en la información generada, sesgos
algorítmicos y debilitamiento del pensamiento crítico cuando su uso no se encuentra debidamente
orientado (Area-Moreira et al., 2023; Cabero & Llorente, 2020; Flores-Vivar & García-Peñalvo,
2023). Estudios recientes en contextos iberoamericanos y latinoamericanos también han
documentado percepciones ambivalentes: junto con ventajas asociadas a rapidez, apoyo a la
escritura y productividad, persisten temores por errores, uso indebido y debilitamiento de la
autoría académica (Hernández González et al., 2024; Pérezchica-Vega et al., 2024; Morán-Ortega
et al., 2024).
En el contexto paraguayo, y particularmente en instituciones públicas del interior del país,
la evidencia empírica sistemática sobre el uso de inteligencia artificial en estudiantes
universitarios continúa siendo escasa. Existen escasos estudios que analicen de manera
contextualizada cómo los estudiantes incorporan estas herramientas en sus procesos
investigativos, qué beneficios y dificultades perciben, y de qué forma su utilización podría
vincularse con la calidad de los productos académicos elaborados.
La Universidad Nacional de Pilar, como institución pública regional comprometida con
la formación profesional y científica, no se encuentra ajena a estas transformaciones. En la
Facultad de Ciencias Aplicadas se observa una creciente utilización de herramientas de IA en
actividades académicas, aunque todavía sin lineamientos institucionales plenamente consolidados
que orienten su utilización en actividades investigativas y académicas.
Marco conceptual: inteligencia artificial y procesos investigativos
Desde una perspectiva educativa, la inteligencia artificial puede comprenderse como un
conjunto de sistemas computacionales diseñados para ejecutar tareas que tradicionalmente
demandan capacidades cognitivas humanas, tales como reconocimiento de patrones, generación
de lenguaje, análisis de datos y apoyo a la toma de decisiones.
Su valor en la educación superior no radica únicamente en la automatización de tareas,
sino en su potencial para ampliar oportunidades de aprendizaje, facilitar procesos de producción
académica y optimizar el acceso a fuentes de información, aunque ello exige repensar criterios de
evaluación y acompañamiento docente frente al uso de sistemas generativos (García-Peñalvo et
al., 2024).
En los procesos investigativos estudiantiles, la IA puede intervenir en diversas etapas:
delimitación temática, localización de antecedentes, organización bibliográfica, estructuración
del texto, revisión formal y apoyo inicial al análisis de información. No obstante, su incorporación
exige distinguir entre asistencia tecnológica legítima y sustitución impropia del trabajo
intelectual, especialmente en lo relativo a autoría, originalidad y rigor metodológico.
Vol. 13/ Núm. 2 2026 pág. 757
En ese sentido, el debate contemporáneo ya no se limita a determinar si la IA debe
utilizarse en la universidad, sino a establecer bajo qué condiciones puede integrarse de forma
responsable, transparente y pedagógicamente valiosa, en consonancia con los debates actuales
sobre ética, evaluación e integridad académica en educación superior (Area-Moreira et al., 2023;
García-Peñalvo et al., 2024). Esta discusión se ha intensificado a medida que diferentes estudios
comparativos y revisiones recientes muestran brechas entre la rápida adopción estudiantil, la
preparación docente y la existencia de lineamientos institucionales consistentes (Castaño Umaña,
2024; Guerschberg & Gutierrez, 2024).
Propósito y relevancia del estudio
A partir de los antecedentes expuestos, el presente estudio tuvo como objetivo analizar el
uso de la inteligencia artificial como herramienta de apoyo en los procesos investigativos de los
estudiantes de la Facultad de Ciencias Aplicadas de la Universidad Nacional de Pilar.
En coherencia con este propósito, se buscó describir las principales formas de utilización
de estas herramientas, identificar percepciones sobre beneficios y limitaciones, y examinar su
vinculación descriptiva con la calidad metodológica de trabajos académicos elaborados por los
estudiantes.
La relevancia del estudio radica en que aporta evidencia empírica localizada sobre un
fenómeno de rápida expansión y todavía insuficientemente documentado en el contexto
universitario paraguayo. De este modo, el estudio contribuye tanto al conocimiento académico
sobre adopción tecnológica como a la toma de decisiones institucionales en educación superior.
MATERIALES Y MÉTODOS
Enfoque y diseño de la investigación
El estudio se desarrolló bajo un enfoque cuantitativo, orientado a describir patrones de
uso, percepciones y tendencias asociadas al empleo de herramientas de inteligencia artificial. Se
adoptó un diseño no experimental de corte transversal, debido a que las variables fueron
observadas en su contexto natural, sin manipulación deliberada, en un único momento temporal,
en consonancia con la lógica de los estudios descriptivos de campo (Hernández-Sampieri &
Mendoza, 2018).
El alcance fue descriptivo-exploratorio. Descriptivo, porque buscó caracterizar patrones
de uso, percepciones y niveles de desempeño académico asociados al empleo de inteligencia
artificial; y exploratorio, debido a la limitada evidencia empírica disponible en el contexto
universitario paraguayo sobre esta temática. De manera complementaria, se incorporó un análisis
documental de trabajos académicos estudiantiles para contrastar la información declarada en la
encuesta con evidencias observables en productos escritos.
En ese sentido, el debate contemporáneo ya no se limita a determinar si la IA debe
utilizarse en la universidad, sino a establecer bajo qué condiciones puede integrarse de forma
responsable, transparente y pedagógicamente valiosa, en consonancia con los debates actuales
sobre ética, evaluación e integridad académica en educación superior (Area-Moreira et al., 2023;
García-Peñalvo et al., 2024). Esta discusión se ha intensificado a medida que diferentes estudios
comparativos y revisiones recientes muestran brechas entre la rápida adopción estudiantil, la
preparación docente y la existencia de lineamientos institucionales consistentes (Castaño Umaña,
2024; Guerschberg & Gutierrez, 2024).
Propósito y relevancia del estudio
A partir de los antecedentes expuestos, el presente estudio tuvo como objetivo analizar el
uso de la inteligencia artificial como herramienta de apoyo en los procesos investigativos de los
estudiantes de la Facultad de Ciencias Aplicadas de la Universidad Nacional de Pilar.
En coherencia con este propósito, se buscó describir las principales formas de utilización
de estas herramientas, identificar percepciones sobre beneficios y limitaciones, y examinar su
vinculación descriptiva con la calidad metodológica de trabajos académicos elaborados por los
estudiantes.
La relevancia del estudio radica en que aporta evidencia empírica localizada sobre un
fenómeno de rápida expansión y todavía insuficientemente documentado en el contexto
universitario paraguayo. De este modo, el estudio contribuye tanto al conocimiento académico
sobre adopción tecnológica como a la toma de decisiones institucionales en educación superior.
MATERIALES Y MÉTODOS
Enfoque y diseño de la investigación
El estudio se desarrolló bajo un enfoque cuantitativo, orientado a describir patrones de
uso, percepciones y tendencias asociadas al empleo de herramientas de inteligencia artificial. Se
adoptó un diseño no experimental de corte transversal, debido a que las variables fueron
observadas en su contexto natural, sin manipulación deliberada, en un único momento temporal,
en consonancia con la lógica de los estudios descriptivos de campo (Hernández-Sampieri &
Mendoza, 2018).
El alcance fue descriptivo-exploratorio. Descriptivo, porque buscó caracterizar patrones
de uso, percepciones y niveles de desempeño académico asociados al empleo de inteligencia
artificial; y exploratorio, debido a la limitada evidencia empírica disponible en el contexto
universitario paraguayo sobre esta temática. De manera complementaria, se incorporó un análisis
documental de trabajos académicos estudiantiles para contrastar la información declarada en la
encuesta con evidencias observables en productos escritos.
Vol. 13/ Núm. 2 2026 pág. 758
Contexto del estudio
La investigación se realizó en la Facultad de Ciencias Aplicadas de la Universidad
Nacional de Pilar, institución pública de educación superior ubicada en el departamento de
Ñeembucú, Paraguay. La unidad académica ofrece carreras vinculadas a áreas técnicas y
profesionales, en las cuales los estudiantes desarrollan actividades de búsqueda de información,
elaboración de informes y producción de trabajos académicos que requieren competencias
investigativas.
El contexto institucional resulta pertinente para el análisis del fenómeno debido a la
creciente incorporación de herramientas digitales en las actividades universitarias y al uso
progresivo de recursos basados en inteligencia artificial por parte de los estudiantes.
Asimismo, la institución representa un escenario pertinente para examinar procesos de
adopción tecnológica en universidades públicas regionales, donde convergen desafíos de
innovación, acceso y fortalecimiento de capacidades investigativas.
Participantes y procedimiento de muestreo
La población estuvo conformada por estudiantes matriculados en carreras de grado de la
Facultad de Ciencias Aplicadas durante el periodo académico correspondiente al estudio. La
muestra quedó integrada por 64 estudiantes seleccionados mediante muestreo no probabilístico
por conveniencia, atendiendo a criterios de accesibilidad, disponibilidad y participación
voluntaria. El tamaño de la muestra respondió a criterios de factibilidad operativa y disponibilidad
efectiva de participantes durante el periodo de recolección de datos.
Se incluyeron estudiantes que se encontraban cursando asignaturas con exigencias de
producción académica escrita, tales como informes, monografías, proyectos o trabajos de
investigación. Se excluyeron participantes que no completaron íntegramente el cuestionario o que
no otorgaron consentimiento para participar.
Adicionalmente, se seleccionaron 20 trabajos académicos elaborados por estudiantes de
la misma unidad académica, mediante criterios de disponibilidad documental y pertinencia
temática, con el propósito de realizar una evaluación complementaria de su calidad metodológica
mediante rúbrica analítica. La rúbrica fue aplicada por un evaluador único (investigador
responsable), utilizando criterios previamente establecidos y una escala estandarizada de
valoración; por tanto, sus resultados deben interpretarse como evidencia descriptiva
complementaria y no como medición exhaustiva de desempeño.
Técnicas e instrumentos de recolección de datos
Para la recolección de información se emplearon dos técnicas principales:
Encuesta estructurada. Se aplicó un cuestionario compuesto por ítems cerrados en escala
tipo Likert de cinco categorías de respuesta, orientado a medir frecuencia de uso de herramientas
de IA, percepciones sobre utilidad, limitaciones percibidas y disposición a transparentar su uso
en actividades académicas. El instrumento incluyó además preguntas de caracterización general
Contexto del estudio
La investigación se realizó en la Facultad de Ciencias Aplicadas de la Universidad
Nacional de Pilar, institución pública de educación superior ubicada en el departamento de
Ñeembucú, Paraguay. La unidad académica ofrece carreras vinculadas a áreas técnicas y
profesionales, en las cuales los estudiantes desarrollan actividades de búsqueda de información,
elaboración de informes y producción de trabajos académicos que requieren competencias
investigativas.
El contexto institucional resulta pertinente para el análisis del fenómeno debido a la
creciente incorporación de herramientas digitales en las actividades universitarias y al uso
progresivo de recursos basados en inteligencia artificial por parte de los estudiantes.
Asimismo, la institución representa un escenario pertinente para examinar procesos de
adopción tecnológica en universidades públicas regionales, donde convergen desafíos de
innovación, acceso y fortalecimiento de capacidades investigativas.
Participantes y procedimiento de muestreo
La población estuvo conformada por estudiantes matriculados en carreras de grado de la
Facultad de Ciencias Aplicadas durante el periodo académico correspondiente al estudio. La
muestra quedó integrada por 64 estudiantes seleccionados mediante muestreo no probabilístico
por conveniencia, atendiendo a criterios de accesibilidad, disponibilidad y participación
voluntaria. El tamaño de la muestra respondió a criterios de factibilidad operativa y disponibilidad
efectiva de participantes durante el periodo de recolección de datos.
Se incluyeron estudiantes que se encontraban cursando asignaturas con exigencias de
producción académica escrita, tales como informes, monografías, proyectos o trabajos de
investigación. Se excluyeron participantes que no completaron íntegramente el cuestionario o que
no otorgaron consentimiento para participar.
Adicionalmente, se seleccionaron 20 trabajos académicos elaborados por estudiantes de
la misma unidad académica, mediante criterios de disponibilidad documental y pertinencia
temática, con el propósito de realizar una evaluación complementaria de su calidad metodológica
mediante rúbrica analítica. La rúbrica fue aplicada por un evaluador único (investigador
responsable), utilizando criterios previamente establecidos y una escala estandarizada de
valoración; por tanto, sus resultados deben interpretarse como evidencia descriptiva
complementaria y no como medición exhaustiva de desempeño.
Técnicas e instrumentos de recolección de datos
Para la recolección de información se emplearon dos técnicas principales:
Encuesta estructurada. Se aplicó un cuestionario compuesto por ítems cerrados en escala
tipo Likert de cinco categorías de respuesta, orientado a medir frecuencia de uso de herramientas
de IA, percepciones sobre utilidad, limitaciones percibidas y disposición a transparentar su uso
en actividades académicas. El instrumento incluyó además preguntas de caracterización general
Vol. 13/ Núm. 2 2026 pág. 759
de los participantes. El instrumento estuvo organizado en dimensiones relativas a frecuencia de
uso, nivel de conocimiento, beneficios percibidos, riesgos asociados y transparencia en el uso
académico de IA.
Rúbrica analítica. Se utilizó una matriz de valoración para examinar 20 trabajos
académicos elaborados por estudiantes. La rúbrica consideró dimensiones vinculadas con
estructura formal, coherencia argumentativa, formulación metodológica, uso de fuentes y
cumplimiento de normas APA. Cada criterio fue valorado en escala ordinal de cinco niveles,
desde desempeño básico hasta desempeño alto.
Ambos instrumentos fueron sometidos a juicio técnico de especialistas para verificar
claridad, pertinencia conceptual y correspondencia con los objetivos del estudio. Dado el carácter
exploratorio de la investigación, los instrumentos se utilizaron con fines descriptivos y
diagnósticos.
Procedimiento
La aplicación de la encuesta se realizó en modalidad presencial y digital, según
condiciones operativas de la institución, durante horarios previamente coordinados con
autoridades académicas y docentes responsables. La participación fue voluntaria y anónima.
Los trabajos académicos fueron recopilados con autorización institucional y revisados
exclusivamente con fines investigativos. Para resguardar la confidencialidad, no se registraron
datos personales identificables de los autores. La aplicación se desarrolló durante un periodo
previamente calendarizado, procurando condiciones homogéneas de participación.
Procesamiento y análisis de datos
Los datos cuantitativos obtenidos mediante la encuesta fueron organizados en matrices
digitales y analizados mediante estadística descriptiva, utilizando frecuencias absolutas y
relativas, porcentajes, medias aritméticas y comparaciones descriptivas entre grupos según
frecuencia declarada de uso de IA. No se realizaron pruebas inferenciales ni modelos explicativos,
por lo que los hallazgos no deben interpretarse en términos de causalidad o generalización
estadística.
La información proveniente de la rúbrica fue sistematizada por dimensiones y niveles de
logro, permitiendo contrastar tendencias declaradas por los estudiantes con evidencias
observables en los productos académicos analizados. Esta estrategia complementaria permitió
fortalecer la interpretación de los resultados sin modificar el carácter predominantemente
descriptivo del estudio.
Consideraciones éticas
La investigación respetó los principios éticos de participación voluntaria,
confidencialidad, uso académico de la información y resguardo de identidad de los participantes.
Todos los estudiantes fueron informados sobre los objetivos del estudio y aceptaron participar de
manera libre. Los documentos académicos analizados fueron utilizados únicamente con fines
de los participantes. El instrumento estuvo organizado en dimensiones relativas a frecuencia de
uso, nivel de conocimiento, beneficios percibidos, riesgos asociados y transparencia en el uso
académico de IA.
Rúbrica analítica. Se utilizó una matriz de valoración para examinar 20 trabajos
académicos elaborados por estudiantes. La rúbrica consideró dimensiones vinculadas con
estructura formal, coherencia argumentativa, formulación metodológica, uso de fuentes y
cumplimiento de normas APA. Cada criterio fue valorado en escala ordinal de cinco niveles,
desde desempeño básico hasta desempeño alto.
Ambos instrumentos fueron sometidos a juicio técnico de especialistas para verificar
claridad, pertinencia conceptual y correspondencia con los objetivos del estudio. Dado el carácter
exploratorio de la investigación, los instrumentos se utilizaron con fines descriptivos y
diagnósticos.
Procedimiento
La aplicación de la encuesta se realizó en modalidad presencial y digital, según
condiciones operativas de la institución, durante horarios previamente coordinados con
autoridades académicas y docentes responsables. La participación fue voluntaria y anónima.
Los trabajos académicos fueron recopilados con autorización institucional y revisados
exclusivamente con fines investigativos. Para resguardar la confidencialidad, no se registraron
datos personales identificables de los autores. La aplicación se desarrolló durante un periodo
previamente calendarizado, procurando condiciones homogéneas de participación.
Procesamiento y análisis de datos
Los datos cuantitativos obtenidos mediante la encuesta fueron organizados en matrices
digitales y analizados mediante estadística descriptiva, utilizando frecuencias absolutas y
relativas, porcentajes, medias aritméticas y comparaciones descriptivas entre grupos según
frecuencia declarada de uso de IA. No se realizaron pruebas inferenciales ni modelos explicativos,
por lo que los hallazgos no deben interpretarse en términos de causalidad o generalización
estadística.
La información proveniente de la rúbrica fue sistematizada por dimensiones y niveles de
logro, permitiendo contrastar tendencias declaradas por los estudiantes con evidencias
observables en los productos académicos analizados. Esta estrategia complementaria permitió
fortalecer la interpretación de los resultados sin modificar el carácter predominantemente
descriptivo del estudio.
Consideraciones éticas
La investigación respetó los principios éticos de participación voluntaria,
confidencialidad, uso académico de la información y resguardo de identidad de los participantes.
Todos los estudiantes fueron informados sobre los objetivos del estudio y aceptaron participar de
manera libre. Los documentos académicos analizados fueron utilizados únicamente con fines
Vol. 13/ Núm. 2 2026 pág. 760
científicos y preservando el anonimato de sus autores. El estudio no implicó riesgos físicos,
psicológicos ni académicos para los participantes.
RESULTADOS
Caracterización general de los participantes
La muestra estuvo conformada por 64 estudiantes de la Facultad de Ciencias Aplicadas
de la Universidad Nacional de Pilar, pertenecientes a distintas carreras de grado con participación
activa en asignaturas que requerían elaboración de trabajos académicos e investigativos.
La distribución por sexo mostró una composición equilibrada: 47 % femenino, 50 %
masculino y 3 % prefirió no responder. La edad promedio fue de 23,4 años (DE = 2,8). En cuanto
al año de cursado, predominó el tercer año (41 %), seguido del cuarto (28 %), segundo (20 %) y
quinto (11 %).
La composición relativamente equilibrada por sexo y el predominio de estudiantes de
cursos intermedios permiten recoger percepciones correspondientes a distintos momentos de la
trayectoria formativa universitaria.
Tabla 1
Características generales de los participantes (n = 64)
Variable Categoría Valor
Sexo Femenino 47 %
Masculino 50 %
Prefirió no responder 3 %
Edad Media 23,4
Desviación estándar 2,8
Año de cursado Segundo 20 %
Tercero 41 %
Cuarto 28 %
Quinto 11 %
Nivel de conocimiento sobre herramientas digitales e inteligencia artificial
Los resultados evidenciaron niveles favorables de conocimiento percibido respecto al uso
académico de herramientas digitales e inteligencia artificial. Las puntuaciones más altas
correspondieron a identificación de fuentes confiables (M = 4,2), búsqueda académica avanzada
(M = 4,1) y revisión gramatical y normas APA (M = 4,0). El valor más bajo se registró en
interpretación de datos (M = 3,6), aunque dentro de un rango igualmente positivo.
En conjunto, los resultados sugieren familiaridad general con herramientas digitales,
aunque con mayores fortalezas en tareas de localización y organización de información que en
competencias analíticas más especializadas.
científicos y preservando el anonimato de sus autores. El estudio no implicó riesgos físicos,
psicológicos ni académicos para los participantes.
RESULTADOS
Caracterización general de los participantes
La muestra estuvo conformada por 64 estudiantes de la Facultad de Ciencias Aplicadas
de la Universidad Nacional de Pilar, pertenecientes a distintas carreras de grado con participación
activa en asignaturas que requerían elaboración de trabajos académicos e investigativos.
La distribución por sexo mostró una composición equilibrada: 47 % femenino, 50 %
masculino y 3 % prefirió no responder. La edad promedio fue de 23,4 años (DE = 2,8). En cuanto
al año de cursado, predominó el tercer año (41 %), seguido del cuarto (28 %), segundo (20 %) y
quinto (11 %).
La composición relativamente equilibrada por sexo y el predominio de estudiantes de
cursos intermedios permiten recoger percepciones correspondientes a distintos momentos de la
trayectoria formativa universitaria.
Tabla 1
Características generales de los participantes (n = 64)
Variable Categoría Valor
Sexo Femenino 47 %
Masculino 50 %
Prefirió no responder 3 %
Edad Media 23,4
Desviación estándar 2,8
Año de cursado Segundo 20 %
Tercero 41 %
Cuarto 28 %
Quinto 11 %
Nivel de conocimiento sobre herramientas digitales e inteligencia artificial
Los resultados evidenciaron niveles favorables de conocimiento percibido respecto al uso
académico de herramientas digitales e inteligencia artificial. Las puntuaciones más altas
correspondieron a identificación de fuentes confiables (M = 4,2), búsqueda académica avanzada
(M = 4,1) y revisión gramatical y normas APA (M = 4,0). El valor más bajo se registró en
interpretación de datos (M = 3,6), aunque dentro de un rango igualmente positivo.
En conjunto, los resultados sugieren familiaridad general con herramientas digitales,
aunque con mayores fortalezas en tareas de localización y organización de información que en
competencias analíticas más especializadas.
Vol. 13/ Núm. 2 2026 pág. 761
Gráfico 1
Nivel de conocimiento sobre herramientas digitales e inteligencia artificial (medias en escala 1–
5)
Se observan niveles consistentemente favorables de conocimiento percibido, con
mayores puntuaciones en búsqueda académica e identificación de fuentes confiables, y valores
relativamente menores en interpretación de datos y ética del uso tecnológico.
A partir de este nivel de familiaridad percibida, resulta pertinente examinar la frecuencia
concreta de uso de estas herramientas en distintas etapas del proceso investigativo.
Frecuencia de uso de inteligencia artificial en etapas del proceso investigativo
El uso de herramientas de inteligencia artificial fue mayor en actividades vinculadas con
búsqueda de información (M = 4,5), redacción del trabajo (M = 4,3) y formato de referencias
APA (M = 4,0). En contraste, las puntuaciones más bajas se observaron en formulación del
problema de investigación (M = 3,2) y diseño metodológico (M = 3,0).
Estos resultados sugieren una mayor utilización en tareas operativas y de apoyo formal,
con menor presencia en fases asociadas al diseño científico y la estructuración metodológica.
Esta distribución indica que la IA es utilizada principalmente como recurso de apoyo
instrumental, mientras que las decisiones sustantivas del proceso investigativo continúan
dependiendo en mayor medida del criterio del estudiante.
4,2 4,1 4 3,9 3,8 3,7 3,6
Identificación
de fuentes
confiables
Búsqueda
académica
avanzada
Revisión
gramatical y
normas APA
Organización
y síntesis de
información
Apoyo a la
escritura
académica
Ética del uso
tecnológico
Interpretación
de datos
Gráfico 1
Nivel de conocimiento sobre herramientas digitales e inteligencia artificial (medias en escala 1–
5)
Se observan niveles consistentemente favorables de conocimiento percibido, con
mayores puntuaciones en búsqueda académica e identificación de fuentes confiables, y valores
relativamente menores en interpretación de datos y ética del uso tecnológico.
A partir de este nivel de familiaridad percibida, resulta pertinente examinar la frecuencia
concreta de uso de estas herramientas en distintas etapas del proceso investigativo.
Frecuencia de uso de inteligencia artificial en etapas del proceso investigativo
El uso de herramientas de inteligencia artificial fue mayor en actividades vinculadas con
búsqueda de información (M = 4,5), redacción del trabajo (M = 4,3) y formato de referencias
APA (M = 4,0). En contraste, las puntuaciones más bajas se observaron en formulación del
problema de investigación (M = 3,2) y diseño metodológico (M = 3,0).
Estos resultados sugieren una mayor utilización en tareas operativas y de apoyo formal,
con menor presencia en fases asociadas al diseño científico y la estructuración metodológica.
Esta distribución indica que la IA es utilizada principalmente como recurso de apoyo
instrumental, mientras que las decisiones sustantivas del proceso investigativo continúan
dependiendo en mayor medida del criterio del estudiante.
4,2 4,1 4 3,9 3,8 3,7 3,6
Identificación
de fuentes
confiables
Búsqueda
académica
avanzada
Revisión
gramatical y
normas APA
Organización
y síntesis de
información
Apoyo a la
escritura
académica
Ética del uso
tecnológico
Interpretación
de datos
Vol. 13/ Núm. 2 2026 pág. 762
Gráfico 2
Frecuencia de uso por etapa investigativa (medias en escala 1–5)
El uso se concentra en actividades operativas y de presentación formal, mientras que las
fases vinculadas con formulación del problema y diseño metodológico registran menor apoyo
tecnológico, lo que evidencia menor utilización en etapas de mayor complejidad investigativa.
Beneficios, limitaciones y transparencia vinculadas al uso de IA
La mayoría de los participantes expresó valoraciones favorables hacia la inteligencia
artificial como recurso académico. Entre las ventajas percibidas destacaron el ahorro de tiempo
(M = 4,6), la prevención de errores de citación o formato (M = 4,4) y la facilitación de la
comprensión temática (M = 4,2). En términos generales, el 83 % consideró que estas herramientas
mejoran la eficiencia y calidad del trabajo académico.
No obstante, también se identificaron preocupaciones relevantes. Los principales riesgos
señalados fueron la posibilidad de generar información incorrecta (M = 4,1), dependencia
tecnológica (M = 4,0) y dificultad para confiar plenamente en las respuestas generadas (M = 3,9).
Además, el 46 % manifestó temor a que los docentes consideren inadecuado su uso.
En relación con la transparencia académica, el 58 % indicó haber informado a sus
docentes el uso de IA, mientras que el 92 % consideró que debería permitirse su utilización
responsable en la universidad. Asimismo, el 64 % afirmó que declararía voluntariamente su uso
si no existieran sanciones.
La coexistencia entre alta valoración funcional y cautela frente a riesgos evidencia una
adopción pragmática, acompañada de incertidumbre normativa e institucional. Estos resultados
evidencian que la aceptación estudiantil de la IA no es acrítica, sino condicionada por expectativas
de utilidad y preocupaciones sobre uso responsable.
Con el propósito de distinguir entre valoraciones subjetivas expresadas en escala tipo
Likert e indicadores de frecuencia reportados en términos porcentuales, los resultados de este
apartado se presentan en dos tablas complementarias. En primer lugar, se exponen las
percepciones estudiantiles sobre beneficios y riesgos asociados al uso de inteligencia artificial.
4,5 4,3 4
3,2 3
Búsqueda de
información
Redacción del
trabajo
Formato de
referencias APA
Formulación del
problema
Diseño
metodológico
Gráfico 2
Frecuencia de uso por etapa investigativa (medias en escala 1–5)
El uso se concentra en actividades operativas y de presentación formal, mientras que las
fases vinculadas con formulación del problema y diseño metodológico registran menor apoyo
tecnológico, lo que evidencia menor utilización en etapas de mayor complejidad investigativa.
Beneficios, limitaciones y transparencia vinculadas al uso de IA
La mayoría de los participantes expresó valoraciones favorables hacia la inteligencia
artificial como recurso académico. Entre las ventajas percibidas destacaron el ahorro de tiempo
(M = 4,6), la prevención de errores de citación o formato (M = 4,4) y la facilitación de la
comprensión temática (M = 4,2). En términos generales, el 83 % consideró que estas herramientas
mejoran la eficiencia y calidad del trabajo académico.
No obstante, también se identificaron preocupaciones relevantes. Los principales riesgos
señalados fueron la posibilidad de generar información incorrecta (M = 4,1), dependencia
tecnológica (M = 4,0) y dificultad para confiar plenamente en las respuestas generadas (M = 3,9).
Además, el 46 % manifestó temor a que los docentes consideren inadecuado su uso.
En relación con la transparencia académica, el 58 % indicó haber informado a sus
docentes el uso de IA, mientras que el 92 % consideró que debería permitirse su utilización
responsable en la universidad. Asimismo, el 64 % afirmó que declararía voluntariamente su uso
si no existieran sanciones.
La coexistencia entre alta valoración funcional y cautela frente a riesgos evidencia una
adopción pragmática, acompañada de incertidumbre normativa e institucional. Estos resultados
evidencian que la aceptación estudiantil de la IA no es acrítica, sino condicionada por expectativas
de utilidad y preocupaciones sobre uso responsable.
Con el propósito de distinguir entre valoraciones subjetivas expresadas en escala tipo
Likert e indicadores de frecuencia reportados en términos porcentuales, los resultados de este
apartado se presentan en dos tablas complementarias. En primer lugar, se exponen las
percepciones estudiantiles sobre beneficios y riesgos asociados al uso de inteligencia artificial.
4,5 4,3 4
3,2 3
Búsqueda de
información
Redacción del
trabajo
Formato de
referencias APA
Formulación del
problema
Diseño
metodológico
Vol. 13/ Núm. 2 2026 pág. 763
Tabla 2
Percepciones sobre beneficios y riesgos del uso de inteligencia artificial (medias en escala 1–5)
Dimensión Indicador Media
Beneficio Me ayuda a trabajar más rápido 4,6
Beneficio Previene errores de citación o formato 4,4
Beneficio Facilita la comprensión del tema 4,2
Riesgo Puede generar información incorrecta 4,1
Riesgo Puede volverme dependiente 4,0
Riesgo Me cuesta confiar en lo que genera 3,9
Las percepciones anteriores se complementan con indicadores porcentuales vinculados
con aceptación institucional, transparencia en el uso académico y disposición a declarar el empleo
de estas herramientas.
Tabla 3
Indicadores de transparencia y aceptación institucional del uso de inteligencia artificial
(porcentajes)
Indicador Porcentaje
Mejora eficiencia/calidad del trabajo académico 83 %
Informó uso al docente 58 %
Debería permitirse uso responsable 92 %
Lo declararía sin sanciones 64 %
En conjunto, los datos muestran una valoración predominantemente favorable hacia la
inteligencia artificial, acompañada de expectativas de uso responsable y necesidad de criterios
institucionales claros.
Evaluación de trabajos académicos mediante rúbrica
De los 20 trabajos analizados, el 35 % alcanzó nivel de excelencia académica, el 40 % se
ubicó en buen nivel y el 25 % en rango aceptable. No se registraron trabajos en niveles bajo o
deficiente. El promedio general fue de 38,2 puntos.
Los criterios mejor valorados fueron cumplimiento de normas APA (M = 4,5), redacción
académica (M = 4,3) y claridad del problema y objetivos (M = 4,2). En cambio, las puntuaciones
relativamente menores se observaron en análisis y presentación de resultados (M = 3,7) y ética
académica y transparencia (M = 3,6).
El predominio de puntuaciones altas en dimensiones formales sugiere que los estudiantes
logran productos académicos correctamente estructurados, aunque las áreas vinculadas con
análisis crítico continúan representando mayores exigencias formativas.
Tabla 2
Percepciones sobre beneficios y riesgos del uso de inteligencia artificial (medias en escala 1–5)
Dimensión Indicador Media
Beneficio Me ayuda a trabajar más rápido 4,6
Beneficio Previene errores de citación o formato 4,4
Beneficio Facilita la comprensión del tema 4,2
Riesgo Puede generar información incorrecta 4,1
Riesgo Puede volverme dependiente 4,0
Riesgo Me cuesta confiar en lo que genera 3,9
Las percepciones anteriores se complementan con indicadores porcentuales vinculados
con aceptación institucional, transparencia en el uso académico y disposición a declarar el empleo
de estas herramientas.
Tabla 3
Indicadores de transparencia y aceptación institucional del uso de inteligencia artificial
(porcentajes)
Indicador Porcentaje
Mejora eficiencia/calidad del trabajo académico 83 %
Informó uso al docente 58 %
Debería permitirse uso responsable 92 %
Lo declararía sin sanciones 64 %
En conjunto, los datos muestran una valoración predominantemente favorable hacia la
inteligencia artificial, acompañada de expectativas de uso responsable y necesidad de criterios
institucionales claros.
Evaluación de trabajos académicos mediante rúbrica
De los 20 trabajos analizados, el 35 % alcanzó nivel de excelencia académica, el 40 % se
ubicó en buen nivel y el 25 % en rango aceptable. No se registraron trabajos en niveles bajo o
deficiente. El promedio general fue de 38,2 puntos.
Los criterios mejor valorados fueron cumplimiento de normas APA (M = 4,5), redacción
académica (M = 4,3) y claridad del problema y objetivos (M = 4,2). En cambio, las puntuaciones
relativamente menores se observaron en análisis y presentación de resultados (M = 3,7) y ética
académica y transparencia (M = 3,6).
El predominio de puntuaciones altas en dimensiones formales sugiere que los estudiantes
logran productos académicos correctamente estructurados, aunque las áreas vinculadas con
análisis crítico continúan representando mayores exigencias formativas.
Vol. 13/ Núm. 2 2026 pág. 764
Con el fin de complementar la información declarada por los participantes, se analizaron
productos académicos elaborados por estudiantes mediante una rúbrica analítica.
Tabla 4
Resultados de la rúbrica analítica por criterio de evaluación (escala 1–5)
Criterio evaluado Media
Cumplimiento de normas APA 4,5
Redacción académica 4,3
Claridad del problema y objetivos 4,2
Fundamentación teórica 4,1
Coherencia metodológica 3,9
Uso de herramientas digitales/IA 3,8
Reflexión crítica y aportes 3,8
Análisis y presentación de resultados 3,7
Ética académica y transparencia 3,6
Relación descriptiva entre uso de IA y desempeño académico
Los estudiantes que declararon uso frecuente o permanente de inteligencia artificial
obtuvieron un promedio de 40 puntos en la rúbrica, mientras que aquellos con uso ocasional o
raro alcanzaron 36 puntos. Aunque la diferencia observada no implica causalidad, sí muestra una
tendencia descriptiva compatible con la posibilidad de que el uso orientado de herramientas de
IA puede asociarse con mejores niveles de organización y presentación académica. No obstante,
esta tendencia debe interpretarse con cautela dada la naturaleza descriptiva del análisis.
Gráfico 4
Puntaje promedio en rúbrica según frecuencia de uso de inteligencia artificial
Síntesis de hallazgos
En conjunto, los resultados muestran que la inteligencia artificial se ha incorporado como
recurso habitual de apoyo en los procesos investigativos estudiantiles, especialmente en tareas de
búsqueda de información, redacción académica y presentación formal. Su uso se concentra en
40
36
Uso frecuente/permanente de IA Uso ocasional/raro de IA
Con el fin de complementar la información declarada por los participantes, se analizaron
productos académicos elaborados por estudiantes mediante una rúbrica analítica.
Tabla 4
Resultados de la rúbrica analítica por criterio de evaluación (escala 1–5)
Criterio evaluado Media
Cumplimiento de normas APA 4,5
Redacción académica 4,3
Claridad del problema y objetivos 4,2
Fundamentación teórica 4,1
Coherencia metodológica 3,9
Uso de herramientas digitales/IA 3,8
Reflexión crítica y aportes 3,8
Análisis y presentación de resultados 3,7
Ética académica y transparencia 3,6
Relación descriptiva entre uso de IA y desempeño académico
Los estudiantes que declararon uso frecuente o permanente de inteligencia artificial
obtuvieron un promedio de 40 puntos en la rúbrica, mientras que aquellos con uso ocasional o
raro alcanzaron 36 puntos. Aunque la diferencia observada no implica causalidad, sí muestra una
tendencia descriptiva compatible con la posibilidad de que el uso orientado de herramientas de
IA puede asociarse con mejores niveles de organización y presentación académica. No obstante,
esta tendencia debe interpretarse con cautela dada la naturaleza descriptiva del análisis.
Gráfico 4
Puntaje promedio en rúbrica según frecuencia de uso de inteligencia artificial
Síntesis de hallazgos
En conjunto, los resultados muestran que la inteligencia artificial se ha incorporado como
recurso habitual de apoyo en los procesos investigativos estudiantiles, especialmente en tareas de
búsqueda de información, redacción académica y presentación formal. Su uso se concentra en
40
36
Uso frecuente/permanente de IA Uso ocasional/raro de IA
Vol. 13/ Núm. 2 2026 pág. 765
dimensiones operativas, mientras que los componentes metodológicos y analíticos mantienen
menor nivel de apoyo tecnológico. Al mismo tiempo, la percepción positiva sobre su utilidad
convive con preocupaciones relativas a dependencia, confiabilidad y ausencia de normas claras,
lo que evidencia la necesidad de orientaciones institucionales para un uso académico responsable.
En conjunto, los hallazgos respaldan la necesidad de estrategias institucionales que
orienten una integración académica crítica de estas tecnologías.
DISCUSIÓN
Los hallazgos del estudio indican que la inteligencia artificial se ha incorporado de
manera estable a las prácticas académicas de los estudiantes universitarios, especialmente como
apoyo para actividades de búsqueda, redacción y organización formal del trabajo escrito. Más que
una sustitución del proceso investigativo, los resultados muestran una apropiación funcional
orientada a resolver tareas concretas y a optimizar tiempos de trabajo académico.
Este patrón coincide con la literatura reciente sobre educación superior, que describe una
incorporación inicial de la IA generativa centrada en usos instrumentales antes que en
transformaciones profundas del razonamiento científico o metodológico (Gallent-Torres et al.,
2023; García-Peñalvo et al., 2024). Esta tendencia también ha sido observada en investigaciones
recientes con profesorado y estudiantes universitarios, donde los usos iniciales se concentran en
apoyo a la redacción, generación de ideas, búsqueda de información y automatización de tareas
académicas (Pérezchica-Vega et al., 2024; Castaño Umaña, 2024).
La concentración del uso en tareas operativas sugiere una apropiación pragmática de la
tecnología. En este estudio, la IA aparece asociada principalmente a eficiencia académica, apoyo
a la escritura y mejora de la presentación formal, más que a la formulación del problema o al
diseño metodológico.
Tal diferencia es relevante porque indica que las etapas de mayor densidad intelectual del
proceso investigativo continúan dependiendo del juicio del estudiante. La menor utilización
reportada en formulación metodológica y análisis crítico respalda la idea de que la IA puede
asistir, pero no reemplazar, competencias investigativas sustantivas.
Las valoraciones favorables expresadas por los participantes respecto al ahorro de tiempo,
la rapidez de acceso a información y la reducción de errores de formato confirman el valor
instrumental de estas herramientas en el contexto universitario.
Sin embargo, la coexistencia de beneficios percibidos con preocupaciones sobre
confiabilidad, dependencia tecnológica y uso acrítico revela una relación ambivalente con la IA.
Los estudiantes reconocen su utilidad, pero también perciben riesgos vinculados con la calidad
del contenido generado y con la necesidad de mantener criterios de verificación y autoría
responsable, en línea con advertencias recientes sobre ética e integridad académica (Flores-Vivar
& García-Peñalvo, 2023; Ruiz-Lázaro et al., 2025). Esta ambivalencia es consistente con estudios
dimensiones operativas, mientras que los componentes metodológicos y analíticos mantienen
menor nivel de apoyo tecnológico. Al mismo tiempo, la percepción positiva sobre su utilidad
convive con preocupaciones relativas a dependencia, confiabilidad y ausencia de normas claras,
lo que evidencia la necesidad de orientaciones institucionales para un uso académico responsable.
En conjunto, los hallazgos respaldan la necesidad de estrategias institucionales que
orienten una integración académica crítica de estas tecnologías.
DISCUSIÓN
Los hallazgos del estudio indican que la inteligencia artificial se ha incorporado de
manera estable a las prácticas académicas de los estudiantes universitarios, especialmente como
apoyo para actividades de búsqueda, redacción y organización formal del trabajo escrito. Más que
una sustitución del proceso investigativo, los resultados muestran una apropiación funcional
orientada a resolver tareas concretas y a optimizar tiempos de trabajo académico.
Este patrón coincide con la literatura reciente sobre educación superior, que describe una
incorporación inicial de la IA generativa centrada en usos instrumentales antes que en
transformaciones profundas del razonamiento científico o metodológico (Gallent-Torres et al.,
2023; García-Peñalvo et al., 2024). Esta tendencia también ha sido observada en investigaciones
recientes con profesorado y estudiantes universitarios, donde los usos iniciales se concentran en
apoyo a la redacción, generación de ideas, búsqueda de información y automatización de tareas
académicas (Pérezchica-Vega et al., 2024; Castaño Umaña, 2024).
La concentración del uso en tareas operativas sugiere una apropiación pragmática de la
tecnología. En este estudio, la IA aparece asociada principalmente a eficiencia académica, apoyo
a la escritura y mejora de la presentación formal, más que a la formulación del problema o al
diseño metodológico.
Tal diferencia es relevante porque indica que las etapas de mayor densidad intelectual del
proceso investigativo continúan dependiendo del juicio del estudiante. La menor utilización
reportada en formulación metodológica y análisis crítico respalda la idea de que la IA puede
asistir, pero no reemplazar, competencias investigativas sustantivas.
Las valoraciones favorables expresadas por los participantes respecto al ahorro de tiempo,
la rapidez de acceso a información y la reducción de errores de formato confirman el valor
instrumental de estas herramientas en el contexto universitario.
Sin embargo, la coexistencia de beneficios percibidos con preocupaciones sobre
confiabilidad, dependencia tecnológica y uso acrítico revela una relación ambivalente con la IA.
Los estudiantes reconocen su utilidad, pero también perciben riesgos vinculados con la calidad
del contenido generado y con la necesidad de mantener criterios de verificación y autoría
responsable, en línea con advertencias recientes sobre ética e integridad académica (Flores-Vivar
& García-Peñalvo, 2023; Ruiz-Lázaro et al., 2025). Esta ambivalencia es consistente con estudios
Vol. 13/ Núm. 2 2026 pág. 766
que reportan simultáneamente aceptación funcional de la IA y preocupación por confiabilidad,
integridad académica, privacidad y dependencia tecnológica (Hernández González et al., 2024;
Morán-Ortega et al., 2024).
Desde una perspectiva institucional, uno de los hallazgos más importantes es la brecha
entre uso efectivo y reconocimiento formal. Aunque una proporción considerable de estudiantes
manifestó haber utilizado IA e incluso reportó disposición a transparentar su uso, la ausencia de
lineamientos explícitos puede favorecer prácticas implícitas o no declaradas.
En ese sentido, el problema no parece radicar exclusivamente en la presencia de la
tecnología, sino en la insuficiente regulación pedagógica e institucional de su empleo académico.
Este punto adquiere especial relevancia en contextos universitarios donde la transformación
digital avanza con mayor rapidez que la formulación de orientaciones de uso responsable e
integridad académica (Salinas, 2021; UNESCO, 2022).
El análisis de trabajos académicos mediante rúbrica mostró mejores desempeños en
dimensiones formales como estructura, redacción y cumplimiento de normas APA, especialmente
entre estudiantes con mayor frecuencia declarada de uso de IA.
No obstante, esta tendencia debe interpretarse con cautela. El diseño del estudio no
permite establecer relaciones causales y la evaluación documental fue realizada por un único
evaluador, por lo que los resultados deben considerarse indicios descriptivos sobre posibles
asociaciones entre uso de IA y calidad formal del producto académico.
La persistencia de puntuaciones relativamente menores en análisis crítico, formulación
metodológica y transparencia académica refuerza la necesidad de distinguir entre calidad formal
y profundidad científica. Un trabajo mejor presentado no necesariamente implica mayor rigor
epistemológico.
Desde una perspectiva pedagógica, los hallazgos respaldan la necesidad de superar
enfoques centrados exclusivamente en prohibición o sanción, sustituyéndolos por estrategias de
alfabetización digital crítica, alfabetización en IA y fortalecimiento metodológico, tal como
sugieren los debates contemporáneos sobre competencias universitarias frente a la IA (Area-
Moreira et al., 2023; García-Peñalvo et al., 2024). Esta orientación coincide con trabajos que
proponen avanzar hacia modelos de integración gradual, evaluación rediseñada, acompañamiento
docente y formación crítica para el uso responsable de la inteligencia artificial en la universidad
(Guerschberg & Gutierrez, 2024; González-Geraldo & Ortega-López, 2024).
En lugar de asumir la IA únicamente como amenaza, los resultados sugieren que su
integración responsable requiere enseñar a evaluar sus respuestas, contrastar fuentes, explicitar
su uso y mantener criterios de autoría e integridad académica.
Las limitaciones del estudio deben ser consideradas al interpretar los hallazgos. La
investigación se desarrolló en una unidad académica específica, con muestra no probabilística y
que reportan simultáneamente aceptación funcional de la IA y preocupación por confiabilidad,
integridad académica, privacidad y dependencia tecnológica (Hernández González et al., 2024;
Morán-Ortega et al., 2024).
Desde una perspectiva institucional, uno de los hallazgos más importantes es la brecha
entre uso efectivo y reconocimiento formal. Aunque una proporción considerable de estudiantes
manifestó haber utilizado IA e incluso reportó disposición a transparentar su uso, la ausencia de
lineamientos explícitos puede favorecer prácticas implícitas o no declaradas.
En ese sentido, el problema no parece radicar exclusivamente en la presencia de la
tecnología, sino en la insuficiente regulación pedagógica e institucional de su empleo académico.
Este punto adquiere especial relevancia en contextos universitarios donde la transformación
digital avanza con mayor rapidez que la formulación de orientaciones de uso responsable e
integridad académica (Salinas, 2021; UNESCO, 2022).
El análisis de trabajos académicos mediante rúbrica mostró mejores desempeños en
dimensiones formales como estructura, redacción y cumplimiento de normas APA, especialmente
entre estudiantes con mayor frecuencia declarada de uso de IA.
No obstante, esta tendencia debe interpretarse con cautela. El diseño del estudio no
permite establecer relaciones causales y la evaluación documental fue realizada por un único
evaluador, por lo que los resultados deben considerarse indicios descriptivos sobre posibles
asociaciones entre uso de IA y calidad formal del producto académico.
La persistencia de puntuaciones relativamente menores en análisis crítico, formulación
metodológica y transparencia académica refuerza la necesidad de distinguir entre calidad formal
y profundidad científica. Un trabajo mejor presentado no necesariamente implica mayor rigor
epistemológico.
Desde una perspectiva pedagógica, los hallazgos respaldan la necesidad de superar
enfoques centrados exclusivamente en prohibición o sanción, sustituyéndolos por estrategias de
alfabetización digital crítica, alfabetización en IA y fortalecimiento metodológico, tal como
sugieren los debates contemporáneos sobre competencias universitarias frente a la IA (Area-
Moreira et al., 2023; García-Peñalvo et al., 2024). Esta orientación coincide con trabajos que
proponen avanzar hacia modelos de integración gradual, evaluación rediseñada, acompañamiento
docente y formación crítica para el uso responsable de la inteligencia artificial en la universidad
(Guerschberg & Gutierrez, 2024; González-Geraldo & Ortega-López, 2024).
En lugar de asumir la IA únicamente como amenaza, los resultados sugieren que su
integración responsable requiere enseñar a evaluar sus respuestas, contrastar fuentes, explicitar
su uso y mantener criterios de autoría e integridad académica.
Las limitaciones del estudio deben ser consideradas al interpretar los hallazgos. La
investigación se desarrolló en una unidad académica específica, con muestra no probabilística y
Vol. 13/ Núm. 2 2026 pág. 767
en un momento temporal determinado, por lo que los resultados no pretenden generalización
estadística amplia.
Asimismo, la información sobre uso de IA provino de autoinforme estudiantil, lo que
puede introducir sesgos de deseabilidad social o subdeclaración. De igual modo, la evaluación de
trabajos mediante rúbrica fue realizada por un único evaluador, circunstancia que aconseja
interpretar los resultados como aproximaciones descriptivas sujetas a futuras contrastaciones.
Igualmente, las percepciones estudiantiles pueden verse influidas por cambios acelerados
en el ecosistema tecnológico, por lo que futuros estudios podrían incorporar diseños
comparativos, longitudinales o multisitio, así como análisis entre disciplinas e instituciones con
distintos grados de digitalización.
En síntesis, la inteligencia artificial se consolida como un recurso valioso para apoyar
procesos investigativos estudiantiles, pero su aporte educativo depende menos de la herramienta
en sí que de las condiciones institucionales, éticas y metodológicas bajo las cuales se integra en
la formación universitaria.
En este escenario, el debate universitario contemporáneo ya no parece centrarse en si la
IA debe estar presente en la educación superior, sino en cómo integrarla sin debilitar la autonomía
intelectual, la integridad académica y el rigor científico.
CONCLUSIONES
Los resultados del estudio permiten concluir que la inteligencia artificial se ha
incorporado de manera efectiva a las prácticas académicas de los estudiantes de la Facultad de
Ciencias Aplicadas de la Universidad Nacional de Pilar, consolidándose como una herramienta
habitual de apoyo en los procesos investigativos.
Su utilización se concentra principalmente en tareas de búsqueda de información,
redacción académica, organización de contenidos y aplicación de normas formales, lo que
evidencia una adopción funcional orientada a optimizar tiempos y mejorar la presentación de los
trabajos.
Al mismo tiempo, los hallazgos muestran que esta incorporación no está exenta de
tensiones. Si bien los estudiantes valoran positivamente la utilidad de estas herramientas, también
reconocen riesgos vinculados con confiabilidad de la información, dependencia tecnológica, uso
acrítico de respuestas automatizadas y ausencia de lineamientos institucionales claros.
Asimismo, la evidencia obtenida mediante la evaluación de trabajos académicos sugiere
que el uso más frecuente de inteligencia artificial podría vincularse con mejoras en dimensiones
técnicas y formales de la producción estudiantil, especialmente en organización del contenido,
redacción y cumplimiento de normas académicas.
No obstante, esta tendencia debe interpretarse con cautela y en un plano estrictamente
descriptivo. Persisten debilidades relativas al análisis crítico, formulación metodológica y
en un momento temporal determinado, por lo que los resultados no pretenden generalización
estadística amplia.
Asimismo, la información sobre uso de IA provino de autoinforme estudiantil, lo que
puede introducir sesgos de deseabilidad social o subdeclaración. De igual modo, la evaluación de
trabajos mediante rúbrica fue realizada por un único evaluador, circunstancia que aconseja
interpretar los resultados como aproximaciones descriptivas sujetas a futuras contrastaciones.
Igualmente, las percepciones estudiantiles pueden verse influidas por cambios acelerados
en el ecosistema tecnológico, por lo que futuros estudios podrían incorporar diseños
comparativos, longitudinales o multisitio, así como análisis entre disciplinas e instituciones con
distintos grados de digitalización.
En síntesis, la inteligencia artificial se consolida como un recurso valioso para apoyar
procesos investigativos estudiantiles, pero su aporte educativo depende menos de la herramienta
en sí que de las condiciones institucionales, éticas y metodológicas bajo las cuales se integra en
la formación universitaria.
En este escenario, el debate universitario contemporáneo ya no parece centrarse en si la
IA debe estar presente en la educación superior, sino en cómo integrarla sin debilitar la autonomía
intelectual, la integridad académica y el rigor científico.
CONCLUSIONES
Los resultados del estudio permiten concluir que la inteligencia artificial se ha
incorporado de manera efectiva a las prácticas académicas de los estudiantes de la Facultad de
Ciencias Aplicadas de la Universidad Nacional de Pilar, consolidándose como una herramienta
habitual de apoyo en los procesos investigativos.
Su utilización se concentra principalmente en tareas de búsqueda de información,
redacción académica, organización de contenidos y aplicación de normas formales, lo que
evidencia una adopción funcional orientada a optimizar tiempos y mejorar la presentación de los
trabajos.
Al mismo tiempo, los hallazgos muestran que esta incorporación no está exenta de
tensiones. Si bien los estudiantes valoran positivamente la utilidad de estas herramientas, también
reconocen riesgos vinculados con confiabilidad de la información, dependencia tecnológica, uso
acrítico de respuestas automatizadas y ausencia de lineamientos institucionales claros.
Asimismo, la evidencia obtenida mediante la evaluación de trabajos académicos sugiere
que el uso más frecuente de inteligencia artificial podría vincularse con mejoras en dimensiones
técnicas y formales de la producción estudiantil, especialmente en organización del contenido,
redacción y cumplimiento de normas académicas.
No obstante, esta tendencia debe interpretarse con cautela y en un plano estrictamente
descriptivo. Persisten debilidades relativas al análisis crítico, formulación metodológica y
Vol. 13/ Núm. 2 2026 pág. 768
profundidad interpretativa, lo que indica que la tecnología puede fortalecer ciertos componentes
del trabajo investigativo, pero no sustituir las competencias intelectuales sustantivas que exige la
formación universitaria.
En consecuencia, el valor educativo de la inteligencia artificial depende menos de la mera
disponibilidad de herramientas y más de la capacidad institucional para integrarlas mediante
políticas claras, formación ética, alfabetización en IA, pensamiento crítico y fortalecimiento
metodológico.
En definitiva, la discusión actual ya no parece centrarse en si la inteligencia artificial
ingresará a la universidad, porque su presencia es ya una realidad consolidada, sino en si las
instituciones serán capaces de incorporarla sin debilitar la autonomía intelectual, la integridad
académica y el rigor científico que constituyen la esencia misma de la educación superior.
profundidad interpretativa, lo que indica que la tecnología puede fortalecer ciertos componentes
del trabajo investigativo, pero no sustituir las competencias intelectuales sustantivas que exige la
formación universitaria.
En consecuencia, el valor educativo de la inteligencia artificial depende menos de la mera
disponibilidad de herramientas y más de la capacidad institucional para integrarlas mediante
políticas claras, formación ética, alfabetización en IA, pensamiento crítico y fortalecimiento
metodológico.
En definitiva, la discusión actual ya no parece centrarse en si la inteligencia artificial
ingresará a la universidad, porque su presencia es ya una realidad consolidada, sino en si las
instituciones serán capaces de incorporarla sin debilitar la autonomía intelectual, la integridad
académica y el rigor científico que constituyen la esencia misma de la educación superior.
Vol. 13/ Núm. 2 2026 pág. 769
REFERENCIAS
Area-Moreira, M., González-Pérez, A., & Falcó, J. (2023). Inteligencia artificial y educación
superior: Retos y oportunidades. Revista Iberoamericana de Educación, 91(2), 15-34.
https://doi.org/10.35362/rie9125671
Cabero, J., & Llorente, M. C. (2020). Inteligencia artificial y educación: Retos y propuestas.
RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 43-60.
https://doi.org/10.5944/ried.23.2.26540
Castaño Umaña, R. A. (2024). Impacto de la inteligencia artificial generativa en la educación
superior: un estudio comparativo. Revista Compromiso Social, 7(12), 95-110.
Flores-Vivar, J. M., & García-Peñalvo, F. J. (2023). Reflexiones sobre la ética, potencialidades y
retos de la inteligencia artificial en el marco de la educación de calidad (ODS4).
Comunicar, 31(74), 37-47. https://doi.org/10.3916/C74-2023-03
Gallent-Torres, C., Tello-Díaz, J., & Llorens-Largo, F. (2023). El impacto de la inteligencia
artificial generativa en la educación superior: una revisión exploratoria. RIED. Revista
Iberoamericana de Educación a Distancia, 26(2), 151-172.
https://doi.org/10.5944/ried.26.2.37757
García-Peñalvo, F. J., Corell, A., Abella-García, V., & Grande-de-Prado, M. (2024). Inteligencia
artificial generativa en educación superior: oportunidades, riesgos y retos para la
evaluación. Education in the Knowledge Society, 25, e31942.
https://doi.org/10.14201/eks.31942
González-Geraldo, J. L., & Ortega-López, L. (2024). ¿Puede engañarnos una IA? Carencias del
estudiantado universitario para detectar ChatGPT. Education in the Knowledge Society,
25, e31760. https://doi.org/10.14201/eks.31760
Guerschberg, L., & Gutierrez, Y. E. (2024). Tutoría con inteligencia artificial generativa en la
educación superior: Oportunidades y desafíos en el aprendizaje. Ciencia Latina Revista
Científica Multidisciplinar, 8(5), 9960-9975.
https://doi.org/10.37811/cl_rcm.v8i5.14391
Hernández González, M., Ramos Quiroz, J. M., Chávez Maciel, F. J., & Trejo Cázares, M. del C.
(2024). Ventajas y riesgos de la inteligencia artificial generativa desde la percepción de
los estudiantes de educación superior en México. European Public & Social Innovation
Review, 9, 1-19. https://doi.org/10.31637/epsir-2024-495
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta. McGraw-Hill Interamericana.
Morán-Ortega, S.-A., Ruiz-Tirado, S.-G., Simental-López, L.-M., & Tirado-López, A.-B. (2024).
Barreras de la inteligencia artificial generativa en estudiantes de educación superior:
REFERENCIAS
Area-Moreira, M., González-Pérez, A., & Falcó, J. (2023). Inteligencia artificial y educación
superior: Retos y oportunidades. Revista Iberoamericana de Educación, 91(2), 15-34.
https://doi.org/10.35362/rie9125671
Cabero, J., & Llorente, M. C. (2020). Inteligencia artificial y educación: Retos y propuestas.
RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 43-60.
https://doi.org/10.5944/ried.23.2.26540
Castaño Umaña, R. A. (2024). Impacto de la inteligencia artificial generativa en la educación
superior: un estudio comparativo. Revista Compromiso Social, 7(12), 95-110.
Flores-Vivar, J. M., & García-Peñalvo, F. J. (2023). Reflexiones sobre la ética, potencialidades y
retos de la inteligencia artificial en el marco de la educación de calidad (ODS4).
Comunicar, 31(74), 37-47. https://doi.org/10.3916/C74-2023-03
Gallent-Torres, C., Tello-Díaz, J., & Llorens-Largo, F. (2023). El impacto de la inteligencia
artificial generativa en la educación superior: una revisión exploratoria. RIED. Revista
Iberoamericana de Educación a Distancia, 26(2), 151-172.
https://doi.org/10.5944/ried.26.2.37757
García-Peñalvo, F. J., Corell, A., Abella-García, V., & Grande-de-Prado, M. (2024). Inteligencia
artificial generativa en educación superior: oportunidades, riesgos y retos para la
evaluación. Education in the Knowledge Society, 25, e31942.
https://doi.org/10.14201/eks.31942
González-Geraldo, J. L., & Ortega-López, L. (2024). ¿Puede engañarnos una IA? Carencias del
estudiantado universitario para detectar ChatGPT. Education in the Knowledge Society,
25, e31760. https://doi.org/10.14201/eks.31760
Guerschberg, L., & Gutierrez, Y. E. (2024). Tutoría con inteligencia artificial generativa en la
educación superior: Oportunidades y desafíos en el aprendizaje. Ciencia Latina Revista
Científica Multidisciplinar, 8(5), 9960-9975.
https://doi.org/10.37811/cl_rcm.v8i5.14391
Hernández González, M., Ramos Quiroz, J. M., Chávez Maciel, F. J., & Trejo Cázares, M. del C.
(2024). Ventajas y riesgos de la inteligencia artificial generativa desde la percepción de
los estudiantes de educación superior en México. European Public & Social Innovation
Review, 9, 1-19. https://doi.org/10.31637/epsir-2024-495
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta. McGraw-Hill Interamericana.
Morán-Ortega, S.-A., Ruiz-Tirado, S.-G., Simental-López, L.-M., & Tirado-López, A.-B. (2024).
Barreras de la inteligencia artificial generativa en estudiantes de educación superior:
Vol. 13/ Núm. 2 2026 pág. 770
Percepción docente. Revista de Investigación en Tecnologías de la Información, 12(25),
26-37. https://doi.org/10.36825/RITI.12.25.003
Pérezchica-Vega, J. E., Sepúlveda-Rodríguez, J. A., & Román-Méndez, A. D. (2024).
Inteligencia artificial generativa en la educación superior: usos y opiniones de los
profesores. European Public & Social Innovation Review, 9, 1-20.
https://doi.org/10.31637/epsir-2024-593
Ruiz-Lázaro, J., Redondo-Duarte, S., Jiménez-García, E., Martínez-Requejo, S., & Galán-Íñigo,
A. (2025). Análisis de las percepciones universitarias sobre el uso de inteligencia artificial
generativa en la escritura académica. Revista Complutense de Educación, 36(1), 85-101.
Salinas, J. (2021). Innovación docente en la educación superior y el uso de tecnologías digitales.
Revista de Educación a Distancia, 21(67), 1-21. https://doi.org/10.6018/red.450121
UNESCO. (2022). Recomendación sobre la ética de la inteligencia artificial. UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa
Percepción docente. Revista de Investigación en Tecnologías de la Información, 12(25),
26-37. https://doi.org/10.36825/RITI.12.25.003
Pérezchica-Vega, J. E., Sepúlveda-Rodríguez, J. A., & Román-Méndez, A. D. (2024).
Inteligencia artificial generativa en la educación superior: usos y opiniones de los
profesores. European Public & Social Innovation Review, 9, 1-20.
https://doi.org/10.31637/epsir-2024-593
Ruiz-Lázaro, J., Redondo-Duarte, S., Jiménez-García, E., Martínez-Requejo, S., & Galán-Íñigo,
A. (2025). Análisis de las percepciones universitarias sobre el uso de inteligencia artificial
generativa en la escritura académica. Revista Complutense de Educación, 36(1), 85-101.
Salinas, J. (2021). Innovación docente en la educación superior y el uso de tecnologías digitales.
Revista de Educación a Distancia, 21(67), 1-21. https://doi.org/10.6018/red.450121
UNESCO. (2022). Recomendación sobre la ética de la inteligencia artificial. UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa