La IAG en la Educación Superior

La Inteligencia Artificial Generativa (IAG), simbolizada por herramientas de lenguaje avanzado como ChatGPT y Gemini, ha reconfigurado el ecosistema de la educación superior, marcando un punto de inflexión en los procesos de enseñanza, aprendizaje y evaluación. Esta tecnología, capaz de generar contenido textual, visual y audiovisual con rapidez, ha obligado a la comunidad universitaria a repensar la organización del conocimiento y a transformar los enfoques pedagógicos tradicionales. La relevancia de este fenómeno radica en la urgencia de considerar detenidamente el papel que la IAG desempeña en la vida universitaria, reconociendo su potencial transformador y los dilemas éticos que plantea.

La IAG se define como un modelo de lenguaje avanzado (LLM) que produce contenido en respuesta a solicitudes en lenguaje natural, operando en base a probabilidades. Esta característica esencial implica que, si bien la IAG genera respuestas coherentes, estas pueden contener errores o información inexacta, exigiendo al usuario la verificación de la información.

El propósito del presente análisis documental es integrar los hallazgos de múltiples investigaciones recientes sobre el uso y la percepción de la IAG en la educación superior. Se busca sintetizar y contrastar los enfoques metodológicos, las coincidencias y diferencias entre las investigaciones, identificar las tendencias predominantes, los vacíos de investigación persistentes y los aportes más relevantes para la práctica educativa.

La literatura reciente sobre la IAG en el ámbito universitario se caracteriza por una diversidad de enfoques metodológicos que buscan capturar el impacto multifacético de esta tecnología en estudiantes, docentes e instituciones.

Los estudios analizados emplearon predominantemente metodologías cuantitativas y mixtas, con diseños exploratorios, descriptivos y cuasi experimentales. Por ejemplo, se aplicaron encuestas a grandes muestras de estudiantes, como la realizada a 1,187 alumnos en Chihuahua, México, o a 127 estudiantes de pregrado en Guadalajara. En el ámbito docente, se aplicaron encuestas a 122 profesores universitarios bajo un enfoque cuantitativo y descriptivo para evaluar la incorporación de la IAG en su práctica diaria.

El diseño cuasi experimental con pretest y postest fue utilizado para medir el impacto directo de la capacitación en los estudiantes, como se observó en el estudio con 236 ingresantes de una facultad de ingeniería en Perú. Complementariamente, se emplearon enfoques cualitativos, como el estudio de caso, que se basó en entrevistas a docentes y estudiantes para obtener percepciones profundas sobre su influencia en la construcción del conocimiento.

Una coincidencia metodológica importante fue el uso de coeficientes de correlación (como el coeficiente de Pearson) en estudios cuantitativos para establecer relaciones claras, demostrando la influencia directa de la capacitación previa en el dominio técnico y la confianza del docente para integrar estas herramientas ($r = 0.81$).

Existe un consenso abrumador en que la IAG ha sido adoptada de manera masiva por los estudiantes de educación superior. Investigaciones revelan que el 99% de los estudiantes utiliza la inteligencia artificial, con una frecuencia predominante de dos a tres veces por semana. Además, una mayoría de los participantes (78%) utiliza la IAG con frecuencia para tareas académicas.

ChatGPT se establece consistentemente como la herramienta de IAG más conocida y utilizada tanto por estudiantes (para uso personal y académico) como por docentes, seguida por Copilot y Gemini.

Los beneficios percibidos se centran en la eficiencia y la personalización del aprendizaje. Los estudiantes valoran:

La facilidad de acceso y el ahorro de tiempo (mencionado por el 75% en un estudio); La facilitación en la elaboración de tareas (coincidencia del 100% en una muestra) y en el estudio (87%); La capacidad de la IAG para proporcionar retroalimentación inmediata, un aprendizaje personalizado, y desglosar conceptos difíciles en explicaciones claras y la utilidad de la IAG como apoyo en tareas y trabajos escolares (87% de un grupo de pregrado).

Desde la perspectiva docente, facilita la planificación académica. Los profesores utilizan herramientas IAG para generar guiones de clase, diseñar materiales didácticos, verificar ejercicios complejos y elaborar rúbricas de evaluación, evidenciando una actitud crítica al analizar y adaptar la información antes de usarla en el aula.

DESAFÍOS, RIESGOS ÉTICOS Y BRECHAS DE IMPLEMENTACIÓN

A pesar de la alta adopción y los beneficios operativos, las investigaciones convergen en la identificación de desafíos críticos, principalmente en torno a la ética, la integridad académica y la fiabilidad de la información.

Integridad académica y dependencia cognitiva: La IAG plantea importantes desafíos como la aparición de nuevas formas de plagio y fraude académico que suplantan la autoría. Existe una preocupación generalizada entre docentes y estudiantes de que el uso no controlado debilite el pensamiento crítico y fomente la dependencia tecnológica. Un estudio reveló que el 52% de los estudiantes expresó preocupación sobre la originalidad de su trabajo y la posible dependencia tecnológica. De hecho, el 60% de los profesores encuestados consideró que el uso desregulado restringe la capacidad analítica de los estudiantes.

Fiabilidad de la información y transparencia: Uno de los principales problemas identificados es la información poco confiable, con fallas lógicas o de precisión, explicaciones complejas, y la ausencia de citas o referencias claras. Dado que los modelos operan por probabilidades, sus respuestas deben ser verificadas por el usuario.

Brechas Institucionales y regulatorias: Se destaca una brecha entre la innovación tecnológica y las políticas educativas. Los docentes expresan preocupación por la ausencia de lineamientos claros sobre la aplicación de la IAG, lo que genera una sensación de «caminar a ciegas». Casi ocho de cada diez profesionales creen que hace falta regulación. La mayoría de los estudiantes (90%) manifestó la necesidad de contar con un código de ética institucional para regular el uso responsable de estas tecnologías. Además, se constató que el acceso formal a aplicaciones de IA proporcionadas por las universidades es limitado (solo el 13.7% en una muestra).

Diferencias en percepción y uso:

Capacitación: Los estudios muestran una diferencia marcada entre la voluntad de uso y la competencia para usarla. El dominio técnico y la confianza para integrar la IA están directamente influenciados por la formación previa recibida.

Género: Se detectó una brecha de género en la experiencia de uso, donde los hombres reportan usar la IA por más tiempo que las mujeres, sugiriendo la necesidad de estrategias para fomentar un uso más equitativo.

Edad: La edad influye de forma moderada, con una ligera tendencia a que los docentes más jóvenes perciban con mayor entusiasmo el potencial innovador de la IA.

La tendencia central que emerge es la necesidad de un cambio pedagógico que abrace la IAG como facilitadora del aprendizaje, no como sustituto del intelecto humano. El valor pedagógico de la IAG reside en la conciencia y el criterio con que el docente decide usarla.

Vacíos de Investigación

Se requieren estudios longitudinales que permitan observar la evolución de los factores contextuales, psicológicos y sociales a largo plazo, ya que el campo de la IAG es sumamente dinámico.

Persiste la incertidumbre sobre la mejor forma de evaluar trabajos hechos con IAG (mencionado como desafío por los docentes).

Es necesario realizar investigaciones que profundicen en el impacto a largo plazo sobre la creatividad y el aprendizaje profundo de los estudiantes, más allá del uso funcional y superficial.

Se necesita examinar el uso de la IA entre los docentes para maximizar su potencial pedagógico y responder a la pregunta clave: ¿cómo integrar la IA en la planificación didáctica de manera transdisciplinaria?.

La Inteligencia Artificial Generativa se ha consolidado como un recurso irreversible y valioso en la educación superior, altamente adoptado por los estudiantes para optimizar tareas y acceder a información rápidamente. No obstante, el desafío fundamental para las instituciones reside en armonizar esta eficiencia tecnológica con la preservación de la integridad académica y el desarrollo del pensamiento crítico.

Los hallazgos confirman la hipótesis general de que el uso de la IAG como herramienta educativa mejora el aprendizaje de los estudiantes de pregrado, especialmente cuando es guiado y complementario a la enseñanza. La clave para una integración exitosa no reside en la herramienta per se, sino en la mediación consciente y crítica del docente, lo cual transforma la IAG de un potencial sustituto en un poderoso facilitador. La formación en habilidades específicas, como el diseño de prompts efectivos, demostró ser un factor crucial que mejoró las habilidades informacionales y la actitud positiva de los estudiantes.

La integración de la IAG no es solo un desafío técnico, sino una oportunidad para impulsar una profunda reflexión sobre la esencia de la educación universitaria, que debe reafirmar su compromiso con la ética, la autonomía intelectual y la formación integral de profesionales conscientes y críticos.

 

Referencias

Cárdenas Gándara, T. J., Cornejo Álvarez, J. F., & Frausto Loera, M. Á. (2025). Inteligencia artificial generativa en el contexto universitario: Un estudio de seguimiento sobre la percepción docente. Transdigital, 6(12), e484. https://doi.org/10.56162/transdigital484

Chávez Márquez, I. L., & De los Ríos Chávez, H. J. (2025). Uso personal y académico de inteligencia artificial en estudiantes universitarios: Estudio exploratorio. Apertura, 17(1), 54–69. https://doi.org/10.32870/Ap.v17n1.2604

Flores, E., Solís-Fonseca, J. P., Rosales Fernández, J. H., & Cuba Aguilar, C. R. (2025). Inteligencia artificial generativa en ingresantes a una universidad pública. Horizontes. Revista de Investigación en Ciencias de la Educación, 9(38), 1787–1806. https://doi.org/10.33996/revistahorizontes.v9i38.1017

Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: Una mirada desde la ética y la integridad académica. RELIEVE, 29(2), art. M5. https://doi.org/10.30827/relieve.v29i2.29134

Pech, S. J., & Prieto, M. E. (Eds.). (2025). Aprendizaje conectado. CIATA.org & Universidad de Castilla-La Mancha. https://doi.org/10.5281/zenodo.xxxxxxxx

Roque Rodríguez, E., & Roque Ramos, E. G. (2025). Uso de inteligencia artificial en estudiantes de pregrado: Aprendizaje basado en preguntas. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 15(30), e845. https://doi.org/10.23913/ride.v15i30.2310

Verdezoto Bayas, L. M., & Castro Castillo, G. J. (2025). Inteligencia artificial generativa aplicada a la educación superior. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 6(4), 3976–3989. https://doi.org/10.56712/latam.v6i4.4561