|
|
|
|
|
|
|
|
REVISTA EDUCACIÓN SUPERIOR Y SOCIEDAD 2025, Vol. 37 Nro. 2 (jul. - dic.), 22-27 https://doi.org/10.54674/ess.v37i2.1307 e-ISSN: 2610-7759
|
|
|
|
La inteligencia artificial generativa (IAGen) en la docencia e investigación: buenas prácticas, retos y prospectiva
Gabriela
Navarro Espíritu1 @
Verónica Luna de la Luz2 @
Rubén García-Sánchez3 @
Carlos Iván Moreno4 @
1. CETYS Universidad, Baja California, México
2. Universidad Autónoma Nacional de México, Ciudad de México, México
3y 4. Universidad de Guadalajara, Guadalajara, Jalisco, México
La docencia y la investigación son procesos que conllevan indagar y aprender, partiendo de la curiosidad y la duda, que requieren pensamiento crítico y detección de falacias, y que buscan responder a interrogantes para construir conocimiento utilizando diferentes recursos. En el escenario actual, la inteligencia artificial generativa (IAGen) se presenta como un espacio digital para cuestionar, responder y experimentar de manera cíclica. Al incorporarse como un recurso de acceso inmediato para toda la comunidad, esta herramienta reposiciona el paradigma de esa construcción. Como señala Estrada et al. (2026), puede pasar de ser un recurso técnico a un agente mediador que participa activamente en la producción de sentido, llegando incluso a moldear nuestra propia percepción.
Esto nos lleva a determinar de qué manera se pueden impulsar prácticas adecuadas que permitan superar los retos de la posible deuda cognitiva y se logren trazar escenarios futuros con mayor ganancia cognitiva buscando el uso de la IAGen para cocrear y no con una intención degenerativa del pensamiento.
Hablar de ganancia cognitiva implica entender que la interacción con la IAGen no se limita a usar una herramienta pasiva. Si la interacción está bien orientada, producirá desplazamientos en el pensamiento del usuario y pondrá sobre la mesa formulaciones inesperadas, contraejemplos y conexiones que obliguen a revisar, precisar o abandonar los supuestos anteriores. Es en estos momentos donde se da el conocimiento genuino, y donde la IAGen deja de ser un atajo de razonamiento para volverse un interlocutor capaz de activarlo en lugar de sustituirlo (Nasr et al., 2025).
Entendida así, la cocreación no consiste en delegar la tarea, sino en garantizar un ciclo iterativo de formulación de preguntas seguido de una lectura crítica, descarte y reformulación, cuya calidad ha de depender siempre del juicio de quien lo lleva a cabo y no del modelo (Ji et al., 2025). De aquí se deriva una consecuencia pedagógica concreta, y es que el proceso de evaluación formativa debe desplazarse del producto final al proceso documentado, de manera que la transparencia a la hora de utilizar la IAGen sea una competencia académica en sí misma, entendida como la capacidad de explicitar qué se ha preguntado, qué se ha rechazado, qué se ha transformado y por qué.
En este contexto, es de suma relevancia explorar y discutir las estrategias, elementos o principios mediante los cuales las instituciones de educación superior y los sistemas educativos han enfrentado el desafío de que la inteligencia humana conviva con la artificial, de forma consciente, ya que no es posible ignorar estas tecnologías en todos los ámbitos, particularmente en el educativo.
Es por ello, que este dossier temático, propone a la luz de las diversas posturas de Latinoamérica, España y Estados Unidos, reconocer a través de una mediación crítica (Estrada et al., 2026) cuáles son las prácticas y retos ligados al uso de IAGen en la enseñanza y el aprendizaje, la investigación, las políticas institucionales y los cambios organizacionales, con la intención de anticipar y visibilizar impactos y prospectivas, así como los aspectos éticos implicados.
Los artículos incluidos reflejan una notable diversidad metodológica, acorde con la complejidad y carácter emergente del estudio de la IAGen en educación superior. Entre las aproximaciones empleadas se encuentran estudios desde enfoques cualitativos, interpretativos y constructivistas, apoyados en técnicas como el análisis de contenido y las entrevistas semiestructuradas; el análisis documental de casos orientados a identificar tendencias, vacíos y marcos de interpretación; revisiones sistemáticas de literatura científica bajo el protocolo PRISMA. Así mismo, algunos trabajos de corte cuantitativo, descriptivos y transversales, como la aplicación de encuestas regionales. De igual manera, se presentan trabajos mixtos que destacan procedimientos de investigación-acción e investigaciones basadas en diseño.
Es así que al iniciar el recorrido por este número se encontrará la propuesta de Zaira Navarrete-Cazales, Juan Crescenciano Cruz-Victoria y Héctor M. Manzanilla-Granados respecto al impacto de IAGen en la investigación educativa, en su artículo «Autoría e integridad académica ante la inteligencia artificial generativa en educación superior» quienes nos invitan a fortalecer la educación ética digital, a través de desarrollar políticas institucionales que regulen el uso académico de la IA y garanticen el aprovechamiento equitativo de sus beneficios.
Para adentrarnos a los dilemas éticos, desafíos legales y ambientales en el uso de la IA, Abel Antonio Grijalva Verdugo, César Roberto Jiménez Ramírez, María Guadalupe Soto Decuir, Juan José Ramírez Gámez y Yéssica Sandybel Garduño Espinoza en su contribución titulada «Inteligencia artificial generativa en la docencia universitaria: percepciones, usos instrumentales y desafíos ético-pedagógicos», nos hablan de cómo la incorporación de la IA en la docencia universitaria demanda un proceso de alfabetización digital crítica que promueva la reflexión ética y la creatividad pedagógica, lo anterior con miras a favorecer una adopción incipiente que vaya más allá del uso instrumental para la creación de contenido.
A su vez, en esa misma línea temática, en su propuesta, Antonio Jiménez-Luque, Yihe Yang y Carla Penha-Vasconcelos nos comparten sus ideas sobre la «Inteligencia artificial y liderazgo posjerárquico en educación superior: responsabilidad, reflexión y aprendizaje ético y epistémico», en donde proponen una práctica de liderazgo centrada en la gestión responsable del conocimiento, en la que humanos e inteligencias artificiales cogobiernan los flujos de significado.
Desde la línea en relación con las políticas institucionales y los cambios organizacionales, Arianna Valentini nos comparte los resultados del «AI Adoption and Governance in Latin American and Caribbean Higher Education: Findings from a Regional Survey», donde se identifican una persistente brecha entre el sector público y el privado, así mismo, revelan una clara jerarquía en la adopción de la IA, en la docencia y el aprendizaje a la cabeza, seguidas de la investigación. Y confirman que las condiciones de gobernanza están muy rezagadas ya que sólo una cuarta parte de las instituciones encuestadas cuenta con una estrategia formal de IA.
Por su parte, María Cristina Kanobel nos comenta en su propuesta «Hacia una gobernanza responsable de la inteligencia artificial generativa en la educación superior» que la prohibición total del uso de IA o la adopción acrítica resultan insuficientes para garantizar integridad académica y el desarrollo de capacidades. Sugieren echar mano de la gobernanza adaptativa y la alfabetización crítica en IA en estudiantes y docentes.
Mientras tanto, Mario Alberto Benavides Lara, Víctor Jesús Rendón Cazales y Luz Gisela Macías Carrillo en «Políticas en inteligencia artificial generativa en tres universidades mexicanas y acciones federales. Desafíos y posibles caminos» establecen cómo se está viviendo una transición hacia la necesidad de generar modelos flexibles y colaborativos de diseño de políticas, que subvierten la secuencialidad tradicional del ciclo de política pública.
En la misma línea, Annette Insanally y Patrick Attié en su propuesta «Socio-institutional adaptation in the integration of generative AI across Caribbean higher Education» nos hablan de cómo la integración exitosa de la IA requiere una capacidad institucional mínima, una sólida gobernanza de datos, marcos regulatorios y éticos claros, ya que las universidades no son receptoras pasivas del cambio tecnológico, sino arquitectas activas de futuros digitales.
Por otro lado, respecto al impacto de la IAGen en el aprendizaje, Juan Carlos Castellanos Ramírez, Shamaly Alhelí Niño Carrasco y Yessica Espinosa Díaz en «Diagnóstico institucional sobre las percepciones de la IA generativa: diferencias entre estudiantes universitarios de diversas áreas del conocimiento» evidencian que las instituciones deben construir estrategias más focalizadas y encaminadas a reducir las brechas de acceso a la IAGen, transitar de marcos y criterios a crear protocolos y procedimientos para orientar los usos, promoviendo la apropiación de la misma como artefacto complementario o constitutivo del aprendizaje, pero no sustitutivo del desarrollo cognitivo.
Mientras tanto, Karla Karina Ruiz Mendoza y Rubi Surema Peniche Cetzal en su propuesta «El uso de ChatGPT para personalizar el aprendizaje en estudiantes universitarios: una revisión sistemática de la literatura con el modelo PRISMA» recomiendan una personalización con gobernanza: supervisión humana, lineamientos de transparencia e integridad, alfabetización en IAGen e infraestructura equitativa; en el aula, diseños centrados en retroalimentación, metas y secuencias adaptadas, activación de habilidades de orden superior y trazabilidad técnica.
Paralelamente, Mario Alberto Salazar-Altamirano, Orlando Josué Martínez-Arvizu, Rafael Ravina-Ripoll y Víctor Mercader en su apartado «Generative AI among university students in México: Usefulness, trust, creativity, and emotions in public and private institutions» respaldan parcialmente la idea de que las desigualdades estructurales influyen en la apropiación tecnológica. Asimismo, subrayan la importancia de fortalecer la infraestructura tecnológica y promover la alfabetización en IA para fomentar una integración más equitativa.
En contraste, Valeria Orellana Muggioli, Jorge Solar Guerra, Luis Guzmán Quezada y Juan Pablo Catalán Cueto en «Innovación educativa mediante IAGen: implementación de un chatbot para el fortalecimiento disciplinar en la docencia de pregrado de Enfermería» establecen que un chatbot de IA puede contribuir al aprendizaje autónomo y a la toma de decisiones en contextos reales, confirmando el potencial de la IAGen para promover una enseñanza activa y significativa en educación superior.
Respecto al impacto de la IAGen en la docencia, Jihan García-Poyato Falcón, Martín Alonso Mercado-Varela, Graciela Cordero Arroyo y Silvia Almaraz Núñez en su contribución «Formación del juicio profesional docente en la planeación didáctica con modelos personalizados de inteligencia artificial generativa» indican que la IAGen no sustituye el pensamiento pedagógico, sino que lo activa y lo pone a prueba. El juicio profesional se fortaleció al valorar con sentido crítico la pertinencia de las respuestas y al incorporar nuevos elementos para enriquecer la planeación.
En el mismo tenor, Idalia Salceda-Flores, Armando Lozano-Rodríguez, Ramona Imelda García-López y Emmanuel Contreras en «IA generativa como aliada en la docencia: diseño pedagógico para la educación en ingeniería» redefinen los roles, posicionando al profesor como un arquitecto del aprendizaje, a la IAGen de contenidos como su asistente de diseño pedagógico y al estudiante como un agente activo y autorregulado.
De igual manera, Abraham Enrique Mesa Berroa y Yamile Obdulia Haber Guerra en sus hallazgos del estudio «Impacto de la IA generativa en la docencia: una perspectiva desde la formación de periodistas en una universidad cubana» indican que una adopción generalizada de la IAGen por parte de los estudiantes sólo lo lleva a la optimización de tareas académicas, lo que favorece en contraste, la percepción de amenaza a la integridad académica y al desarrollo del pensamiento crítico desde la visión de los docentes.
Como alternativa a los planteamientos del artículo anterior, encontramos que Alberto Félix Lecaros Alvarado, Oscar Germán Espinoza Díaz, Tomas Pedro Thayer Morel y María Elizabeth Alvarado Chávez en «Implementación de la inteligencia artificial en la docencia de pregrado: percepción de vicerrectores académicos de universidades estatales chilenas» destacan y recomiendan que la IA debe emerger como un potencial "tercer sujeto" en las interacciones educativas, configurando el concepto de “inteligencia ampliada” que sugiere una reconfiguración radical de los procesos pedagógicos. Concluyen que se requieren respuestas sistémicas que aborden simultáneamente múltiples dimensiones, desde los marcos normativos hasta las transformaciones pedagógicas.
Para concluir, Zulay del Valle Calderón Carrero, en «La inteligencia artificial generativa en la docencia universitaria: una revisión de las transformaciones y retos», afirma que la IAGen está modificando significativamente la práctica docente, promoviendo la personalización del aprendizaje, la automatización de tareas y la generación de contenidos adaptativos. Sin embargo, también emergen preocupaciones sobre la deshumanización del vínculo educativo, la transparencia algorítmica, la equidad en el acceso y los sesgos epistémicos.
Los hallazgos presentados en estos trabajos contribuyen a reafirmar prospectivamente que deberíamos atender los retos y la toma de decisiones desde el aprendizaje que denote el recolectar y gestionar centralizadamente los datos, y que posiblemente nos llevaría a definir los posibles pendientes o prioridades críticas que cada institución podría tener en término de IAGen.
Como punto de partida, es necesario generar “estrategias institucionales y normativas” que establezcan guías claras y consideraciones éticas para asegurar un uso responsable, ya que la falta de criterios genera desconfianza, estrés académico y conflictos entre docentes y estudiantes (Bikanga Ada, 2024). En consecuencia, se debe involucrar a docentes y estudiantes en la creación de políticas de integridad académica (Almassaad et al., 2024; Lund et al., 2025; Petricini et al., 2025), buscando implementar marcos no prohibicionistas (dada su ineficacia) y definir claramente qué usos son aceptables por disciplina (Tierney et al., 2025) o por dimensiones: pedagógica, operativa y de gobernanza (Chan & Hu, 2023).
A partir de ello, resulta imprescindible promover la “alfabetización para docentes, estudiantes y puestos de liderazgo” mediante formación interdisciplinaria que cierre la brecha entre el uso empírico de la IAGen y el conocimiento técnico-ético. Es decir, fomentar el juicio crítico necesario para evaluar la veracidad de los contenidos generados (Carranza et al., 2024; Prosen & Ličen, 2025).
De manera complementaria, es preciso proceder al “rediseño de la docencia y del aprendizaje”, priorizando enfoques en los que el proceso de aprendizaje sea lo más relevante en lugar de la producción de un producto (Nelson et al., 2025). En estos enfoques, la IAGen puede fungir como andamiaje inteligente —un tutor o compañero de estudio— que apoye y enriquezca el aprendizaje (McLaughlin et al., 2025).
Finalmente, estas acciones deben sustentarse y articularse mediante mecanismos robustos de “investigación, ética y equidad”.
En definitiva, en este escenario quizá una de las preguntas más relevantes no sea únicamente qué tan eficaces son estas herramientas, sino hacia dónde decidimos dirigir nuestra atención: ¿al resultado inmediato o al valor formativo del proceso?, ¿a la automatización de respuestas o al fortalecimiento del pensamiento crítico, la reflexión y la experiencia humana del aprendizaje? El horizonte deberá entonces estar dirigido hacia que la tecnología amplíe la agencia humana sin llegar a automatizar el pensamiento crítico (Estrada et al., 2026).
Referencias
Almassaad, A., Alajlan, H., & Alebaikan, R. (2024). Student Perceptions of Generative Artificial Intelligence: Investigating Utilization, Benefits, and Challenges in Higher Education. Systems. 12 (10), Article 385. https://doi.org/10.3390/systems12100385
Bikanga Ada, M. (2024). It Helps with Crap Lecturers and Their Low Effort: Investigating Computer Science Students’ Perceptions of Using ChatGPT for Learning. Education Sciences, 14(10), Article 1106. https://doi.org/10.3390/educsci14101106
Carranza, M. del R., Macías, G. G., Gómez, H., Jiménez, A. A. y Jacobo, F. M. (2024). Percepciones docentes sobre la integración de aplicaciones de IA generativa en el proceso de enseñanza universitario. REDU. Revista De Docencia Universitaria, 22(2), 158–176. https://doi.org/10.4995/redu.2024.22027
Chan, C. K. Y., & Hu, W. (2023). Students’ Voices on Generative AI: Perceptions, Benefits, and Challenges in Higher Education. International Journal of Educational Technology in Higher Education, 20(43). https://doi.org/10.1186/s41239-023-00411-8
Estrada, O.; Rincón-Flores, E. G. y Mena, J. (2026). Inteligencia artificial y comunicación: mediación crítica y educomunicativa. index.comunicación, 16(1), 13-36. https://doi.org/10.62008/ixc/16/01Artifi
Ji, Y., Zhan, Z., Li, T., Zou, X., & Lyu, S. (2025). Human–machine cocreation: The effects of ChatGPT on students' learning performance, AI awareness, critical thinking, and cognitive load in a STEM course toward entrepreneurship. IEEE Transactions on Learning Technologies, 18, 402–415. https://doi.org/10.1109/TLT.2025.3554584
Lund, B. D., Lee, T. H., Mannuru, N. R., & Arutla, N. (2025). AI and Academic Integrity: Exploring Student Perceptions and Implications for Higher Education. Journal of Academic Ethics, 23, 1545-1565. https://doi.org/10.1007/s10805-025-09613-3
McLaughlin, J.E., Ponte, C.D. & Lyons, K. (2025). Student perceptions of GenAI as a virtual tutor to support collaborative research training for health professionals. BMC Med Educ, 25, Article 895. https://doi.org/10.1186/s12909-025-07390-6
Nasr, N. R., Tu, C.-H., Werner, J., Bauer, T., Yen, C.-J., & Sujo-Montes, L. (2025). Exploring the impact of generative AI ChatGPT on critical thinking in higher education: Passive AI-directed use or human–AI supported collaboration? Education Sciences, 15(9), Article 1198. https://doi.org/10.3390/educsci15091198
Nelson, A. S., Santamaría, P. V., Javens, J. S., & Ricaurte, M. (2025). Students’ Perceptions of Generative Artificial Intelligence (GenAI) Use in Academic Writing in English as a Foreign Language. Education Sciences, 15(5), Article 611. https://doi.org/10.3390/educsci15050611
Petricini, T., Zipf, S. & Wu, C. (2025) RESEARCH-AI: Communicating academic honesty: teacher messages and student perceptions about generative AI. Front. Commun., 10, Article 1544430. https://doi.org/10.3389/fcomm.2025.1544430
Prosen, M., & Ličen, S. (2025). Perceptions, Ethical Challenges, and Sustainable Integration of Generative AI in Health Science Education: A Cross-Sectional Study. Sustainability, 17(14), Article 6546. https://doi.org/10.3390/su17146546
Tierney, A., Peasey, P. & Gould, J. (2025). Student perceptions on the impact of AI on their teaching and learning experiences in higher education. Research and Practice in Technology Enhanced Learning, 20, 005. https://doi.org/10.58459/rptel.2025.20005
Cómo citar (APA):
Navarro Espíritu, G., Luna de la Luz, V., García-Sánchez, R. y Moreno, C.I. (2025). La inteligencia artificial generativa (IAGen) en la docencia e investigación: buenas prácticas, retos y prospectiva. Revista Educación Superior y Sociedad (ESS), 37(2), 22-27. DOI: 10.54674/ess.v37i2.1307