Espanhol (pdf)
Artigo em XML
Referências do artigo
Tradução automática
Enviar este artigo por email
Citado por SciELO 
Similares em
SciELO 
Permalink
Introducción
El desarrollo de habilidades para la redacción científica entre los estudiantes universitarios constituye uno de los principales elementos que condicionan su desarrollo académico y futuro desempeño profesional (McRell et al., 2021; Navarro et al., 2021). En este sentido, la redacción de artículos científicos de revisión como estrategia pedagógica, permite adquirir y perfeccionar habilidades académicas para el análisis crítico, síntesis de información y argumentación fundamentada (Halawa et al., 2020; Scheifele et al., 2021).
De acuerdo a Dhillon (2022), Kunisch et al. (2022) y Paul & Criado (2020) los artículos de revisión tienen la particularidad de ofrecer una visión general y crítica sobre una temática específica a partir del análisis del contenido científico producido. Según estos autores, realizar este tipo de investigaciones conlleva que los estudiantes sean capaces de adquirir una comprensión profunda del tema en cuestión, y contextualizar y evaluar críticamente las contribuciones en el campo.
Paralelamente, la novedad y pertinencia de las herramientas académicas basadas en inteligencia artificial (IA) refleja una fortaleza invaluable para el proceso de escritura científica (Cardeño-Portela et al., 2023; Dergaa et al., 2023). Como se observa en Giglio & Costa (2023) y López-González (2023), al integrar esta tecnología en la escritura de artículos científicos se puede agilizar el proceso de escritura, al mismo tiempo que aumentan las capacidades de los estudiantes para el análisis de información y generación de contenido.
El vació en la literatura se refleja en que la relación entre el empleo de IA y la mejora de las habilidades de escritura científica a través de artículos de revisión aún no se ha abordado plenamente en la comunidad científica contemporánea. Razón por la cual, el propósito de este artículo es explorar el impacto de la redacción de artículos de revisión como estrategia para fortalecer las habilidades investigativas en estudiantes universitarios desde una mirada del uso de la inteligencia artificial.
Metodología
Se empleó un diseño mixto de investigación que combinó las bondades de un estudio de revisión bibliométrica y un estudio de análisis temático cualitativo de acuerdo a las especificaciones de Sánchez Castillo et al. (2024). Este tipo de investigaciones permiten abordar de forma más rigurosa y exhaustiva las principales tendencias de investigación sobre el tema en cuestión (Mwita, 2022). Para dar cumplimiento a objetivos de la investigación, el análisis de resultados se estructuró en dos etapas.
Etapa 1: Análisis bibliométrico
Se llevó a cabo una búsqueda de información científica en Scopus mediante la formula (TITLE-ABS-KEY("literature review" OR "review article") AND TITLE-ABS-KEY("research skills" OR "investigative skills" OR "research abilities") AND TITLE-ABS-KEY("university students" OR "college students") AND TITLE-ABS-KEY("AI" OR "Artificial Intelligence" OR "machine learning")) AND PUBYEAR > 2018 AND PUBYEAR < 2024. Esta búsqueda arrojó un total de 679 artículos que se ajustaban a los filtros y palabras claves empleadas.
Para el análisis bibliométrico, los autores de la presente investigación emplearon los softwares Bibliometrix y VOSviewer. Mediante estas herramientas fue posible realizar estadísticos de año de publicación, áreas temáticas destacadas, red de co-ocurrencia de palabras claves, análisis de superposición y la delimitación de los clústeres de principales líneas de investigación. También se empleó un análisis de contenido temático que favoreció la identificación de unidades de contenido que se profundizaron en la etapa 2 de la investigación.
Etapa 2: Análisis temático cualitativo
Para el análisis temático cualitativo se seleccionaron las 50 investigaciones más destacadas en la temática que se estudió. Para la inclusión y selección de estos textos se llevó a cabo una lectura detallada y codificación manual de los textos.
Los criterios inclusión y exclusión tuvieron que ver con cuestiones metodológicas, resultados principales, aplicaciones teórico-prácticas y cuestiones éticas reportadas. Además, se realizó un análisis en profundidad de las posturas teóricas y consideraciones de los autores más prominentes. El enfoque de análisis de contenido fue el empleado para la codificación de la información, debido a esto, se utilizaron categorías y subcategorías para facilitar una síntesis profunda de los resultados. Finalmente, fueron identificadas tres unidades de análisis que se desarrollaron en profundidad en el acápite siguiente.
Resultados
La muestra estuvo conformada por 679 documentos que abarcaron el rango seleccionado de 2019 a 2023. Con un inicio modesto en 2019 con solo 56 artículos, esta línea de investigación ha ido ganando relevancia a lo largo de los años. Especialmente en los años 2022 y 2023 se observó un aumento sustancial de las investigaciones sobre la temática, como se observa en la figura 1.
Nota: a partir de datos proporcionados por Scopus
Figura 1 Producción anual de documentos relacionados con la temática y métricas de citación
En tal sentido, el análisis de la evolución del campo y la relación entre documentos publicados y citas expuso que mientras los primeros mostraron un crecimiento progresivo, la segundas alcanzaron un crecimiento exponencial. Evidencia de ello es que de 2022 a 2023, las citas recibidas aumentan de 1,230 a 3,639, un crecimiento del 195.6%. En contraste, los documentos publicados pasan de 128 a 362, un crecimiento del 182.8%, pero con un impacto menor en comparación con las citas, lo que indica que los artículos son significativamente visibles y han sido examinados desde otros campos. Este hallazgo se reflejó en el análisis del indicador de impacto por documento publicado, pues en 2020 (51d/221c) el promedio fue de 4.33 citas/documento, mientras que en 2023 (362d/3,639c), el promedio ascendió a aproximadamente 10.05 citas/documento.
El análisis por campo de estudio de los artículos seleccionados para esta investigación indica una tendencia en la literatura actual hacia el trabajo multidisciplinar entre los autores. Lidera el análisis, con el 21.2% de los trabajos, el campo de las Ciencias Sociales; seguido de las Ciencias Computacionales con el 18.9%. Para un análisis detallado por áreas de estudio, se puede consultar el gráfico circular presentado en la figura 2.
El análisis de co-ocurrencia de palabras claves destaca la interrelación entre los conceptos relacionados con la elaboración y escritura de artículos de investigación, el rol humano en el desarrollo de investigaciones y el papel de la inteligencia artificial en la escritura de artículos científicos. Para profundizar las vertientes de coocurrencia de todas las palabras claves identificadas, consultar la figura 3.
En vistas a profundizar en la evolución temporal de las principales categorías en estudio, se realizó un análisis de superposición mediante el software VOSviewer (figura 4). Se pudo observar que la tendencia emergente más importante fue el uso de ChatGPT, no conectado en términos temporales con la realización de cálculos, la integridad académica, el desarrollo de chatbots como auxiliares de investigación y otros modelos largos de lenguaje. Entre las líneas consolidadas destacaron la asistencia en análisis bibliométricos, el machine learning, el procesamiento de datos extraídos de las redes sociales, los procedimientos de escritura asistidos por IA y los estudios sobre la covid-19.
A partir del análisis de co-ocurrencia y el análisis de la evolución de las palabras clave, se realizó un estudio por clústeres para observar las principales líneas temáticas entorno a estos datos, se observa la presencia de tres grupos (ver Tabla 1). Estos resultados se alinean con el objetivo general de la investigación y destacan desde diversas aristas el potencial de la inteligencia artificial para el desarrollo de investigaciones de revisión.
Tabla 1 Análisis por clúster para la identificación de líneas temáticas
| Línea temática | Clústeres | Confiabilidad |
|---|---|---|
| Desarrollo de habilidades investigativas para la redacción de artículos de revisión con apoyo de inteligencia artificial. |
|
|
| El empleo de herramientas académicas basadas en inteligencia artificial para el desarrollo de estudios bibliométricos. |
|
|
| Escritura y adaptación lingüística de investigaciones con apoyo de inteligencia artificial |
|
|
Nota: elaborado a partir de Bibliometrix
En función de estos datos, se elaboraron unidades de contenido para la realización del análisis tendencial. Este análisis tuvo como como propósito profundizar cada una de estas líneas temáticas para ofrecer a la comunidad científica una mejor comprensión del papel de la inteligencia artificial para el desarrollo de habilidades investigativas a través de la realización de estudios de revisión.
Desarrollo de habilidades investigativas para la redacción de artículos de revisión con apoyo de IA
Esta tendencia emerge con auge en la literatura científica actual, como se respalda en los datos bibliométricos presentados anteriormente. En este sentido, Nazari et al. (2021), Prahani et al. (2022) y Zawacki-Richter et al. (2019) coinciden en la importancia de la integración de la IA como herramienta de apoyo para la escritura de artículos de revisión, especialmente como motor impulsor en el desarrollo de habilidades investigativas en universitarios.
La comunidad científica enfatiza en que el desarrollo de habilidades de investigación es un eje central en la formación del estudiante universitario. Se ha observado que los programas de entrenamiento en estas habilidades se asocian con una mejor capacidad crítica, analítica y de síntesis en los estudiantes. Estas habilidades también probaron facilitar la adquisición de conocimientos y su producción de manera rigurosa (Hughes, 2019; George-Reyes et al., 2023; Vieno et al., 2022).
En cuanto a la integración de la IA en el proceso de redacción de artículos de revisión se observaron notables. Los autores más prominentes (por ejemplo, Blaizot et al., 2022; Roman-Acosta et al., 2024; Wagner et al., 2021) coinciden en que los sistemas de inteligencia artificial facilitan la búsqueda de información científica, la selección de fuentes de información y la detección de vacíos en la literatura.
A pesar de estos beneficios, una preocupación reiterada en las investigaciones que abordan esta problemática es referente a los desafíos éticos del uso de inteligencia artificial como bien la señala Carobene et al. (2023). En este sentido, este autor argumenta que, aunque la inteligencia artificial puede agilizar y mejorar la calidad del proceso de escritura científica es importante no dejar de lado los aspectos relacionados con la ética e integridad académica.
Empleo de IA para el desarrollo de estudios bibliométricos
Los análisis bibliométricos son métodos positivistas de análisis de información basados en cálculos estadísticos y estimaciones predictivas de la literatura consultada. Las herramientas bibliométricas, por tanto, perfeccionan la forma en que se evalúan y comprenden los patrones de producción científica. A partir de esto, varias investigaciones destacan que su aporte va más allá de la recopilación de datos a gran escala, sino que desde la propia postura positivista facilitan una mayor comprensión y objetividad en la interpretación de resultados (Chen et al., 2023; Ledesma & Malave-González, 2022; Lima & Bonetti, 2020).
A partir de lo cual, los algoritmos de aprendizaje automático y procesamiento del lenguaje natural, elementos clave de la IA de acuerdo a Liu et al. (2021), ofrecen ventajas sustanciales para la realización de bibliometrías. Por ejemplo, la capacidad de identificación de patrones sutiles muchas veces no evidentes para el ojo humano (Jia et al., 2022) y los análisis de redes complejas y predicción de tendencias futuras para la visualización de datos de forma comprensible (Han et al., 2021).
Si bien estos beneficios indican el potencial de la IA para el desarrollo de bibliometrías, no se puede dejar de mencionar la importancia de tomar en cuenta las consideraciones éticas y limitaciones asociadas al empleo de la IA en la realización de estudios bibliométricos. En este sentido, se destaca la necesidad de validación y supervisión humana para garantizar la fiabilidad de los análisis realizados y evitar una interpretación sesgada de los resultados como lo remarcaron Pérez Gamboa & Díaz-Guerra (2023) y Zhang et al. (2021).
Escritura y adaptación lingüística de investigaciones con IA
No cabe duda de que la integración de herramientas basadas en IA facilita la escritura de textos científicos. Complementario a esto, se destaca la tendencia de la evaluación de la calidad lingüística y coherencia de las investigaciones que empleen estas herramientas.
En este sentido, como bien recalca Hernández-Lugo (2024) en el contexto de las Ciencias Sociales, la escritura científica no implica solo la transmisión de ideas y resultados, también abarca su correcta expresión y coherencia en la redacción. Partiendo de este punto, no son pocas las investigaciones que han demostrado que las herramientas basadas en IA ofrecen una ayuda sustancial en la redacción asistida. Esto es posible a debido a su capacidad de sugerir estructuras de texto, corregir errores lingüísticos y mejorar la fluidez del contenido expresado (Hernández-Lugo, 2024; Noy & Zhang, 2023; Zhao, 2022).
Otro aspecto crucial en términos de aplicaciones lingüísticas de la IA es la necesidad incuestionable de alcanzar una audiencia global y culturalmente diversa en la comunidad científica. En este escenario, las herramientas basadas en IA evidencian facilitar la traducción automática de textos a diferentes idiomas, estilos y terminologías (Semrl et al., 2023; Wang et al., 2023).
Sin embargo, como bien se señala en las otras unidades de contenido, no se puede omitir la importancia de la supervisión humana para garantizar la coherencia y relevancia del contenido generado (Cañas, 2022). Otro aspecto importante que se ha visto reflejado en la literatura es la necesidad de transparencia en el uso de tecnologías automatizadas en la producción científica (Zapata Muriel et al., 2024). Esto, en opinión de los autores, puede lograrse a través de la normalización del uso de inteligencia artificial en la redacción científica, siembre que se garantice que existió una supervisión humana y que el contenido generado se ajusta temática y lingüísticamente al fenómeno estudiado.
Discusión
Esta investigación destaca el uso y potencial de la IA en la escritura científica y su impacto en el fortalecimiento de habilidades de investigación en la educación superior. Los autores de esta investigación destacan que el empleo de IA representa una ventaja significativa en relación al desarrollo de habilidades investigativas mediante la escritura de artículos de revisión. Una discusión más detallada de los principales resultados, se observa en los párrafos colindantes.
Se ha comprobado sistemáticamente por Chen et al. (2020) y Santiago et al. (2023) que la asistencia que proporciona la IA en la escritura de investigaciones facilita el proceso de escritura, precisión y eficiencia en la producción de artículos de revisión. Asimismo, el uso de IA para la escritura académica promueve autonomía en los estudiantes mediante el ofrecimiento de recursos para mejorar sus habilidades investigativas y crítico (Dai et al., 2023; Rusandi et al., 2023; Utami et al., 2023).
En el ámbito de la bibliometría, como adecuadamente señalan Shaikth et al. (2023) y Thayyib et al. (2023), la aplicación de utilidades académicas basadas en IA tiene un impacto significativo en el análisis de grandes volúmenes de datos de manera eficiente y precisa. Asimismo, Akhmadieva et al. (2023) y Shi & Li (2019) enfatizan en que otro de sus principales aportes es su capacidad para identificar tendencias en la producción científica, así como el análisis predictivo de futuras tendencias de investigación.
La tendencia hacia la escritura y adaptación lingüística de artículos de revisión con IA demostró una mejora en la calidad lingüística de los textos. Varios autores (por ejemplo, Belinkov et al., 2019; Feng et al., 2022; Zhang & Tang, 2022) enfatizan en que una de sus principales ventajas es la facilidad de traducción automática a diferentes idiomas y la adaptación del contenido para audiencias específicas.
En definitiva, estos hallazgos comprueban lo que plantean los autores desde el objetivo de la investigación, la integración de la inteligencia artificial en la investigación académica conlleva a un avance significativo en el fortalecimiento de habilidades investigativas. Aun así, no puede dejar de mencionarse que la adopción responsable y ética de la IA fue una preocupación compartida en la comunidad científica (Shaikh et al., 2023). Es en opinión de los autores que solo de esta forma se logrará transformar el panorama académico y potenciar el desarrollo de habilidades para la escritura académica de alta calidad sin perder de vista el rol y la relevancia humana en el proceso.
Conclusiones
Esta investigación se propuso explorar cuál es el impacto de la redacción de artículos de revisión como estrategia para fortalecer las habilidades investigativas en estudiantes universitarios desde una mirada del uso de la inteligencia artificial. En este sentido, este acápite se estructura en función de los resultados principales y tiene como propósito elaborar una síntesis de los principales hallazgos de este estudio.
En primer lugar, es evidente el crecimiento sustancial de investigaciones destinadas a explorar las ventajas y aplicaciones prácticas de la IA en el proceso de escritura científica, especialmente en la elaboración de artículos de revisión. Que el 21.2% de las investigaciones se centre en el ámbito de las Ciencias Sociales no parece ser aleatorio, ya que históricamente esta área de estudio se ha encargado de desentrañar las intersecciones entre el humano como sujeto y la sociedad como contexto. En este sentido, la necesidad de desarrollo de habilidades investigativa en estudiantes universitarios con apoyo de IA representa una vía de acción social para una comunidad académica en transformación en función de las nuevas tecnologías que emergen a diario.
Se pudo identificar tres unidades de análisis en este estudio, cada una de ellas destinadas a dilucidar de forma exhaustiva los principales aportes que la revisión teórica arrojó. Los autores de esta investigación consideran que al abordar cada una de estas unidades de forma detallada se pudo ofrecer un panorama abarcador de los principales entramados teóricos y metodológicos que subyacen el estudio de la IA como herramienta para la mejora de la escritura científica en estudiantes de pregrado.
Particularmente, su capacidad de desarrollar habilidades en la escritura de artículos de revisión indica la necesidad de que la Educación Superior implemente estas estrategias de forma institucionalizada para obtener una comunidad universitaria con mejores capacidades investigativas. En términos de tipología de artículos de revisión, la bibliometría parece ser el enfoque más empleado producto del paradigma positivista que prima en la comunidad científica, en este sentido la capacidad de la IA para identificar patrones entre la literatura fue notable. Otro aspecto esencial de la IA lo constituyen las facilidades que ofrecen para la adaptación lingüística, lo que acerca a la comunidad científica a una mejor interacción sin importar el origen lingüístico de los investigadores.
En conjunto, estos datos reflejan el potencial prometedor de la IA como un motor impulsor para el desarrollo de habilidades en la escritura científica, especialmente en artículos de revisión con enfoque bibliométrico. En vistas a futuras investigaciones, se recomienda la implementación de estudios mixtos de tipo longitudinal, el estudio de la colaboración entre IA y equipos de investigación en la redacción de artículos, el abordaje profundo de las implicaciones éticas en las políticas institucionales-locales, así como la valoración de los productos por parte de editores profesionales. Además, se sugiere el desarrollo estudios cienciométricos más avanzados para identificar a los principales autores y sus contribuciones, las revistas más relevantes, así como las redes de colaboración establecidas en el campo.
No obstante, es preciso señalar las limitaciones del estudio, connotadas por la muestra pequeña de documentos analizados, hecho que se relaciona con factores como el tamaño del campo y su relativa emergencia en términos de estructura de conocimientos. Estas características demandaron una estrategia de búsqueda que combinó diversos términos, lo que pudo haber generado distorsiones.
