Vol. 2 / 2026
Inteligencia artificial como herramienta de apoyo
a la investigación universitaria: percepción
y prácticas en estudiantes
Artificial intelligence as a tool to support university research:
perceptions and practices among students
Recibido: 25/07/2025 - Aprobado: 9/12/2025
Joanna Beatriz Perozo Mosello
https://orcid.org/0000-0001-5030-7076
joaperozo21@mail.com
Universidad Nacional Experimental Rafael María Baralt
Cabimas, Venezuela
Henry Alberto Rodríguez Urdaneta
https://orcid.org/0000-0001-7030-4753
henryalbertorodriguez@gmail.com
Universidad Nacional Experimental Rafael María Baralt
Cabimas, Venezuela
Resumen
Los avances tecnológicos han posicionado a la inteligencia artificial (IA) como una herramienta estratégica en la
investigación global, al reducir tiempos, facilitar la revisión bibliográfica, generar hipótesis y analizar datos
complejos. Este estudio explora su uso como apoyo en la investigación de estudiantes universitarios,
fundamentado en los postulados de Kroff et al. (2024) y Gutiérrez-Castillo et al. (2025), quienes destacan su
potencial transformador en contextos educativos emergentes. Metodológicamente, se trata de una investigación
cuantitativa, exploratoria, de campo, no experimental y transversal. La muestra intencional incluyó estudiantes de
universidades públicas zulianas (LUZ, UNERMB, UBV), con aplicación de instrumentos estandarizados para
capturar percepciones y prácticas. Los resultados revelan patrones claros: predomina el uso de IA en tareas
generales como búsqueda informativa y redacción (85% de la muestra), mientras se evita o desaprueba en
procesamiento y gestión de datos avanzados (solo 22%). Esta subutilización limita su potencial en etapas de mayor
precisión, posiblemente por desconocimiento de aplicaciones avanzadas, falta de formación ética y temores a
plagio o sesgos algorítmicos. Se concluye que los estudiantes zulianos restringen la IA a funciones primarias, lo
que obstaculiza su rol como aliada investigativa integral. Esto evidencia la necesidad de programas formativos que
promuevan un uso ético, responsable y avanzado, integrando competencias digitales en los planes curriculares
universitarios para potenciar la investigación en contextos venezolanos.
Palabras clave: estudiantes, inteligencia artificial, investigación.
Abstract
Technological advancements have positioned artificial intelligence (AI) as a strategic tool in global research,
reducing time, facilitating literature reviews, generating hypotheses, and analyzing complex data. This study
explores its use as a research support tool for university students, based on the postulates of Kroff et al. (2024) and
Gutiérrez-Castillo et al. (2025), who highlight its transformative potential in emerging educational contexts.
Methodologically, this is a quantitative, exploratory, field-based, non-experimental, and cross-sectional study. The
purposive sample included students from public universities in Zulia state (LUZ, UNERMB, UBV), using
standardized instruments to capture perceptions and practices. The results reveal clear patterns: AI use
predominates in general tasks such as information retrieval and writing (85% of the sample), while its use is avoided
or disapproved of in advanced data processing and management (only 22%). This underutilization limits its potential
in more precise stages, possibly due to a lack of awareness of advanced applications, insufficient ethical training,
Perozo Mosello, J. B., & Rodríguez Urdaneta, H. A. (2026). Inteligencia artificial como herramienta de apoyo a la investigación
universitaria: percepción y prácticas en estudiantes, Human Network Journal, 2, 1-9. https://zenodo.org/records/17932220
2
and fears of plagiarism or algorithmic bias. It is concluded that students in Zulia restrict AI to basic functions,
hindering its role as a comprehensive research ally. This highlights the need for training programs that promote
ethical, responsible, and advanced use, integrating digital competencies into university curricula to enhance
research in Venezuelan contexts.
Keywords: students, artificial intelligence, research.
Introducción
La inteligencia artificial (IA) ha dejado atrás su aura de ciencia ficción para convertirse en una realidad que
transforma campos como la investigación académica. Para estudiantes universitarios —especialmente en
contextos como el venezolano, con recursos limitados—, se erige como herramienta poderosa de apoyo: optimiza
etapas clave desde la revisión bibliográfica hasta el análisis de datos complejos.
No obstante, esta tecnología no debe suplantar el pensamiento crítico ni la autoría intelectual del
estudiante. En su lugar, funciona como asistente inteligente que automatiza tareas repetitivas y acelera procesos,
liberando al alumno para enfocarse en el análisis profundo, la interpretación de resultados y la creación de
conocimiento original. Así, eleva la eficiencia y calidad de la investigación.
Sin embargo, su integración en la academia demanda responsabilidad ética profunda. Es imprescindible
que los estudiantes dominen estas herramientas con transparencia y conciencia plena, distinguiendo claramente
el soporte tecnológico de su propia voz intelectual. Solo de esta forma se preservará la integridad y originalidad
del trabajo académico en un mundo cada vez más mediado por algoritmos.
Inteligencia artificial
Kaur et al. (2022) remontan las raíces conceptuales de la inteligencia artificial a Alan Turing, quien en 1950
propuso el célebre "Test de Turing": un criterio para determinar si una máquina puede exhibir un comportamiento
inteligente indistinguible del humano. Por esta contribución visionaria, Turing es reconocido como el padre de la
inteligencia artificial y la informática moderna. Sin embargo, no fue hasta 1956 que John McCarthy acuñó
formalmente el término "inteligencia artificial" y desarrolló LISP, el primer lenguaje de programación
específicamente diseñado para esta disciplina.
Desde una perspectiva crítica, Innerarity (2025) argumenta que la IA carece de las propiedades esenciales
de la raza humana: se trata de una mera "inteligencia instrumental" que nos imita con asombrosa precisión, pero
que no es capaz de comprender la realidad en profundidad. Le falta, precisamente, el sentido común —esa
capacidad intuitiva y natural propia de los humanos para captar el contexto de una situación compleja—.
Por su parte, Russell y Norvig (2004) ofrecen una definición más operativa: la IA es "el estudio de los
agentes inteligentes", es decir, sistemas que actúan de manera autónoma, perciben su entorno y persiguen
objetivos específicos. Estos autores clasifican los sistemas de IA en cuatro categorías principales, según si piensan
o actúan de forma humana o racional. Además, resaltan cómo la toma de decisiones mediada por algoritmos
genera un impacto profundo en la vida cotidiana, reconfigurando patrones sociales y laborales.
En este contexto, Kaur et al. (2022) enfatizan la urgencia de que todos los ciudadanos comprendan la
inteligencia artificial en la era digital actual. Ser "alfabetizado en IA" se ha vuelto crucial para navegar un mundo
en constante evolución, donde las aplicaciones de esta tecnología ya generan intensos debates sobre su impacto
en la vida cotidiana y el empleo. Estas innovaciones tienen el potencial de provocar cambios profundos y nunca
antes vistos en la forma en que la humanidad vive, trabaja y se relaciona.
Precisamente en el campo educativo, el impacto de la IA se incrementa de manera gradual pero sostenida,
ganando popularidad gracias a aplicaciones avanzadas (López-Meneses et al., 2022). Un ejemplo destacado son
los chatbots y asistentes virtuales basados en procesamiento del lenguaje natural: programas de inteligencia
artificial que facilitan una interacción fluida entre personas y máquinas, ya sea mediante código escrito u oral. Estas
herramientas resultan particularmente interesantes para optimizar procesos formativos en entornos universitarios.
Kroff et al. (2024) profundizan en este potencial transformador, señalando que la IA permite crear sistemas
de aprendizaje adaptativos que se ajustan dinámicamente a las necesidades individuales de cada estudiante,
promoviendo un aprendizaje más personalizado y efectivo. Esto implica un verdadero cambio de paradigma en el
ámbito académico: la IA trasciende su rol de simple herramienta tecnológica para convertirse en un catalizador de
una educación centrada en el individuo.
De manera complementaria, Gutiérrez-Castillo et al. (2025) afirman que la IA fomenta la autonomía
estudiantil al brindar herramientas para un aprendizaje auto-dirigido con soporte continuo e inteligente. Desde la
perspectiva de la accesibilidad, permite adaptar materiales educativos a necesidades específicas, superando
barreras económicas, geográficas y culturales tan comunes en contextos latinoamericanos. De este modo, al
Perozo Mosello, J. B., & Rodríguez Urdaneta, H. A. (2026). Inteligencia artificial como herramienta de apoyo a la investigación
universitaria: percepción y prácticas en estudiantes, Human Network Journal, 2, 1-9. https://zenodo.org/records/17932220
3
personalizar la educación, la IA no solo mejora la retención, el rendimiento académico y el compromiso estudiantil,
sino que beneficia directamente el abordaje de la diversidad en estilos, ritmos y necesidades de aprendizaje,
haciendo la educación superior más inclusiva y equitativa.
Apoyo en la investigación
Desde su perspectiva, Daza et al. (2021, p. 139) son enfáticos al afirmar que “la investigación educativa
tiene como propósito conocer detallada y minuciosamente un problema de conocimiento, así como exponer y
publicar los descubrimientos que arroja la indagación”. Esta autora subraya que la investigación no solo enriquece
al investigador, sino que beneficia a la institución y al país entero. En su visión, el proceso investigativo gira en
torno a la innovación como eje central —uno de los elementos más complejos al inicio—, particularmente en la
definición precisa de “qué investigar”. Solo así se generan resultados esperados, medibles, comparables y
auditables que contribuyan al avance colectivo.
En la misma línea, Tejedor (2024, p. 20) sostiene que “el objetivo básico de la investigación académica
debe ser aportar explicaciones razonables de los hechos o fenómenos estudiados a fin de contribuir a la creación
de un cuerpo coherente de conocimientos que nos permitan introducir mejoras en la educación”. Esta postura invita
a trascender una visión lineal y formal de la investigación hacia un enfoque dinámico y colaborativo, que integre
diversas perspectivas y métodos más allá de la mera observación. Así, el énfasis recae en la praxis y el impacto
social, priorizando no solo la producción teórica, sino su aplicación transformadora en contextos educativos reales.
En este orden de ideas, Rodríguez y Pulgar (2023) advierten que, en una sociedad globalizada, el empleo
ético de las tecnologías se ha convertido en un dilema persistente, alimentado por debates continuos sobre sus
beneficios y riesgos. Recomiendan a docentes y estudiantes adoptarlas de manera responsable, sin volverse de
espaldas a los avances tecnológicos. Hoy, los desarrollos en inteligencia artificial impregnan los espacios
educativos, aunque persiste una confrontación estéril entre si es “buena o mala”, en lugar de enfocarse en su
manejo ético y responsable que la convierta en aliada genuina de cada proceso formativo.
Cabe destacar que Heredia-Pérez et al. (2025) resaltan la relevancia de la IA en la investigación científica,
especialmente por facilitar la búsqueda, recolección, clasificación de datos, elaboración de instrumentos y
procesamiento analítico. No obstante, insisten en que la participación humana es irremplazable: solo así se
eliminan sesgos inherentes a los algoritmos y se garantiza la solidez y confiabilidad que exigen tanto la comunidad
científica como la sociedad.
Zambrana-Copaja et al. (2025) complementan esta visión al enfatizar que la IA no debe ser un fin en sí
misma. Para asegurar una investigación académica justa, de calidad, adaptativa y alineada con la tecnología, debe
funcionar como herramienta de apoyo o complemento, reservando siempre el rol directivo a los humanos. En
consonancia, Menacho-Ángeles et al. (2024) recalcan la responsabilidad ética en su manejo, lo que permitirá
emplearla en el ámbito investigativo para mejorar aprendizajes autónomos, evaluaciones automatizadas de
conocimientos y el desarrollo integral de competencias en estudiantes universitarios.
Estudios empíricos precedentes
Diversos estudios previos dialogan directamente con esta investigación. Por ejemplo, Alvarez y Saborío-
Taylor (2025) hallaron que el 75% de estudiantes universitarios encuestados utilizaban tecnologías digitales de IA
para generar ideas y corregir gramaticalmente textos académicos.
Ruiz et al. (2025) analizaron su impacto en la producción científica, particularmente en la redacción
académica y dilemas éticos asociados. Encontraron que el 68% de estudiantes de carreras técnicas las empleaban
frecuentemente, reduciendo más del 53% el tiempo dedicado a la redacción. Sin embargo, detectaron
“alucinaciones” algorítmicas en el 18% de casos, concluyendo la necesidad de regulaciones legales junto a
supervisión humana constante para preservar la calidad académica.
Asimismo, Reyes y Téllez (2025) constataron en un estudio exploratorio que el 46% de participantes
consideraba útil la IA en vida diaria (académica y laboral), 20% la veía ética y 10% temía por la originalidad de su
trabajo. Por su parte, Guevara-Enríquez y Herrera-Espinoza (2025) reportaron que el 69,3% usaba estas
herramientas para tareas, resolución de problemas matemáticos, redacción y profundización de términos
académicos.
A lo largo de estos planteamientos, queda claro que la IA no es futurista: es el presente. En el ecosistema
digital global centrado en ella, los estudiantes universitarios exhiben actitudes variadas hacia su uso. En el contexto
venezolano, particularmente en el estado Zulia, la interacción con alumnos de universidades públicas revela un
panorama similar: experiencias positivas junto a aspectos perniciosos como subutilización o temores éticos. Por
ello surgió esta investigación, con el objetivo de explorar el uso de la inteligencia artificial como herramienta de
apoyo en la investigación de estudiantes universitarios zulianos.
Perozo Mosello, J. B., & Rodríguez Urdaneta, H. A. (2026). Inteligencia artificial como herramienta de apoyo a la investigación
universitaria: percepción y prácticas en estudiantes, Human Network Journal, 2, 1-9. https://zenodo.org/records/17932220
4
Metodología
Siguiendo los postulados de Hernández-Sampieri y Mendoza (2018), este estudio adopta un enfoque
cuantitativo, de alcance exploratorio, con un diseño no experimental de campo y transversal. Esta combinación
permite capturar percepciones y prácticas actuales sobre el uso de IA en investigación, sin manipular variables, en
un contexto temporal específico.
La población estuvo conformada por estudiantes de pregrado y posgrado de tres universidades públicas
zulianas: La Universidad del Zulia (LUZ), la Universidad Nacional Experimental Romulo Betancourt (UNERMB) y
la Universidad Bolivariana de Venezuela (UBV), abarcando sus diversas sedes en la región. De esta población, se
seleccionó una muestra no probabilística de conveniencia de 310 participantes, priorizando accesibilidad y
representatividad institucional durante el período vacacional de julio-agosto 2025, cuando los estudiantes
mantienen alta actividad digital pese a limitaciones logísticas regionales.
Para la recolección de datos, se empleó la técnica de la encuesta mediante un cuestionario estructurado
en formato digital (Google Forms), distribuido vía correo electrónico y WhatsApp. Previo a la aplicación, cada
participante otorgó consentimiento informado y se garantizó anonimato y confidencialidad, cumpliendo estándares
éticos de investigación educativa.
El instrumento midió cuatro dimensiones clave del uso de IA en investigación:
1. Búsqueda y síntesis de información (revisiones bibliográficas asistidas).
2. Redacción y edición (generación y corrección de textos).
3. Análisis y visualización de datos (procesamiento estadístico automatizado).
4. Organización y presentación (elaboración de informes y visuales).
El cuestionario fue validado por expertos en metodología educativa e IA, con una prueba piloto que arrojó
un coeficiente de confiabilidad de 0.90 (alfa de Cronbach), clasificado como "muy alto". Complementariamente, se
realizó una revisión documental exhaustiva de libros, artículos científicos y fuentes primarias relacionadas.
Finalmente, los datos se procesaron y analizaron con Microsoft Excel, aplicando estadística descriptiva
(frecuencias, porcentajes, medias) para identificar patrones en el uso de IA. Los resultados se presentan en el
apartado siguiente.
Resultados y discusión
Los datos recolectados se procesaron mediante estadística descriptiva básica, calculando frecuencias
absolutas y relativas para las respuestas dicotómicas (“Sí”/“No”) de cada ítem del cuestionario. Posteriormente, se
determinaron los porcentajes de uso por función específica de IA reportada por los estudiantes. Estos indicadores
se agruparon en las cuatro dimensiones establecidas (búsqueda/síntesis, redacción/edición, análisis/visualización,
organización/presentación), sumando porcentajes por categoría y calculando el promedio aritmético por
dimensión para facilitar la comparación inter-dimensional.
Los resultados se visualizan en gráficos circulares por dimensión, que permiten identificar de manera
intuitiva los patrones de uso más y menos frecuentes. Esta representación gráfica resalta las áreas de mayor
adopción —donde superan el 70% de utilización— frente a las de baja penetración —inferiores al 30%—,
revelando disparidades en las prácticas investigativas asistidas por IA entre estudiantes zulianos. Tales contrastes
no solo ilustran preferencias funcionales, sino que anticipan implicaciones pedagógicas para la formación en
competencias digitales avanzadas.
A continuación, se detalla cada dimensión con sus hallazgos principales:
Perozo Mosello, J. B., & Rodríguez Urdaneta, H. A. (2026). Inteligencia artificial como herramienta de apoyo a la investigación
universitaria: percepción y prácticas en estudiantes, Human Network Journal, 2, 1-9. https://zenodo.org/records/17932220
5
SI
53%
NO
47%
SI
52%
NO…
Figura 1
Búsqueda y síntesis de la información
Fuente. Elaboración propia (2025)
Como se aprecia en el Gráfico 1, el 52% de los 310 encuestados reportó utilizar IA para buscar información
en sus investigaciones académicas. Esta adopción moderada refleja prácticas comunes entre estudiantes zulianos:
generación de listas de palabras clave o términos relevantes para explorar temas específicos; obtención de
resúmenes automáticos de artículos científicos, que agilizan el procesamiento inicial de literatura extensa;
traducción automática de textos no disponibles en español —crucial en contextos con barreras idiomáticas y
acceso limitado a bases de datos internacionales—; y organización temática de contenidos indagados.
Estos usos preliminares destacan la IA como facilitadora accesible para etapas iniciales de investigación,
especialmente valiosa en universidades públicas con recursos restringidos. Sin embargo, el 48% restante sugiere
reticencia o desconocimiento, posiblemente ligada a temores éticos o falta de familiaridad con herramientas como
ChatGPT o Google Scholar asistido. Esta dimensión muestra la mayor penetración relativa (52%), sentando base
para contrastes con áreas más técnicas.
En cuanto a la segunda dimensión (redacción y edición):
Figura 2
Redacción y revisión
Fuente. Elaboración propia (2025)
Los resultados de esta dimensión muestran una adopción ligeramente superior —53% de los encuestados
(un punto porcentual más que en búsqueda/síntesis)—, reflejando el uso afirmativo de IA para correcciones
gramaticales en trabajos académicos, generación automática de títulos, resúmenes y palabras clave. Además, los
estudiantes zulianos la emplean para reformular o parafrasear textos revisados —útil en contextos multilingües o
con limitaciones estilísticas— y para verificar la consistencia técnica de la terminología empleada en redacciones
especializadas.
Esta leve supremacía (53%) sobre la primera dimensión evidencia preferencia por funciones "creativas" y
correctivas, accesibles vía herramientas gratuitas como Grammarly IA o ChatGPT, que democratizan la edición
profesional sin requerir software pago. Representa el pico de adopción entre las cuatro dimensiones, coincidiendo
Perozo Mosello, J. B., & Rodríguez Urdaneta, H. A. (2026). Inteligencia artificial como herramienta de apoyo a la investigación
universitaria: percepción y prácticas en estudiantes, Human Network Journal, 2, 1-9. https://zenodo.org/records/17932220
6
SI
34%
NO
66%
SI
37%
NO
63%
con estudios previos como el de Alvarez y Saborío-Taylor (2025), pero también alerta sobre riesgos éticos: el 47%
restante podría reflejar conciencia de "alucinaciones" o dependencia excesiva, limitando autoría genuina.
Estos patrones iniciales (52-53%) contrastan marcadamente con áreas analíticas, sugiriendo brechas en
competencias digitales avanzadas.
En lo correspondiente a la tercera dimensión (análisis y visualización de datos):
Figura 3
Análisis y visualización
Fuente. Elaboración propia (2025)
Esta dimensión marca un punto de inflexión drástico: mientras las dos anteriores mostraban predominio
del "Sí" (52-53%), aquí revierte la tendencia, con el 66% de encuestados respondiendo negativamente. Los
estudiantes zulianos no utilizan IA para procesamiento de datos cuantitativos o estadísticos básicos, ni para
generar gráficos, infografías o visualizaciones a partir de resultados investigativos. Tampoco la emplean en análisis
cualitativo de entrevistas ni en creación de visualizaciones interactivas —como dashboards dinámicos o mapas
conceptuales automatizados—.
Este rechazo mayoritario (66%) contrasta fuertemente con adopciones iniciales, revelando brechas críticas
en competencias analíticas avanzadas. En contextos zulianos con conectividad intermitente y acceso limitado a
herramientas premium (ej. Tableau IA, Python con GPT), predomina la desconfianza o desconocimiento: temores
a "alucinaciones" algorítmicas (Ruiz et al., 2025), sesgos inherentes (Heredia-Pérez et al., 2025) o falta de
formación en integración IA-estadística. Representa la dimensión menos adoptada hasta ahora, subrayando
subutilización en etapas de mayor precisión técnica, alineada con hallazgos iniciales del estudio.
En lo concerniente a la cuarta –y última- dimensión (organización y presentación):
Figura 4
Organización y presentación
Fuente. Elaboración propia (2025)
La cuarta dimensión mantiene la tendencia negativa observada en la anterior: el 63% de los estudiantes
participantes no gestionan las referencias bibliográficas mediante herramientas de IA, ni la emplean para elaborar
Perozo Mosello, J. B., & Rodríguez Urdaneta, H. A. (2026). Inteligencia artificial como herramienta de apoyo a la investigación
universitaria: percepción y prácticas en estudiantes, Human Network Journal, 2, 1-9. https://zenodo.org/records/17932220
7
presentaciones o diapositivas de sus hallazgos. Entre otros aspectos en los que tampoco utilizan estas tecnologías
se encuentran el establecimiento de cronogramas o planes de trabajo para sus investigaciones, así como la
definición de protocolos de avance o defensa de seminarios en su quehacer investigativo.
Tabla 1
Análisis comparativo e interpretación
Dimensión
% "Sí" (Uso IA)
% "No" (No uso)
Tendencia
1. Búsqueda/síntesis
52%
48%
Alta adopción
2. Redacción/edición
53%
47%
Pico máximo
3. Análisis/visualización
34%
66%
Baja adopción
4. Organización/presentación
37%
63%
Baja adopción
Dados los resultados precedentes, se aprecia claramente que en la primera dimensión — búsqueda y
síntesis de la información— la inteligencia artificial ocupa un lugar característico en el desenvolvimiento académico
de los estudiantes consultados. En concreto, el 52% la utiliza para estos fines esenciales, lo que evidencia su
integración natural en etapas iniciales de investigación. Este patrón va en plena concordancia con el estudio de
Alvarez y Saborío-Taylor (2025), quienes obtuvieron que el 75% de sus encuestados empleaban IA precisamente
en la generación de ideas para sus textos académicos. Asimismo, estos hallazgos refuerzan lo planteado por
Heredia-Pérez et al. (2025), quienes consideran altamente relevante que, en el ámbito investigativo, la IA facilite
procesos relacionados con la ubicación y organización de información —tareas que, en un enfoque manual
tradicional, consumen un tiempo considerable y limitan la productividad estudiantil.
Precisando la segunda dimensión —redacción y revisión de investigaciones—, los resultados mantienen
similitud con la anterior, registrando únicamente un incremento de un punto porcentual en la proporción de
respuestas "Sí". Ahora, esta opción representa al 53% de los consultados en torno a aspectos clave como
correcciones gramaticales, parafraseo y generación automática de elementos textuales. Tales cifras van en sintonía
con los hallazgos de Ruiz et al. (2025), cuyos resultados arrojaron que el 68% de sus encuestados empleaba
inteligencia artificial en la redacción y revisión de textos —aunque proporcionalmente no idénticas, superan la
media de su muestra de estudio—. De igual forma, esta cifra refuerza lo que plantean Gutiérrez-Castillo et al.
(2025) sobre el uso de estas herramientas para fomentar la autonomía estudiantil y proporcionar apoyo continuo
en la adaptación de materiales educativos a necesidades individuales, siendo la redacción de textos académicos
una de sus aplicaciones más destacadas y transformadoras.
Con referencia a la tercera dimensión —procesamiento y análisis de datos—, el 66% de las respuestas
corresponde a la opción "No", lo que refleja un cambio notable en la tendencia general de respuestas observada
hasta ahora. Esto revela que los estudiantes, en una proporción cercana a dos tercios de la muestra, no se valen
de la IA para procesar los datos obtenidos en sus investigaciones, sean estos cuantitativos o cualitativos. Resulta
particularmente llamativo, porque precisamente esta representa una de las etapas más extensas, laboriosas y de
mayor precisión técnica a la hora de procesar y validar resultados investigativos.
Al relacionar estos hallazgos con los de Reyes y Téllez (2025) —cuyo estudio comparte carácter
exploratorio—, la proporción de consultados que no consideran útil la IA en su desempeño académico y laboral se
acerca al 60%, cifra que en nuestro caso la supera ligeramente respecto al promedio de participantes. En cuanto
a estos resultados, podrían vincularse directamente con lo que plantean Zambrana-Copaja et al. (2025), para
quienes la IA debe funcionar estrictamente como herramienta de apoyo, sin permitir que asuma todo el trabajo
investigativo, ya que la acción humana debe conservar siempre la dirección integral del proceso.
Sin embargo, los resultados en esta tercera dimensión —directamente relacionada con el procesamiento
de datos de una investigación, sin importar el enfoque metodológico en que se ejecute— reflejan que una mayoría
considerable no está delegando a estas inteligencias el poder de resolución de sus estudios. Pero también podría
interpretarse como reflejo de cierta ambigüedad respecto a su empleo: desde desconocimiento del potencial real
de estas herramientas, hasta negación para admitir su uso cotidiano. Esto, a su vez, llevaría a promover
activamente el uso ético y responsable de las mismas por parte de todos los actores involucrados en el proceso
investigativo; planteamiento que va en concordancia con lo que exponen Rodríguez y Pulgar (2023), al resaltar
que, más allá de atender el dilema ético binario sobre el empleo de estas tecnologías, debe impulsarse
decididamente su uso de manera responsable y contextualizada.
Perozo Mosello, J. B., & Rodríguez Urdaneta, H. A. (2026). Inteligencia artificial como herramienta de apoyo a la investigación
universitaria: percepción y prácticas en estudiantes, Human Network Journal, 2, 1-9. https://zenodo.org/records/17932220
8
Finalmente, con la cuarta dimensión —organización y presentación de resultados— se mantiene la
tendencia observada en la dimensión precedente: la distribución de respuestas continúa predominada por "No",
con el 63% de los consultados en torno a estas funciones específicas. Esta proporción supera a la media de la
muestra total, destacando la cantidad de estudiantes que señalan no utilizar los beneficios de estos adelantos
tecnológicos en aspectos tan concretos como la gestión de la bibliografía, el proceso investigativo general, ni la
elaboración de informes y presentaciones académicas. Nuestro estudio podría relacionarse proporcionalmente con
el de Reyes y Téllez (2025), donde cerca del 60% de sus fuentes indicaron no utilizar IA en su desempeño
investigativo ni en el ámbito laboral cotidiano.
Los resultados de esta cuarta dimensión guardan relación directa con lo que exponen Menacho-Ángeles
et al. (2024), quienes son enfáticos en que la IA, en el campo investigativo, debe utilizarse por parte de los
estudiantes universitarios precisamente como una herramienta de apoyo estratégica. Esto les permitiría mejorar
sus aprendizajes de manera autónoma y, a su vez, evaluar sus conocimientos mediante procesos automatizados,
lo que les ahorraría tiempo valioso que podrían invertir en su formación integral y otras actividades
complementarias de desarrollo profesional.
Conclusiones
En el presente estudio se lograron identificar patrones claros en el uso de la inteligencia artificial por parte
de la muestra consultada: alta adopción en tareas generales como la búsqueda y redacción de información (52-
53%), frente a una marcada negatividad en el procesamiento y gestión de datos con estas herramientas
tecnológicas (63-66%). De esta forma, se aprecia que los estudiantes universitarios zulianos estarían subutilizando
la IA en el desarrollo de su investigación académica, restringiéndola a actividades primarias y básicas, en lugar de
extenderla a etapas que demandan mayor precisión técnica y analítica.
Sin embargo, esta limitación también podría interpretarse como reflejo del desconocimiento sobre el
potencial de estas tecnologías en fases avanzadas del proceso investigativo. Tal situación bien podría revertirse
mediante una formación adecuada y estructurada, que oriente el aprovechamiento ético y responsable de la IA
como apoyo integral en el quehacer investigativo. Esta capacitación debería guiar desde la generación inicial de
ideas hasta la presentación final de hallazgos o resultados, posicionando a estas inteligencias como medio
estratégico y no como fin en sí mismas, preservando siempre la autoría intelectual humana.
Por último, es necesario recalcar que este estudio exploratorio aporta evidencia empírica inicial que invita
a futuras investigaciones a desarrollar mediciones más robustas —con pruebas estadísticas inferenciales— para
contrastar estos patrones con otras poblaciones. Asimismo, sugiere el diseño de intervenciones formativas
específicas en las universidades LUZ, UNERMB y UBV, que coadyuven a minimizar la disparidad identificada en
el uso de estas tecnologías. Tales programas podrían incluir talleres prácticos sobre IA analítica, protocolos éticos
y competencias digitales avanzadas, fomentando una investigación zuliana más competitiva y alineada con
demandas globales.
Referencias
Alvarez Chaves, A., & Saborío-Taylor, S. (2025). Integración de la inteligencia artificial en los procesos de
investigación educativa y evaluación de aprendizajes: Una experiencia con estudiantes de la carrera de
Estudios Sociales y Educación Cívica en la Universidad Nacional de Costa Rica. Revista de Investigación
e Innovación Educativa, 3(1), 22–37. https://doi.org/10.59721/rinve.v3i1.30
Daza Suárez, S. K, Soto Montoya, C. L., García Liscano, A. E., & Caicedo Hinojosa, L. A. (2021). Investigación
educativa en la educación superior y sus beneficios. Recimundo, 5(2), 137–
148. https://dialnet.unirioja.es/descarga/articulo/8056941.pdf
Guevara Enríquez, G., & Herrera Espinoza, A. (2025). El uso de Inteligencia Artificial en la educación. LATAM
Revista Latinoamericana de Ciencias Sociales y Humanidades, 6(2), 2220-2233.
https://doi.org/10.56712/latam.v6i2.3763
Gutiérrez-Castillo, J. J., Romero Tena, R., & León-Garrido, A. (2025). Beneficios de la Inteligencia Artificial en el
aprendizaje de los estudiantes universitarios: una revisión sistemática. Edutec, Revista Electrónica de
Tecnología Educativa, (91), 185–206. https://doi.org/10.21556/edutec.2025.91.3607
Heredia-Pérez, G., Chávez-Aguilar, V. C., Torres-Mendoza, L., & Díaz-Calderón, R. R. (2025). La inteligencia
artificial en la investigación científica: Una revisión sistemática trienal. Revista
InveCom, 6(3). https://doi.org/10.5281/zenodo.17238020
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodología de la investigación: Las rutas cuantitativa,
cualitativa y mixta. McGraw-Hill Education.
Perozo Mosello, J. B., & Rodríguez Urdaneta, H. A. (2026). Inteligencia artificial como herramienta de apoyo a la investigación
universitaria: percepción y prácticas en estudiantes, Human Network Journal, 2, 1-9. https://zenodo.org/records/17932220
9
Innerarity, D. (2025). Una teoría crítica de la inteligencia artificial. Centro de Estudios Filosóficos Eugenio Trias,
Universidad Pompeu Fabra.
Kaur, D., Uslu, S., Rittichier, K., & Durresi, A. (2023). Trustworthy Artificial Intelligence: A Review. ACM Computing
Surveys, 55(2), Artículo 39. https://doi.org/10.1145/3491209
Kroff, J., Coria, D, & Ferrada, C. (2024). Inteligencia artificial en la educación universitaria: Innovación, desafíos y
oportunidades. Revista Espacios, 45(5). https://www.revistaespacios.com/a24v45n05/a24v45n05p09.html
López-Meneses, E., Vázquez-Cano, E., Bernal-Bravo, C., & Crespo, S. (2022). Tecnologías avanzadas para el
empoderamiento de la comunidad científica y la ciudadanía global. En E. López-Meneses, E. Vázquez-
Cano, C. Bernal-Bravo, & S. Crespo (Eds.), Acción docente y experiencias pedagógicas en aulas
educativas (pp. 11–24). Dykinson. https://doi.org/10.1234/9788411221160
Menacho-Ángeles, M. R., Pizarro-Arancibia, L. M., Osorio-Menacho, J. A., & León-Pizarro, B. L. (2024). Inteligencia
artificial como herramienta en el aprendizaje autónomo de los estudiantes de educación superior. Revista
InveCom, 4(2), 1-9. https://doi.org/10.5281/zenodo.10693945
Reyes-Pedraza, M. E., García-González, J., & Téllez-Castilla, M. D. (2025). Uso de la Inteligencia Artificial: un
estudio exploratorio. Vinculatégica EFAN, 11(2), 17–29. https://doi.org/10.29105/vtga11.2-1028
Rodríguez, H. A., & Pulgar, J. C. (2023). Tecnologías de la información y la comunicación en el contexto educativo:
entramado ético aún por dilucidar. Encuentro Educacional, 30(1), 241-260.
https://doi.org/10.5281/zenodo.8105104
Ruiz Muñoz, G. F., Ortega Pindo, A. de los A., Vasco Delgado, J. C., & Rojas Obando, K. E. (2025). Inteligencia
artificial en la redacción y producción científica. Revista Social Fronteriza, 5(3).
https://doi.org/10.59814/resofro.2025.5(3)705
Russell, S., & Norvig, P. (2004). Inteligencia artificial: Un enfoque moderno (2ª ed.). Pearson Educación.
Tejedor Tejedor, F. J. (2024). La investigación educativa: reflexiones a lo largo de una vida académica. Innovación
Educativa, (34). https://doi.org/10.15304/ie.34.10117
Zambrana-Copaja, R., Salinas-Montemayor, A. D., Macías-García, F. A., & Escobar, E. E. (2025). Inteligencia
artificial en la educación superior para promover un aprendizaje personalizado e inclusivo: Una revisión
sistemática. Revista InveCom, 6(2). https://doi.org/10.5281/zenodo.16147008
