Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
97
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
La IA como herramienta de apoyo en la investigación científica en los docentes
investigadores del ISTE
AI as a support tool in scientific research for ISTE research teachers
Freddy Rodolfo Lalaleo Analuisa
Correo para correspondencia: freddy.lalaleo@iste.edu.ec
Instituto Superior Tecnológico España – ISTE
https://orcid.org/0000-0003-0108-3365
Frankz Alberto Carrera Calderón
Correo para correspondencia: frankz.carrera@iste.edu.ec
Instituto Superior Tecnológico España – ISTE
https://orcid.org/0000-0003-4260-1608
Amanda Patricia Martínez Yacelga
Correo para correspondencia: amanda.martinez@iste.edu.ec
Instituto Superior Tecnológico España – ISTE
https://orcid.org/0000-0001-9352-5583
Fecha de recepción: 5 octubre 2023
Fecha De aceptación: 23 de enero 2024
Líneas de publicación:
Innovación Tecnológica
Artículo revisado por doble pares ciego
Resumen
La inteligencia artificial (IA) ha emergido en la actualidad como una herramienta esencial en
cualquier ámbito y la investigación científica no es la excepción. A partir de ello, el objetivo del presente
estudio radica en exponer la creciente importancia de la IA en la investigación científica y sus diversos
roles en el proceso investigativo. Para lo cual el enfoque de investigación es cuali-cuantitativo y de
corte transversal, la población de estudio considerada lo constituyeron los docentes investigadores del
ISTE a quienes se les aplicó un instrumento de recolección de información que permitió conocer su
percepción sobre la IA en los procesos de investigación que desarrollan. Dentro de los principales
resultados se destaca que el 73% de los docentes investigadores creen que la IA ha tenido un impacto
significativo y positivo en la investigación científica hasta ahora, mientras que el 3% cree que ha tenido
un impacto limitado. Por otro lado, en relación con los desafíos y limitaciones en la utilización de la IA
en la investigación científica, el 50% de los encuestados señala la falta de comprensión sobre cómo
utilizar la IA como el mayor desafío, seguido de la falta de acceso a recursos y tecnología de IA (20%),
sesgos en los algoritmos de IA (14%) y limitaciones en la interpretación de los resultados de IA (17%).
En función de lo descrito se puede concluir que la IA se considera valiosa en la investigación científica,
pero su uso puede verse obstaculizado por desafíos tecnológicos y de acceso.
Palabras clave: inteligencia artificial; investigación científica; docentes universitarios;
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
98
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
instituciones de educación superior.
Abstract
Artificial intelligence (AI) has now emerged as an essential tool in any field and scientific research
is no exception. Based on this, the objective of this study is to expose the growing importance of AI in
scientific research and its various roles in the investigative process. For which the research approach
is qualitative-quantitative and cross-sectional, the study population considered to be the ISTE research
teachers to whom an information collection instrument was applied that allowed us to know their
perception of AI in the processes of research it develops. Among the main results, it stands out that 73%
of research teachers believe that AI has had a significant and positive impact on scientific research so
far, while 3% believe that it has had a limited impact. On the other hand, in relation to the challenges
and limitations in using AI in scientific research, 50% of respondents point out the lack of understanding
of how to use AI as the biggest challenge, followed by the lack of access to AI resources and technology
(20%), sessions on AI algorithms (14%) and limitations in the interpretation of AI results (17%). Based
on what has been described, it can be concluded that AI is considered valuable in scientific research,
but its use may be hindered by technological and access challenges.
Keywords: artificial intelligence; scientific investigation; university teachers; higher education
institutions.
Introducción y objetivos
La revolución desatada por la Inteligencia Artificial (IA) ha trascendido los límites de la
imaginación, dejando una profunda huella en prácticamente todos los aspectos de la vida cotidiana. Sin
embargo, su impacto más significativo y revolucionario se ha registrado, sin lugar a dudas, en el campo
de la investigación científica. A medida que el siglo XXI avanza, la IA se ha elevado a la categoría de
herramienta esencial, alterando de manera fundamental la forma en que los científicos abordan sus
investigaciones y los retos científicos que enfrentan.
En su conjunto, la IA representa un hito en la historia de la ciencia y la tecnología, pues ha
proporcionado a la comunidad científica una serie de capacidades previamente inaccesibles. Lo que antes
parecía ser un terreno inexplorado y lleno de incógnitas ahora se ha vuelto más accesible gracias a esta
amalgama de algoritmos y modelos inteligentes. Como resultado, la investigación científica ha
experimentado una metamorfosis impresionante.
En función de lo señalado, es importante acotar que la IA también se ha encargado de liberar a los
diferentes profesionales de la investigación de tareas repetitivas y tediosas que consumen gran parte de
su tiempo. Antes de su llegada, la recopilación y el procesamiento de datos eran en gran medida
manuales, lo que restringía la capacidad de los investigadores para centrarse en la parte creativa de su
trabajo. Hoy, la IA se encarga de la extracción y procesamiento de datos en tiempo récord, permitiendo
a los científicos concentrarse en la interpretación de resultados y el diseño de experimentos más
significativos que son puestos de manifiesto dentro de los manuscritos realizados.
Bajo este contexto, la IA se ha convertido en un compañero inestimable para los investigadores en
general, pues se ha encargado de allanar el camino hacia un futuro donde los límites de lo que es posible
en la ciencia se expanden continuamente. Este poderoso aliado tecnológico es una de las mayores
promesas para la innovación científica en las décadas venideras.
A partir de lo señalado, es importante exponer aspectos relevantes que destaca la literatura, en tal
virtud, Obregón et al. (2023) mencionan que la IA representa una tecnología capaz de emular procesos
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
99
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
cognitivos humanos a través de algoritmos y sistemas computacionales. Es decir, la IA presenta diversas
utilidades en los diferentes escenarios, no obstante, dentro el ámbito de la investigación científica ha
ayudado al análisis de información, el diagnóstico y detección de patologías, la elaboración de fármacos
y la supervisión de la salud pública. Estas aplicaciones tienen el potencial de incrementar la excelencia
y eficacia en el ámbito científico, así como de afrontar problemáticas sociales de alta complejidad.
En concordancia con lo expuesto en el párrafo anterior, la IA ha revolucionado la investigación
científica al ofrecer un conjunto de herramientas y técnicas avanzadas que permiten abordar problemas
complejos de manera más eficiente y precisa. En este sentido, de acuerdo con Suazo (2023) algunos de
los usos más destacados de la IA en la investigación científica incluyen:
Análisis de grandes cantidades de datos: La recopilación masiva de datos es común en
prácticamente todas las disciplinas científicas. La IA puede procesar, analizar y extraer patrones
significativos de estos datos a una velocidad y escala que sería imposible de lograr manualmente.
Generación y validación de hipótesis: La IA puede ayudar a los científicos a generar nuevas
hipótesis y validarlas a través de simulaciones y experimentos virtuales. Algoritmos de aprendizaje
automático pueden analizar datos previos para identificar relaciones complejas y patrones ocultos.
Automatización y optimización de procesos: La IA puede automatizar tareas rutinarias o
complejas en el laboratorio, lo que libera a los investigadores para centrarse en tareas más creativas y
analíticas. Esto incluye el control de instrumentos, el procesamiento de muestras, la gestión de proyectos
de investigación y la optimización de recursos.
Tabla 1.
Uso de la IA en la investigación científica
Uso de la IA en
Investigación Científica
Ejemplos
Análisis de grandes
cantidades de datos
Identificación de nuevos planetas a partir de
observaciones del telescopio Kepler.
Detección de biomarcadores de enfermedades como el
Alzheimer a partir de imágenes cerebrales.
Generación y validación de
hipótesis
Diseño de nuevos fármacos o materiales mediante
algoritmos genéticos o redes neuronales.
Automatización y
optimización de procesos
Automatización de tareas rutinarias o complejas como el
control de instrumentos.
Gestión de muestras y proyectos de investigación.
Optimización de recursos, reducción de costos y tiempos
de investigación.
Nota: La tabla describe los usos de la IA en el ámbito de la investigación científica. Adaptado de
Suazo (2023) y (Shah et al., 2023)
Los investigadores se encuentran ante el desafío de adquirir una amplia variedad de habilidades,
que abarcan desde el diseño de investigaciones y la formulación de conceptos teóricos, hasta el análisis
tanto cuantitativo como cualitativo, la interpretación, la capacidad innovadora y un alto nivel de
habilidades en comunicación escrita, lo que incluye la competencia en el idioma inglés. Estos requisitos
representan un estándar elevado que no todos pueden cumplir en todas sus dimensiones. Históricamente,
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
100
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
la solución a este desafío ha consistido en la externalización de ciertas habilidades, ya sea a través de la
contratación de servicios especializados o la incorporación de coautores adicionales en proyectos de
investigación (Cárdenas, 2023).
Si bien las herramientas de IA no resuelven todos los desafíos de la investigación, sí abren la
posibilidad de llevar a cabo ciertas tareas de manera más eficiente. Por ejemplo, pueden contribuir a la
redacción de textos en idiomas distintos al nativo o facilitar la comprensión de teorías complejas y datos
igualmente intrincados (Lainjo & Tmouche, 2023). La utilización de la IA en el ámbito de la investigación
permite que los investigadores concentren su tiempo y energía en aspectos cruciales como la
interpretación de resultados, la reflexión y la creatividad, en lugar de destinar recursos a tareas como la
generación de redacciones pomposas, la identificación de trabajos relacionados o la depuración de bases
de datos (Nwadinachi & Ivanov, 2022).
No obstante, es importante destacar que un uso excesivo de la IA puede dar lugar a la reducción
de ciertas habilidades cognitivas, como la lectura, y aumentar la dependencia de la tecnología. Este
debate en torno a las ventajas y desventajas de la IA en el campo de la investigación ha resurgido en la
comunidad académica, y aún no se ha alcanzado un consenso claro sobre cómo abordar esta tecnología.
Mientras algunos investigadores ven la IA como una herramienta valiosa para mejorar la eficiencia de la
investigación, otros expresan preocupaciones acerca de la calidad de la investigación cuando esta se ve
respaldada por la IA (Zheng & Zhan, 2023).
A partir de lo señalado, se puede mencionar que el futuro de la educación en general está
intrínsecamente vinculado al desarrollo de la IA. Aunque la incorporación de la IA en el campo educativo
se encuentra en sus primeras etapas, sus ventajas para el sector son innegables (González-Calatayud et
al., 2021). Con estos antecedentes, el objetivo del presente estudio radica en exponer la creciente
importancia de la IA en la investigación científica y sus diversos roles en el proceso investigativo.
Metodología y materiales
Este estudio se destaca por su enfoque mixto, que integra aspectos cualitativos y cuantitativos. En
una primera fase, se llevó a cabo un análisis de las características de la población en estudio, que en este
caso constituyeron los docentes investigadores del Instituto Superior Tecnológico España - ISTE, con el
propósito de describir las causas que están generando el problema identificado. Posterior a ello, se empleó
un instrumento diseñado, permitiendo la recopilación de datos concretos de los participantes. Estos datos
se sometieron a un análisis estadístico para su presentación de manera más precisa.
En cuanto a la modalidad de investigación, se llevó a cabo un enfoque combinado que incluyó tanto
la investigación bibliográfica como la investigación de campo. Inicialmente, se procesó información
obtenida de fuentes secundarias, como investigaciones previas, libros, revistas y otros documentos donde
se realizó una selección minuciosa de la información relevante sobre la inteligencia artificial y la
investigación científica. Posteriormente, se llevó a cabo un estudio in situ, donde se aplicó el instrumento
diseñado (cuestionario) con el propósito de evaluar la situación actual de los docentes. La encuesta se
administró a la población de interés, en este caso, los docentes investigadores del Instituto Superior
Tecnológico España, es decir, un total de 30 personas.
El instrumento diseñado consta de un total de 8 preguntas orientadas a recabar información relevante
acerca de la Inteligencia Artificial en los procesos de investigación científica. La encuesta se administró
de manera virtual a través de un formulario de Google, y en promedio, cada participante invirtió alrededor
de 5 minutos en completarla.
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
101
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
Para verificar la validez y confiabilidad del instrumento diseñado, se aplicó el método conocido
como Alfa de Cronbach. Este método, mediante el uso de análisis estadístico, permite evaluar la
consistencia interna de los ítems (preguntas). Cuanto más cercano sea el valor del alfa a 1, mayor será la
fiabilidad del instrumento. En este contexto, después de realizar el cálculo correspondiente, se obtuvo un
valor de 0.906, valor que permitió establecer la confiabilidad del instrumento en cuestión.
Tabla 2.
Resumen de procesamiento de casos
N
%
Casos
Válido
30
100,0
Excluidoa
0
,0
Total
30
100,0
Nota: La tabla describe el número de casos que se abordan en el estudio.
Tabla 3.
Estadísticas de fiabilidad
Alfa de
Cronbach
N de
elementos
,906
8
Nota: La tabla establece el valor obtenido posterior al cálculo del Alfa de Cronbach con un total
de nueve ítems.
Resultados y discusión
Dentro de la primera parte de los resultados obtenidos se presenta un análisis bibliométrico efectuado
a través del software ATLAS.Ti donde se establecen redes semánticas que permiten visualizar las
interrelaciones entre códigos a través de un gráfico (Lalaleo y Martínez, 2022; Lalaleo, 2023). En función
de lo descrito, es importante empezar este procedimiento estableciendo categorías orientadoras que
direccionen el estudio, para el presente caso las mismas fueron planteadas en relación con la temática
propuesta (inteligencia artificial e investigación científica). Posterior a la definición de las categorías
orientadoras, el siguiente ámbito a desarrollar fue la codificación de los diferentes documentos cuyo
contenido guardaba relación directa con el tema planteado. En este caso el número de códigos identificados
a partir de la información procesada fueron un total de 32 códigos.
Para el caso de la inteligencia artificial se identificaron un total de 21 códigos entre los cuales se
destacan: algoritmos, ámbito digital, análisis de datos, aprendizaje automático, asistentes digitales
virtuales, autonomía en el aprendizaje, big data, chat GPT, chatbots, creación de contenido, educación,
modelo predictivo, nuevas tecnologías, optimización de redacción, producción de texto automático, redes
neuronales, resolución de múltiples tareas, sistemas informáticos, tecnología educativa, tutores virtuales,
vulneración de la privacidad y seguridad.
Por su parte, en lo que respecta a la categoría investigación científica se identificaron un total de 11
códigos entre los cuales se evidencian los siguientes: ámbito digital, artículos científicos, creación de
contenidos, educación, escritura científica, escritura de párrafos, nuevas tecnologías, optimización de
redacción, publicaciones científicas, recursos interactivos, redacción científica. Después de finalizar la
codificación, se procedió a abordar la actividad de convergencia de la información procesada. Este proceso
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
102
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
involucró la reunión y el cruce dialéctico de todos los datos recopilados, centrándose en las categorías
orientadoras identificadas en el estudio (ver figura 1).
Figura 1.
Red semántica (interconexiones entre códigos)
Nota: La figura muestra las interconexiones entre los códigos identificados.
Posterior a la visualización de la red semántica, el siguiente aspecto a desarrollar consistió en el
análisis de co-ocurrencia el cual busca destacar las correlaciones más significativas generadas a partir de
la información procesada. Para ello, es importante mencionar que de acuerdo con los valores obtenidos las
correlaciones van desde una correlación moderada (entre 40% y 59%), correlación alta (entre 60% y 79%),
correlación muy alta (entre 80% y 99%) y correlación perfecta (100%) (ver tabla 4).
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
103
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
Tabla 4.
Análisis de co-ocurrencia
Códigos
Correlación
Nivel
Aprendizaje automático / Asistentes digitales
virtuales
1,00
100%
Correlación
perfecta
Asistentes digitales virtuales / Redes neuronales
1,00
100%
Autonomía en el aprendizaje / Tutores virtuales
1,00
100%
Chatbots / Recursos interactivos
1,00
100%
Tutores virtuales / autonomía en el aprendizaje
1,00
100%
Big data / Modelo predictivo
0,88
88%
Correlación
muy alta
Creación de contenidos / Big data
0,88
88%
Escritura de párrafos / Producción de texto
automático
0,80
80%
Optimización de redacción / Producción de texto
automático
0,80
80%
Producción de texto automático / Escritura de
párrafos
0,80
80%
Recursos interactivos / Autonomía en el
aprendizaje
0,80
80%
Modelo predictivo / Redes neuronales
0,75
75%
Correlación
alta
Sistemas informáticos / Vulneración de la
privacidad y seguridad
0,75
75%
Vulneración de la privacidad y seguridad /
Sistemas informáticos
0,75
75%
Ámbito digital / Análisis de datos
0,73
73%
Análisis de datos / Ámbito digital
0,73
73%
Artículos científicos / Aprendizaje automático
0,71
71%
Redes neuronales / Resolución de múltiples
tareas
0,71
71%
Resolución de múltiples tareas / Aprendizaje
automático
0,71
71%
Chat GPT / Redacción científica
0,67
67%
Escritura científica / escrituras de párrafos
0,67
67%
Redacción científica / optimización de redacción
0,67
67%
Nuevas tecnologías / Chat GPT
0,63
63%
Tecnología educativa / Vulneración de la
privacidad y seguridad
0,60
60%
Publicaciones científicas / escritura científica
0,59
59%
Correlación
moderada
Educación / Creación de contenido
0,54
54%
Algoritmo / Nuevas tecnologías
0,48
48%
Nota: La tabla describe las correlaciones existentes entre los códigos generados posterior a la
codificación efectuada.
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
104
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
Una vez presentadas las correlaciones obtenidas, el siguiente paso recae en mostrar también el
análisis código-documento el cual permite cuantificar la frecuencia de códigos identificados en los
diferentes documentos analizados, en este sentido, es importante mencionar que el procesamiento se
efectuó únicamente de artículos científicos recuperados de distintas bases de datos como Redalyc, Scielo,
WOS, Scopus.
Tabla 5.
Análisis código-documento
Artículo 1
Artículo 2
Artículo 3
Artículo 4
Artículo 5
Artículo 6
Inteligencia artificial
(IA)
1,96%
5,88%
3,92%
1,96%
5,88%
3,92%
Investigación
científica
1,96%
5,88%
3,92%
1,96%
5,88%
3,92%
Totales
3,92%
11,77%
7,84%
3,92%
11,77%
7,84%
Artículo 7
Artículo 8
Artículo 9
Artículo 10
Artículo 11
Total
Inteligencia artificial
(IA)
3,92%
3,92%
3,92%
5,88%
11,77%
52,94%
Investigación
científica
1,96%
3,92%
1,96%
3,92%
11,77%
47,06%
Totales
5,88%
7,84%
5,88%
9,80%
23,53%
100,00%
Nota: La tabla describe las frecuencias de códigos identificados en los diferentes documentos
analizados.
Dentro de la tabla 5, la información presentada permite establecer la frecuencia de los códigos ante
los documentos analizados (artículos) y su concentración porcentual, es así que de forma puntual en el
desarrollo del presente estudio se puede mencionar lo siguiente: del 100% de códigos identificados en los
documentos procesados, el 52,94% contiene información relacionada con la inteligencia artificial (AI),
mientras que, el 47,06% restante evidencia una relación directa con la investigación científica.
Una vez efectuado el análisis bibliométrico, para finalizar el apartado de resultados se presentan los
principales resultados obtenidos posterior a la aplicación de la encuesta sobre el uso de herramientas de
inteligencia artificial en campo de la investigación científica. El instrumento fue aplicado a un total de 30
docentes investigadores del Instituto Superior Tecnológico España ISTE destacando los siguientes
hallazgos.
Tabla 6.
Resultados
Ítems
Descripción
Frecuencia
Porcentaje
¿Cree que la
inteligencia artificial es
importante para la
investigación científica?
Muy importante
24
80%
Importante
6
20%
Total
30
100%
¿Cómo cree que la
inteligencia artificial ha
Ha tenido un impacto
significativo y positivo
22
73%
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
105
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
impactado la
investigación científica
hasta ahora?
Ha tenido un impacto positivo,
pero no significativo
7
23%
Ha tenido un impacto limitado
1
3%
Total
30
100%
¿Cuáles cree que
son los mayores desafíos
o limitaciones en la
utilización de la
inteligencia artificial en
la investigación
científica?
Falta de acceso a recursos y
tecnología de IA
6
20%
Falta de comprensión sobre
cómo utilizar la IA
15
50%
Sesgos en los algoritmos de IA
4
14%
Limitaciones en la
interpretación de los resultados de IA
5
17%
Total
30
100%
¿Ha utilizado
herramientas basadas en
inteligencia artificial
para apoyar su
investigación científica?
Si
23
77%
No
7
23%
Total
30
100%
¿En qué medida
cree que ha mejorado los
resultados y procesos de
investigación?
Ha tenido un impacto mínimo
1
3%
Ha tenido un impacto moderado
14
47%
Ha tenido un impacto
significativo
15
50%
Total
30
100%
¿Qué tipo de
herramientas de
inteligencia artificial ha
utilizado en sus
investigaciones
científicas?
Chatbots
13
43%
Sistemas de Traducción
Automática
5
17%
Reconocimiento de Voz y
Transcripción Automática
1
3%
Clasificación de Documentos y
Categorización de Contenido
2
7%
Generación de Texto
Automático
3
10%
Extracción de Información y
Análisis de Texto
2
7%
Corrección Gramatical y de
Estilo
4
13%
Total
30
100%
¿Con qué
frecuencia utiliza
herramientas basadas en
inteligencia artificial en
sus investigaciones
científicas?
Nunca
2
7%
Ocasionalmente
14
47%
Frecuentemente
6
20%
Siempre
8
27%
Total
30
100%
¿Cuál cree que es
el principal beneficio de
utilizar IA en la
investigación científica?
Aumento de la eficiencia en la
búsqueda de información
9
30%
Mejora en la calidad de los
resultados de investigación
8
27%
Mayor capacidad para analizar
grandes conjuntos de datos
13
43%
Total
30
100%
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
106
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
Nota: La tabla describe los principales resultados obtenidos posterior al levantamiento de
información efectuado.
En cuanto a la importancia de la IA en la investigación científica, el 80% de docentes investigadores
consideran que es muy importante, mientras que el 20% restante la consideran como importante. Además,
el 73% de los encuestados cree que la IA ha tenido un impacto significativo y positivo en la investigación
científica hasta ahora, mientras que el 23% cree que ha tenido un impacto positivo, pero no significativo
y únicamente el 3% cree que ha tenido un impacto limitado. Por otro lado, en relación con los desafíos y
limitaciones en la utilización de la IA en la investigación científica, el 50% de los encuestados señala la
falta de comprensión sobre cómo utilizar la IA como el mayor desafío, seguido de la falta de acceso a
recursos y tecnología de IA (20%), sesgos en los algoritmos de IA (14%) y limitaciones en la interpretación
de los resultados de IA (17%).
Figura 2.
Importancia/Impacto/desafíos de la IA
Nota: La figura muestra la importancia, el impacto y los desafíos a los cuales se enfrenta la IA
Asimismo, en cuanto al uso de herramientas de IA en la investigación científica, el 77% de los
encuestados ha utilizado herramientas basadas en IA para apoyar su investigación científica, mientras que
el 23% no lo ha hecho. Adicional a ello, los resultados de la encuesta muestran que el 43% de los
investigadores han utilizado chatbots en sus investigaciones, el 17% ha utilizado los sistemas de traducción
automática, el 13% han utilizado la corrección gramatical y de estilo, el 10% ha buscado la generación de
texto automático y solo el 3% ha utilizado reconocimiento de voz y transcripción automática.
80%
20%
73%
23%
3%
20%
50%
7% 17% 7% 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
0
5
10
15
20
25
30
Muy importante
Importante
Ha tenido un impacto
significativo y positivo
Ha tenido un impacto
positivo, pero no
significativo
Ha tenido un impacto
limitado
Falta de acceso a
recursos y tecnología
de IA
Falta de comprensión
sobre cómo utilizar la
IA
Sesgos en los
algoritmos de IA
Limitaciones en la
interpretación de los
resultados de IA
Otros desafíos
Importancia Impacto Desafíos
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
107
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
Figura 3.
Apoyo/herramientas de la IA
Nota: La figura muestra el apoyo y las herramientas de la IA
En lo que respecta a la frecuencia de uso de estas herramientas, el 47% de profesionales dedicados
a la docencia e investigación aseguran utilizar estas herramientas de IA ocasionalmente en sus
investigaciones, el 27% menciona utilizar siempre estos recursos, el 20% frecuentemente y apenas el 7%
restante manifiesta que dentro de sus investigaciones no han considerado la necesidad de utilizar
herramientas basadas en la IA para plasmar sus estudios. Finalmente, entre los beneficios de utilizar IA en
la investigación científica, el 43% de los encuestados cree que el mayor beneficio es la mayor capacidad
para analizar grandes volúmenes de datos, seguido del aumento de la eficiencia en la búsqueda de
información (30%) y la mejora en la calidad de los resultados de investigación (27%).
77%
23%
43%
17%
3% 7% 10% 7% 13%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
0
5
10
15
20
25
Si
No
Chatbots
Sistemas de Traducción
Automática
Reconocimiento de Voz y
Transcripción Automática
Clasificación de Documentos y
Categorización de Contenido
Generación de Texto
Automático
Extracción de Información y
Análisis de Texto
Corrección Gramatical y de
Estilo
Apoyo Herramientas
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
108
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
Figura 4.
Frecuencia/revolución y beneficios de la IA
Nota: La figura muestra la frecuencia, la revolución y los beneficios de la IA
En virtud de lo señalado, los resultados de la encuesta aplicada sugieren que la IA es considerada
muy importante en la investigación científica y ha tenido un impacto significativo y positivo hasta ahora.
Sin embargo, los investigadores enfrentan desafíos y limitaciones en la utilización de la IA, especialmente
en términos de comprensión y acceso a recursos y tecnología de IA. En este sentido, a pesar de estos
desafíos, la mayoría de los docentes investigadores ha utilizado herramientas basadas en IA para apoyar
sus estudios.
A partir de los resultados señalados, es importante resaltar la habilidad de la IA para emular las
capacidades cognitivas humanas, en este sentido se puede plantear la siguiente interrogante ¿Puede la IA
sustituir a los investigadores? La respuesta inmediata es no. Dado que, la esencia de la investigación
científica radica en la expresión y presentación de las ideas de los autores, un aspecto que la IA no puede
suplantar. No obstante, es posible emplear estas tecnologías con el propósito de optimizar el proceso de
redacción, siempre y cuando su utilización se ajuste a estándares éticos (Barrios, 2023).
En este sentido, fomentar la incorporación de la IA en la educación implica poner esta tecnología al
servicio de la investigación, gestión, administración e innovación educativa. Este esfuerzo demanda un
compromiso sólido para empoderar a docentes y estudiantes, lo que, a su vez, resulta en una transformación
en los métodos de enseñanza y la evaluación de resultados (Incio et al., 2022; Renz & Hilbig, 2020).
7%
47%
20% 27%
93%
7%
30% 27%
43%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0
5
10
15
20
25
30
Nunca
Ocasionalmente
Frecuentemente
Siempre
Si
No estoy seguro
Aumento de la eficiencia en la
búsqueda de información
Mejora en la calidad de los
resultados de investigación
Mayor capacidad para analizar
grandes conjuntos de datos
Frecuencia Revolución Beneficios
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
109
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
Conclusiones
La IA en los actuales momentos se encuentra transformando la investigación científica al
automatizar tareas, descubrir conexiones ocultas y acelerar el proceso de generación de conocimiento. Si
se usa de manera ética y se integra de manera efectiva con el pensamiento humano, la IA tiene el potencial
de llevar la ciencia a nuevas alturas, impulsando avances que antes parecían inalcanzables. Es decir, a
medida que avance esta era digital, el papel de la IA en la investigación científica se vuelve cada vez más
esencial para el progreso y la innovación en todas las disciplinas.
Por otro lado, la clave para una colaboración efectiva entre la IA y los investigadores radica en
utilizar estas tecnologías con integridad ética. En este sentido, los investigadores deben comprender las
limitaciones que presenta la IA y asegurarse de que la generación de contenido no implique el plagio o la
pérdida de la esencia del autor de un escrito. La IA debe ser una herramienta que optimiza el proceso de
escritura y no una solución de reemplazo, ya que la creatividad, la perspicacia y la originalidad de los
investigadores siguen siendo esenciales en la producción de conocimiento científico.
En el contexto de estudio si bien es cierto en su gran mayoría los docentes ya se encuentran utilizando
estos recursos tecnológicos, también es cierto que han experimentado una serie de inconvenientes
relacionados directamente con la falta de comprensión sobre cómo utilizar la IA, es decir, a pesar del
avance significativo que estos recursos y herramientas han experimentado en el campo educativo la
limitante está en cómo se puede aplicar de forma correcta y con ello obtener mejores resultados
investigativos que se encarguen de solucionar problemas reales que aquejan a la comunidad en general.
Referencias
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://doi.org/10.52379/mcs.v7i2.278
Cárdenas, J. (2023). Inteligencia artificial, investigación y revisión por pares: escenarios futuros y
estrategias de acción. Revista Española de Sociología (RES), 32(4), 1–15.
https://doi.org/https://doi.org/10.22325/fes/res.2023.184
González-Calatayud, V., Prendes-Espinosa, P., & Roig-Vila, R. (2021). Artificial Intelligence for
Student Assessment: A Systematic Review. Applied Sciences, 11, 54–67. https://doi.org/10.3390/app
Incio Flores, F. A., Capuñay Sanchez, D. L., Estela Urbina, R. O., Valles Coral, M. Á., Vergara
Medrano, E. E., & Elera Gonzales, D. G. (2022). Inteligencia artificial en educación: una revisión de la
literatura en revistas científicas internacionales. Apuntes Universitarios, 12(1), 353–372.
https://doi.org/10.17162/au.v12i1.974
Lalaleo Analuisa, F., & Martínez Yacelga, A. (2022). Estrategias empresariales en el contexto de
las medianas empresas manufactureras. Una búsqueda especializada de literatura. Killkana Social,
6(Especial), 41–54. https://doi.org/10.26871/killkanasocial.v6i4.1194
Lalaleo Analuisa, F. R. (2023). Relación de las tecnologías de la industria 4.0 en el desarrollo
empresarial. Una revisión de literatura. Vivat Academia, 156, 271–287.
https://doi.org/10.15178/va.2023.156.e1473
Lainjo, B., & Tmouche, H. (2023). The Impact of Artificial Intelligence On Higher Learning
Institutions. International Journal of Education, Teaching, and Social Science, 3(2), 96–113.
Nwadinachi Akinwalere, S., & Ivanov, V. (2022). Artificial Intelligence in Higher Education:
Challenges and Opportunities. Border Crossing, 12(1), 1–15. https://doi.org/10.33182/bc.v12i1.2015
Espíritu Emprendedor TES 2024, Vol 8, No. 1 enero a marzo 97-110
Artículo Científico
Indexada Latindex Catálogo 2.0
ISSN 2602-8093
DOI: 10.33970/eetes.v8.n1.2024.377
110
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista Trimestral del Instituto Superior Universitario Espíritu Santo
Obregón González, L. A., Onofre Baren, C. Y., & Pareja Zapata, E. J. (2023). El impacto de la
inteligencia artificial en el ámbito educativo. 8(3), 342–354. https://doi.org/10.23857/fipcaec.v8i3
Renz, A., & Hilbig, R. (2020). Prerequisites for artificial intelligence in further education:
identification of drivers, barriers, and business models of educational technology companies.
International Journal of Educational Technology in Higher Education, 17(1).
https://doi.org/10.1186/s41239-020-00193-3
Shah, H., Jayabalan, B., & Mery, A. (2023). The utilization of artificail intelligence in life science
research and healthcare delivery. Salud, Ciencia y Tecnología, 3, 450–461.
https://doi.org/10.56294/saludcyt2023450
Suazo Galdames, I. (2023). Inteligencia artificial en investigación científica. SciComm Report,
1(1), 1–3. https://doi.org/10.32457/scr.v3i1.2149
Zheng, H., & Zhan, H. (2023). ChatGPT in Scientific Writing: A Cautionary Tale. In American
Journal of Medicine (Vol. 136, Issue 8, pp. 725-726.e6). Elsevier Inc.
https://doi.org/10.1016/j.amjmed.2023.02.011