ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e
Indexada Aula Virtual, es de acceso abierto y en
formato electrónico; la misma está orientada a la
divulgación de las producciones científicas
creadas por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras
áreas afines. Su publicación es CONTINUA,
indexada y arbitrada por especialistas en el área,
bajo la modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y
cuantitativas, Avances Investigativos, Ensayos,
Reseñas Bibliográficas, Ponencias o
publicaciones derivada de eventos, y cualquier
otro tipo de investigación orientada al tratamiento
y profundización de la información de los campos
de estudios de las diferentes ciencias. La Revista
Aula Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
7
15
2026
Julio 2026 – Diciembre 2026 (continua)
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(3)
http://www.aulavirtual.web.ve
Tipo de Publicación: Articulo Científico
Recibido: 05/06/2026
Aceptado: 06/07/2026
Publicado: 11/07/2026
Código Único AV: e770
Páginas: 2(1-23)
DOI: https://doi.org/10.5281/zenodo.21309447
Autores:
Juan Sergio Aguirre Tucto
Licenciado en Educación Primaria
Doctor en Ciencias de la Educuación
https://orcid.org/0000-0002-6857-8218
E-mail: juanaguirre@unheval.edu.pe
Afiliación: Universidad Nacional Hermilio
Valdizán
País: República del Perú
Kenyi Bryan Crespo Barrionuevo
Licenciado en Ciencias de la Comunicación Social
Maestro de Comunicación para el Desarrollo
https://orcid.org/0009-0005-3070-7108
E-mail: knynet@hotmail.com
Afiliación: Universidad Nacional Hermilio
Valdizán
País: República del Perú
Jhimmy Jesus Bernuy Pimentel
Médico Cirujano
Doctor en Ciencias de la Salud
https://orcid.org/0009-0007-9575-3361
E-mail: jhimmybernuy@hotmail.com
Afiliación: Universidad Nacional Hermilio
Valdizán
País: República del Perú
Geaninne Rios García
Ingeniero en Industrias Alimentarias
Doctor en Medio Ambiente y Desarrollo Sostenible
https://orcid.org/0000-0002-8463-1189
E-mail: grios@unheval.edu.pe
Afiliación: Universidad Nacional Hermilio
Valdizán
País: República del Perú
Resumen
La inteligencia artificial generativa ha transformado de manera acelerada las prácticas
académicas en educación superior, especialmente en los procesos de búsqueda, análisis,
escritura y producción de conocimiento. Sin embargo, su incorporación en la formación
investigativa universitaria plantea desafíos pedagógicos, metodológicos y éticos que
requieren ser analizados sistemáticamente, debido al riesgo de dependencia tecnológica,
uso acrítico de la información y debilitamiento de la autoría académica. El objetivo de
este artículo fue analizar los componentes teóricos y metodológicos presentes en la
literatura que podrían fundamentar un marco pedagógico para la integración de la IA
generativa en el fortalecimiento de competencias investigativas universitarias. Se
desarrolló un artículo de revisión sistemática, orientado por criterios de búsqueda,
selección y análisis de estudios publicados entre 2020 y 2026, considerando
investigaciones vinculadas con IA generativa, educación superior y competencias
investigativas. Los resultados evidencian que la literatura sustenta la integración de la IA
generativa desde enfoques como el constructivismo, el aprendizaje autorregulado, la
teoría de la autodeterminación, la carga cognitiva, la alfabetización en IA y la ética
académica. Asimismo, se identificaron enfoques metodológicos diversos, entre ellos
estudios cuasiexperimentales, cualitativos, mixtos, investigación-acción y análisis
configuracional. Las estrategias pedagógicas más relevantes se orientan al uso guiado de
ChatGPT y otras herramientas generativas para formular problemas, revisar literatura,
diseñar metodologías, analizar datos, redactar textos académicos y recibir
retroalimentación formativa. Se concluye que la IA generativa puede fortalecer las
competencias investigativas universitarias si se integra mediante un marco pedagógico
crítico, ético y supervisado, donde la tecnología complemente, pero no sustituya, el
razonamiento, la autonomía y la responsabilidad intelectual del estudiante.
Palabras Clave
Inteligencia artificial generativa, competencias
investigativas, educación superior, marco pedagógico,
alfabetización en IA.
Abstract
Generative artificial intelligence has rapidly transformed academic practices in higher
education, particularly in processes related to information searching, analysis, writing,
and knowledge production. However, its incorporation into university research training
raises pedagogical, methodological, and ethical challenges that require systematic
analysis, especially due to the risk of technological dependence, uncritical use of
information, and weakening of academic authorship. The objective of this article was to
analyze the theoretical and methodological components reported in the literature that
could support a pedagogical framework for integrating generative AI into the
strengthening of university students’ research competencies. A systematic review article
was conducted, guided by search, selection, and analysis criteria applied to studies
published between 2020 and 2026, focusing on research related to generative AI, higher
education, and research competencies. The findings show that the literature supports the
integration of generative AI through approaches such as constructivism, self-regulated
learning, self-determination theory, cognitive load theory, AI literacy, and academic
ethics. In addition, diverse methodological approaches were identified, including quasi-
experimental, qualitative, mixed-methods, action research, and configurational studies.
The most relevant pedagogical strategies involve the guided use of ChatGPT and other
generative tools to formulate research problems, review literature, design methodologies,
analyze data, write academic texts, and receive formative feedback. The study concludes
that generative AI can strengthen university research competencies when integrated
through a critical, ethical, and supervised pedagogical framework in which technology
complements, but does not replace students’ reasoning, autonomy, and intellectual
responsibility.
Keywords
Generative artificial intelligence, research competencies, higher
education, pedagogical framework, AI literacy.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(4)
http://www.aulavirtual.web.ve
Introducción
La incorporación de tecnologías emergentes
en la educación superior ha suscitado mutaciones
sustantivas en los procesos de enseñanza-
aprendizaje, especialmente a partir de la irrupción
de la inteligencia artificial generativa (IAG). Desde
una perspectiva teórica, el constructivismo y las
teorías del aprendizaje generativo ofrecen un
basamento cardinal para comprender de qué modo
los estudiantes universitarios pueden robustecer sus
competencias investigativas mediante herramientas
de inteligencia artificial. Canal et al., (2024)
proponen un modelo de Aprendizaje Generativo
Integral que articula metodologías activas,
aprendizaje centrado en el estudiante y fundamentos
constructivistas, con el propósito de evaluar la
implantación de la IA generativa en la educación
superior. Dicho modelo enfatiza el desarrollo del
pensamiento crítico, la creatividad y la capacidad
analítica como competencias indispensables para
una formación universitaria situada en escenarios
tecnológicamente mediados.
Por su parte, García et al., (2023) sostienen
que la IA generativa, sustentada en modelos de
lenguaje de gran tamaño y en arquitecturas
probabilísticas, exige nuevos marcos teóricos que
orienten su incorporación pedagógica. Esta
exigencia se explica porque dichas tecnologías no
poseen razonamiento autónomo ni comprensión
semántica en sentido humano, circunstancia que
demanda una mediación docente rigurosa,
deliberada y epistemológicamente vigilante. De
manera complementaria, Marzal & Vivarelli (2024)
examinan la convergencia entre inteligencia
artificial y competencias digitales desde una
perspectiva diacrónica, identificando que la
imbricación entre ambos constructos constituye un
eje medular para la Educación 4.0. Ello supone
repensar los modelos educativos, las matrices
competenciales y las estrategias formativas que
estructuran la enseñanza universitaria
contemporánea.
La producción científica reciente ha abordado
diversas aristas de la relación entre inteligencia
artificial y competencias investigativas en el ámbito
universitario; sin embargo, buena parte de estos
estudios conserva un cariz predominantemente
descriptivo, exploratorio o actitudinal. Aguilar-
Aguilar et al., (2024) desarrollaron un estudio
cuantitativo, descriptivo, transaccional y no
experimental con la participación de 118 estudiantes
de posgrado pertenecientes a 10 instituciones de
educación superior en México. Sus hallazgos
evidenciaron que los estudiantes reconocen la
facilidad de uso y el atractivo funcional de la IA,
aunque manifiestan incertidumbres relevantes
respecto de su empleo en la formación investigativa.
Asimismo, los autores advierten que esta tecnología
requiere competencias especializadas,
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(5)
http://www.aulavirtual.web.ve
responsabilidad académica y procesos cognitivos
propios de la actividad investigadora.
En una línea complementaria, Cordón (2023)
realizó una revisión exhaustiva sobre las
aplicaciones de la IA en universidades españolas,
clasificándolas en cuatro áreas: perfilado y
predicción, sistemas de tutoría inteligente,
evaluación adaptativa y apoyo a la investigación. El
autor concluye que resulta imprescindible articular
la tecnología con la pedagogía mediante modelos
educativos específicos y avanzados, planteamiento
que denomina AI Entangled Pedagogy. Asimismo,
Valencia et al., (2024) condujeron una revisión
sistemática, siguiendo el protocolo PRISMA, sobre
el impacto de la IAG en la creatividad estudiantil
universitaria. El estudio identificó únicamente 12
artículos científicos pertinentes en bases de datos
como Scopus, Web of Science, Redalyc y SciELO,
lo cual revela la exigüidad de investigaciones
empíricas centradas en esta intersección temática.
Pese a los avances descritos, la literatura
actual presenta vacíos ostensibles que justifican la
necesidad de desarrollar una revisión sistemática
sobre el tema. Vélez et al., (2024), mediante un
mapeo sistemático de 87 artículos publicados entre
2019 y 2024 en Web of Science y Scopus,
identificaron la urgencia de diseñar programas de
estudio actualizados que favorezcan la formación de
profesionales con competencias digitales y
conciencia ética. No obstante, también constataron
la ausencia de marcos pedagógicos específicos
capaces de articular la IA con el desarrollo de
competencias investigativas en el contexto
universitario.
De modo convergente, Saz-Pérez & Pizà-Mir
(2024), mediante un estudio Delphi con un panel de
expertos sobre la integración de la IAG en el
contexto educativo español, identificaron como
necesidades prioritarias el replanteamiento de los
métodos de enseñanza-aprendizaje, la
reformulación de los sistemas de evaluación, la
escasez de recursos formativos y la formación del
profesorado. Estos hallazgos evidencian que aún no
existen modelos pedagógicos suficientemente
validados para orientar una integración
académicamente sólida de la IA generativa.
Finalmente, Guárdia et al., (2024), en la
presentación de un número especial de la Revista de
Educación a Distancia sobre IA generativa y
educación, señalaron, tras recibir más de cien
contribuciones, la existencia de una escasa
investigación empírica sobre casos prácticos de
aplicación de la IA generativa en entornos
educativos. Esta constatación refuerza la necesidad
de construir marcos teóricos más dúctiles y
pertinentes, capaces de interpretar la participación
de agentes no humanos en los procesos formativos,
dado que las teorías tradicionales del aprendizaje
resultan parcialmente insuficientes frente a este
nuevo escenario.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(6)
http://www.aulavirtual.web.ve
En atención a los vacíos identificados, el
presente artículo tiene como objetivo analizar los
componentes teóricos y metodológicos presentes en
la literatura científica que podrían fundamentar un
marco pedagógico para la integración de la
inteligencia artificial generativa en el
fortalecimiento de las competencias investigativas
universitarias.
Metodología
La presente investigación adoptó un diseño de
revisión sistemática de la literatura, fundamentado
en las directrices de la declaración PRISMA 2020
(Preferred Reporting Items for Systematic Reviews
and Meta-Analyses), protocolo ampliamente
reconocido por la comunidad científica para
garantizar la transparencia, replicabilidad y rigor
metodológico en la síntesis de evidencia.
Para orientar la búsqueda y el análisis de la
literatura, se formularon tres preguntas de
investigación: PI1: ¿Cuáles son los fundamentos
teóricos que sustentan la integración de la IA
generativa en procesos de formación investigativa
en educación superior? PI2: ¿Qué enfoques
metodológicos se han empleado en los estudios que
vinculan la IA generativa con el desarrollo de
competencias investigativas universitarias? PI3:
¿Qué estrategias pedagógicas mediadas por IA
generativa han sido reportadas en la literatura para
el fortalecimiento de competencias investigativas en
estudiantes universitarios?
La búsqueda bibliográfica se realizó
exclusivamente en la base de datos Scopus. La
selección de esta única base de datos obedece a
múltiples razones metodológicas y pragmáticas. En
primer lugar, constituye la mayor base de datos de
literatura revisada por pares a nivel mundial, en
segundo lugar, porque ofrece herramientas
avanzadas de búsqueda que permiten la aplicación
de operadores booleanos y filtros específicos por
área temática, tipo de documento, idioma y periodo
temporal, facilitando una recuperación precisa y
eficiente de la información.
La ecuación de búsqueda se construyó
combinando operadores booleanos (AND, OR) para
articular los tres ejes temáticos del estudio:
inteligencia artificial generativa, competencias
investigativas y educación superior. La fórmula
aplicada en Scopus fue la siguiente: (("generative
artificial intelligence" OR "generative AI" OR
"ChatGPT" OR "large language models" OR
"inteligencia artificial generativa") AND ("research
competencies" OR "research skills" OR
"investigative competencies" OR "competencias
investigativas" OR "research capabilities") AND
("higher education" OR "university" OR
"undergraduate" OR "graduate students" OR
"educación superior")) (Ver Tabla 1).
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(7)
http://www.aulavirtual.web.ve
Tabla 1. Criterios de inclusión y exclusión
El proceso completo de selección se
documentó mediante el diagrama de flujo PRISMA,
registrando el número de artículos identificados,
cribados, evaluados para elegibilidad e incluidos en
la síntesis final, garantizando así la transparencia y
replicabilidad del estudio (Ver Figura 1).
Figura 1. Flujograma del método PRISMA
Criterios de inclusión
Criterios de exclusión
Artículos publicados entre
2020 y 2026.
Publicaciones anteriores a
enero de 2020.
Artículos originales de
investigación y artículos de
revisión publicados e
indexadas en Scopus.
Editoriales, cartas al editor,
resúmenes de conferencia,
tesis, libros y capítulos de
libro.
Publicaciones redactadas en
inglés o español.
Estudios publicados en
idiomas distintos al inglés o
español.
Estudios pertenecientes a las
áreas de Ciencias Sociales,
Ciencias de la Computación,
Artes y Humanidades.
Estudios ubicados en áreas
temáticas no vinculadas con
educación superior, IA
generativa o competencias
investigativas.
Artículos que analicen la
relación entre IA generativa y
competencias investigativas
en educación superior.
Estudios sobre IA generativa
en educación básica,
secundaria, formación
técnica no universitaria o
entornos empresariales.
Investigaciones que aborden el
desarrollo, fortalecimiento o
evaluación de competencias
investigativas mediante IA
generativa.
Estudios sobre IA generativa
en educación superior sin
relación con competencias
investigativas.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(8)
http://www.aulavirtual.web.ve
Resultados
Autor
Evidencia teórica clave
Categoría analítica
Competencia investigativa
asociada
Ccahuana-Gonzales
et al., 2026
Integra aprendizaje significativo,
mediación sociocultural, aprendizaje
experiencial y aceptación tecnológica.
IA como mediador
cognitivo y cooperativo.
Formulación de preguntas, análisis,
síntesis, metodología y
cooperación.
Anwar, 2025
Enfatiza alfabetización en IA, reflexión
ética e integridad académica.
IA como herramienta
crítica y reflexiva.
Pensamiento crítico, resolución de
problemas, evaluación de fuentes y
ética.
Almulla & Ali,
2024
Relaciona ChatGPT con utilidad
percibida, satisfacción, alfabetización
digital y aprendizaje personalizado.
IA como facilitador de
experiencia académica.
Búsqueda de información, apoyo
investigativo y participación
académica.
Athanassopoulos et
al., 2026
Resalta alfabetización en IA, uso
responsable y preparación pedagógica.
IA como recurso
formativo regulado.
Investigación, resumen, análisis de
datos, pensamiento crítico y ética.
Chapman & Dennis,
2025
Se apoya en Bloom, carga cognitiva y
TAM/TTF.
IA como mediadora de
procesos cognitivos
superiores.
Revisión de literatura, síntesis,
evaluación y organización de
fuentes.
Ebrahimi et al.,
2026
Utiliza TAM ampliado con interacción,
calidad de información, colaboración,
motivación y satisfacción.
IA como entorno
interactivo de
investigación.
Escritura académica, solución de
problemas, comunicación y calidad
investigativa.
El-Soussi & Yousef,
2026
Propone Ai-RACE, basado en
constructivismo, multimodalidad,
autenticidad, relevancia y engagement.
IA como soporte para
escritura crítica y
auténtica.
Escritura académica,
argumentación, pensamiento
crítico y ética.
Henchiri & Al
Aamri, 2025
Articula compromiso con IA, toma de
decisiones éticas y desarrollo de
habilidades investigativas.
IA como soporte ético de
investigación.
Originalidad, citación, redacción,
prevención del plagio y ética.
Ibrahim et al., 2026
Define talento cognitivo e investigativo
en seis dominios: literatura, teoría,
diseño, análisis, escritura y ética.
IA como mediadora del
talento cognitivo-
investigativo.
Análisis, síntesis, diseño
metodológico, escritura y uso
ético.
Klocker et al., 2026
Fundamenta el aprendizaje experiencial
y la ética en investigación cualitativa
frente a GenAI.
IA como riesgo ético en
datos humanos.
Entrevista, codificación, análisis
temático, reflexividad y protección
de datos.
Li et al., 2025
Usa la Teoría de la Autodeterminación
para explicar motivación, engagement y
aprendizaje autodirigido.
IA como mediadora de
autonomía investigativa.
Habilidades investigativas,
autorregulación y aprendizaje
autónomo.
McLaughlin et al.,
2025
Se apoya en aprendizaje colaborativo y
retroalimentación formativa
personalizada.
IA como tutor formativo.
Diseño de investigación,
formulación de planes y mejora
metodológica.
Millen, 2025
Se basa en constructivismo y aprendizaje
experiencial mediante simulación.
IA como simulador de
habilidades de campo.
Entrevista, ética, empatía,
preguntas de seguimiento y manejo
de información sensible.
Monib et al., 2025
Se sustenta en constructivismo para
explicar la construcción activa del
conocimiento con ChatGPT.
IA como apoyo a la
construcción del
aprendizaje.
Escritura, investigación,
comprensión conceptual y
pensamiento crítico.
Ringo, 2025
Usa la Teoría de Usos y Gratificaciones
para explicar el progreso investigativo
doctoral.
IA como recurso de
gratificación académica.
Progreso investigativo, escritura,
síntesis, productividad y gestión
del tiempo.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(9)
http://www.aulavirtual.web.ve
Autor
Evidencia teórica clave
Categoría analítica
Competencia investigativa
asociada
Ríos Gonzales et al.,
2025
Integra constructivismo, aprendizaje
autodirigido, carga cognitiva y ética
informacional.
IA como andamiaje
cognitivo-investigativo.
Problema, información,
metodología, datos, escritura y
ética.
Smirnova, 2025
Se apoya en agencia estudiantil, voz
académica y perspectiva sociocultural.
IA como mediadora de
agencia académica.
Conceptualización investigativa,
propuesta de investigación,
escritura y autonomía.
Wu & Chiu, 2025
Integra características del aprendiz y
affordances de GenAI para fortalecer
aprendizaje autorregulado.
IA como entorno
adaptativo de
autorregulación.
Gestión de información,
evaluación crítica, planificación y
uso de feedback.
Tabla 2. Fundamentos teóricos de la IA generativa
Los estudios incluidos muestran que la
integración de la IA generativa en la formación
investigativa universitaria no se sostiene en una sola
teoría, sino en una convergencia de enfoques
pedagógicos, cognitivos, motivacionales y éticos.
Predominan el constructivismo, el aprendizaje
autodirigido, la teoría de la autodeterminación, la
carga cognitiva, la alfabetización en IA, la
aceptación tecnológica y la autorregulación. En
conjunto, estos fundamentos permiten comprender
a la IA generativa como un andamiaje pedagógico
que puede apoyar la formulación de problemas, la
revisión de literatura, la escritura académica, el
diseño metodológico y el análisis de información.
Sin embargo, la evidencia también advierte que su
impacto positivo depende de la mediación docente,
la formación ética, la verificación crítica de la
información y la preservación de la autoría
intelectual del estudiante.
Autor
Enfoque metodológico
Participantes / contexto
Técnica o instrumento
Ccahuana-Gonzales
et al., 2026
Cuantitativo, aplicado,
cuasiexperimental y
longitudinal.
206 estudiantes universitarios
en Perú.
Cuestionario, pretest, postest y U de
Mann-Whitney.
Anwar, 2025
Mixto, estudio de caso
exploratorio.
Estudiantes de posgrado en
Derecho.
Encuesta, reflexiones, muestras de
trabajo y cuestionario.
Almulla & Ali, 2024
Cuantitativo descriptivo
transversal.
473 estudiantes universitarios.
Encuesta online, correlación, análisis
factorial y regresión.
Athanassopoulos et
al., 2026
Mixto.
314 estudiantes de formación
docente.
Datos cuantitativos y cualitativos sobre
uso, beneficios y desafíos.
Chapman & Dennis,
2025
Mixto convergente.
Estudiantes de cursos de
escritura intensiva y métodos
de investigación.
Encuestas pre/post, seguimiento de uso,
entrevistas y reflexiones.
Ebrahimi et al., 2026
Cualitativo.
16 estudiantes de maestría en
Irán.
Entrevistas semiestructuradas y grupos
focales.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(10)
http://www.aulavirtual.web.ve
Autor
Enfoque metodológico
Participantes / contexto
Técnica o instrumento
El-Soussi & Yousef,
2026
Cualitativo, exploratorio y
orientado al diseño.
Cursos universitarios de
escritura en inglés.
Reflexiones estudiantiles y análisis de
implementación.
Henchiri & Al
Aamri, 2025
Experimental.
Estudiantes universitarios con
dificultades en inglés técnico.
Intervención con GPT, medición de
plagio, citación y ética.
Ibrahim et al., 2026
Cuantitativo descriptivo.
214 estudiantes de posgrado.
Escala GAI-RCT de 48 ítems.
Klocker et al., 2026
Comunicación reflexiva
basada en experiencia
docente.
Estudiantes de métodos
cualitativos en geografía.
Proyecto aplicado con entrevistas, ética,
codificación y reporte.
Li et al., 2025
Cuasiexperimental.
366 estudiantes universitarios
de educación.
Grupo control y experimental; medición
de habilidades, motivación y
aprendizaje autodirigido.
McLaughlin et al.,
2025
Aplicado con evaluación de
percepción.
64 participantes de cursos para
profesionales de salud.
Actividad grupal, prompts estructurados
y encuesta final.
Millen, 2025
Diseño de herramienta
educativa con piloto.
Estudiantes de enfermería
avanzada.
Simulador con GPT-4o/Claude,
encuestas pre/post y reflexión.
Monib et al., 2025
Cualitativo descriptivo.
Estudiantes de educación
superior usuarios de ChatGPT.
Preguntas abiertas y análisis inductivo
con ATLAS.ti.
Ringo, 2025
Cuantitativo explicativo.
215 estudiantes doctorales.
Cuestionario, CFA y macro PROCESS.
Ríos Gonzales et al.,
2025
Cuasiexperimental
cuantitativo.
100 estudiantes de enfermería
en Perú.
Pretest, postest, intervención de 15
sesiones y análisis multivariado.
Smirnova, 2025
Investigación-acción de aula.
Estudiantes de módulo online
de EAP.
Tres fases, política RAG/Amber y
análisis de experiencias.
Wu & Chiu, 2025
Análisis configuracional
fsQCA.
Estudiantes de pregrado y
posgrado.
Encuestas semiestructuradas y
evaluación cualitativa durante 28
semanas.
Tabla 3. Enfoques metodológicos sobre IA generativa
Los enfoques metodológicos evidencian una
tendencia hacia diseños empíricos aplicados,
destacando estudios cuasiexperimentales,
experimentales, mixtos, cualitativos y
configuracionales. Los estudios
cuasiexperimentales y experimentales permiten
medir efectos directos de ChatGPT en habilidades
investigativas, mientras que los estudios cualitativos
profundizan en percepciones, experiencias, riesgos
éticos y formas de uso. A nivel metodológico, la
literatura muestra que el impacto de la IA generativa
no debe evaluarse únicamente por resultados
finales, sino también por variables mediadoras
como motivación, autorregulación, engagement,
satisfacción, calidad de la retroalimentación y uso
ético. Por ello, el campo se orienta hacia diseños
más integrales que combinan medición de
desempeño, análisis de experiencia estudiantil y
evaluación de condiciones pedagógicas.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(11)
http://www.aulavirtual.web.ve
Autor
Estrategia pedagógica
identificada
Uso específico de IA generativa
Competencia fortalecida
Ccahuana-Gonzales
et al., 2026
Sesiones guiadas con
ChatGPT.
Formular preguntas, buscar
información, estructurar
argumentos y redactar informes.
Exploratoria, metodológica,
tecnológica y cooperativa.
Anwar, 2025
Marco PAIR: problema, IA,
interacción y reflexión.
Uso de IA en tareas iniciales de
investigación con reflexión ética.
Investigación jurídica, pensamiento
crítico y evaluación de fuentes.
Almulla & Ali, 2024
ChatGPT como herramienta
suplementaria de aprendizaje.
Tareas, investigación, preparación
académica y discusión de
contenidos.
Búsqueda, alfabetización digital y
participación académica.
Athanassopoulos et
al., 2026
Formación en alfabetización y
uso responsable de IA.
Búsqueda, análisis, resumen,
traducción y apoyo académico.
Pensamiento crítico, organización
académica y responsabilidad.
Chapman & Dennis,
2025
IA en instrucción de revisión
de literatura.
Research Rabbit, Elicit y Litmaps
para ubicar, mapear y organizar
fuentes.
Revisión de literatura, síntesis
temática y evaluación de fuentes.
Ebrahimi et al., 2026
ChatGPT como apoyo al flujo
de investigación.
Escritura, comprensión conceptual,
discusión colaborativa y solución
de problemas.
Escritura científica, motivación y
trabajo colaborativo.
El-Soussi & Yousef,
2026
Marco Ai-RACE para
rediseño de tareas.
Apoyo en tareas auténticas,
relevantes, críticas y reflexivas.
Escritura, creatividad, pensamiento
crítico y ética.
Henchiri & Al
Aamri, 2025
Uso guiado de herramientas
GPT para escritura y
originalidad.
ChatGPT, NoteGPT, HIX.AI y
Originality.ai.
Redacción, citación, paráfrasis,
originalidad y ética.
Ibrahim et al., 2026
IA en seis dominios del
proceso investigativo.
Literatura, teoría, problema,
diseño, datos, escritura y ética.
Análisis, síntesis, metodología,
interpretación y escritura.
Klocker et al., 2026
Aprendizaje experiencial con
restricciones éticas.
Limitación del uso de IA en
análisis de entrevistas con datos
humanos.
Codificación, análisis temático,
ética y reflexividad.
Li et al., 2025
Instrucción integrada con
ChatGPT.
Actividades de investigación bajo
orientación docente.
Motivación autónoma, engagement
y aprendizaje autodirigido.
McLaughlin et al.,
2025
Retroalimentación formativa
con GenAI.
Evaluación de planes de
investigación mediante prompts
estructurados.
Diseño, justificación metodológica,
análisis y mejora de propuestas.
Millen, 2025
Simulación de entrevistas con
IA.
Perfiles simulados, preguntas
abiertas, repreguntas y manejo de
información sensible.
Entrevista, empatía, ética y
comunicación investigativa.
Monib et al., 2025
Uso estratégico y equilibrado
de ChatGPT.
Apoyo lingüístico, escritura,
investigación, aclaración de tareas
y conceptos.
Escritura, comprensión,
aprendizaje autónomo e
investigación independiente.
Ringo, 2025
ChatGPT como soporte del
avance doctoral.
Ideas, resúmenes, organización,
redacción y mejora de estilo.
Productividad, síntesis, gestión del
tiempo y progreso investigativo.
Ríos Gonzales et al.,
2025
Intervención estructurada de
15 sesiones.
Problemas, palabras clave, fuentes,
metodología, instrumentos, datos,
discusión y APA.
Todas las fases del proceso
investigativo.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(12)
http://www.aulavirtual.web.ve
Autor
Estrategia pedagógica
identificada
Uso específico de IA generativa
Competencia fortalecida
Smirnova, 2025
Uso estructurado bajo política
“Amber”.
IA para fuentes, conceptos, ideas,
claridad y gramática, no para
redactar el producto final.
Conceptualización, propuesta, voz
académica y autonomía.
Wu & Chiu, 2025
Integración personalizada de
GenAI para autorregulación.
Feedback inmediato, adaptación,
monitoreo, metas y ajuste de
estrategias.
Autorregulación, planificación,
evaluación crítica y gestión de
información.
Tabla 4. Estrategias pedagógicas mediadas por IA generativa
Las estrategias pedagógicas identificadas
evidencian que la IA generativa tiene mayor valor
cuando se incorpora mediante andamiaje docente,
tareas estructuradas, retroalimentación formativa,
alfabetización en IA y criterios éticos claros. Las
experiencias más sólidas no promueven un uso libre
o sustitutorio de ChatGPT, sino un uso regulado
para apoyar etapas concretas del proceso
investigativo: formulación del problema, revisión
de literatura, diseño metodológico, análisis de datos,
escritura académica, citación, discusión de
resultados y reflexión ética. En términos teóricos, la
IA generativa funciona como un mediador
pedagógico que puede fortalecer la autonomía, la
motivación y la productividad investigativa; sin
embargo, su eficacia depende de que el estudiante
conserve el control intelectual del proceso, verifique
la información, reflexione sobre el uso de la
herramienta y mantenga responsabilidad sobre la
producción académica final.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(13)
http://www.aulavirtual.web.ve
Discusión de resultados
Los resultados de esta revisión sistemática
permiten sostener que la integración de la
inteligencia artificial generativa en la formación
investigativa universitaria constituye un fenómeno
pedagógico complejo, multidimensional y aún en
fase de sedimentación académica. En atención al
objetivo del estudio, la evidencia analizada muestra
que los componentes teóricos y metodológicos
identificados no configuran un modelo único ni
cerrado, sino un entramado de enfoques que permite
fundamentar un marco pedagógico orientado al
fortalecimiento de competencias investigativas
universitarias.
En términos generales, los estudios incluidos
coinciden en que la IA generativa puede apoyar la
formulación de problemas, la búsqueda y análisis de
información, la revisión de literatura, el diseño
metodológico, la escritura académica, la
retroalimentación formativa y la reflexión ética. Sin
embargo, también advierten que tales beneficios no
emergen de forma automática, pues dependen de
condiciones pedagógicas específicas, entre ellas la
mediación docente, la alfabetización en IA, el
diseño de tareas auténticas, la regulación ética, la
verificación crítica de la información y la
preservación de la autoría intelectual del estudiante.
Un primer resultado relevante de esta revisión
es la convergencia teórica entre enfoques
constructivistas, socioculturales, autorreguladores,
motivacionales y éticos. Los estudios revisados
muestran que la IA generativa tiende a ser
conceptualizada como mediador cognitivo,
andamiaje pedagógico o entorno de apoyo para el
aprendizaje investigativo. Este hallazgo converge
con Ccahuana-Gonzales et al., (2026), quienes
vinculan el uso de ChatGPT con el aprendizaje
significativo, la mediación sociocultural y el
aprendizaje experiencial para fortalecer habilidades
exploratorias, tecnológicas, metodológicas y
cooperativas.
De manera similar, Ríos Gonzales et al.,
(2025) integran el constructivismo, el aprendizaje
autodirigido, la teoría de la carga cognitiva y la ética
informacional para explicar el impacto de ChatGPT
en seis dimensiones de las competencias
investigativas. Esta coincidencia permite afirmar
que la IA generativa no debe entenderse únicamente
como una herramienta tecnológica, sino como un
recurso pedagógico que modifica la manera en que
el estudiante interactúa con la información,
construye conocimiento y desarrolla autonomía
académica.
Este resultado también se articula con los
planteamientos de Li et al., (2025), quienes, desde
la teoría de la autodeterminación, demostraron que
el efecto de ChatGPT sobre las habilidades
investigativas está mediado por la motivación
autónoma, el compromiso académico y el
aprendizaje autodirigido. En esa misma línea, Wu &
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(14)
http://www.aulavirtual.web.ve
Chiu (2025) sostienen que el fortalecimiento del
aprendizaje autorregulado depende de la interacción
entre características del estudiante, calidad de la
retroalimentación, funcionalidad de la herramienta,
actitud hacia la IA y nivel de compromiso.
Estos hallazgos amplían la interpretación del
impacto de la IA generativa, pues sugieren que su
valor formativo no reside solo en la producción
rápida de respuestas, sino en su capacidad para
activar procesos de autorregulación, planificación,
monitoreo y evaluación crítica del propio
aprendizaje. En consecuencia, un marco pedagógico
para integrar IA generativa en competencias
investigativas debe considerar no solo qué tareas
puede apoyar la IA, sino también bajo qué
condiciones cognitivas, motivacionales y éticas
dicho apoyo fortalece realmente el aprendizaje
investigativo.
Un segundo resultado importante se relaciona
con la dimensión ética de la integración de la IA
generativa. La literatura revisada coincide en que el
uso de ChatGPT y otras herramientas generativas
puede fortalecer competencias investigativas si se
orienta hacia la responsabilidad académica, la
integridad, la citación adecuada y la verificación de
la información. Anwar (2025) enfatiza que la
alfabetización en IA y la reflexión ética son
condiciones necesarias para que los estudiantes
utilicen la IA generativa sin debilitar el pensamiento
crítico ni la solución autónoma de problemas.
Henchiri & Al Aamri (2025), por su parte,
evidencian que las herramientas GPT pueden
contribuir a reducir el plagio, mejorar la precisión
de las citas y aumentar la conciencia ética en
estudiantes con dificultades en inglés técnico
académico. Estos resultados son convergentes con
Athanassopoulos et al., (2026), quienes advierten
que la IA generativa puede apoyar tareas
académicas e investigativas, pero también generar
dependencia, reducir el esfuerzo intelectual y
debilitar el pensamiento crítico cuando no existe
formación explícita en uso responsable.
No obstante, la revisión también identifica
una tensión significativa: mientras algunos estudios
destacan el potencial de la IA generativa para
mejorar la escritura académica, la revisión de
literatura y el avance investigativo, otros subrayan
que su uso indiscriminado puede comprometer la
autenticidad del aprendizaje y la relación directa del
estudiante con los datos. Klocker et al., (2026)
plantean una advertencia especialmente relevante
para la investigación cualitativa, al señalar que el
uso de IA generativa en el análisis de entrevistas con
datos humanos puede generar riesgos de privacidad,
fabricación de datos, pérdida de familiaridad con la
información y debilitamiento de la reflexividad.
Este hallazgo diverge parcialmente de los
estudios que promueven la IA como apoyo
transversal en todas las fases del proceso
investigativo, ya que introduce la necesidad de
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(15)
http://www.aulavirtual.web.ve
establecer límites pedagógicos y éticos según el tipo
de competencia investigativa involucrada. Tal
diferencia puede explicarse por la naturaleza de los
datos cualitativos, donde la interpretación
contextual, la sensibilidad ética y la inmersión
directa en el material empírico constituyen
componentes centrales de la formación
investigativa.
Un tercer resultado se refiere a los enfoques
metodológicos empleados en los estudios incluidos.
La revisión evidencia una diversidad metodológica
considerable, con presencia de diseños
cuasiexperimentales, experimentales, cualitativos,
mixtos, estudios de caso, investigación-acción,
análisis configuracional y estudios de percepción.
Los trabajos de Ccahuana-Gonzales et al., (2026),
Li et al., (2025) y Ríos Gonzales et al., (2025)
ofrecen evidencia empírica más robusta sobre el
impacto de ChatGPT en habilidades investigativas,
debido al uso de diseños cuasiexperimentales,
grupos de comparación, pretest, postest e
instrumentos de medición estructurados. Estos
estudios convergen al señalar que la instrucción
guiada con ChatGPT puede mejorar el desempeño
investigativo cuando se integra en actividades
formativas planificadas.
En particular, Ríos Gonzales et al., (2025)
aporta una intervención estructurada de 15 sesiones
que comprende formulación de problemas,
búsqueda de información, diseño metodológico,
análisis de datos, escritura académica y ética
informacional, lo que constituye una de las
evidencias más directamente aplicables al diseño de
un marco pedagógico integral.
En contraste, los estudios cualitativos de
Ebrahimi et al., (2026), Monib et al., (2025),
Smirnova (2025) y El-Soussi & Yousef (2026)
aportan una comprensión más densa de las
experiencias, percepciones, estrategias y tensiones
que emergen cuando los estudiantes utilizan IA
generativa en contextos reales de aprendizaje. Estos
trabajos no siempre permiten medir impacto causal,
pero sí identifican condiciones pedagógicas
relevantes, tales como la necesidad de guías claras,
tareas auténticas, reflexión sobre el uso de IA,
regulación de la escritura y acompañamiento
docente. La complementariedad entre estudios
cuantitativos y cualitativos resulta sustantiva para
esta revisión, porque el desarrollo de competencias
investigativas no puede comprenderse únicamente
mediante indicadores de desempeño, sino también a
través de procesos de apropiación, agencia,
confianza, ansiedad, juicio crítico y responsabilidad
académica.
Un cuarto resultado está relacionado con las
estrategias pedagógicas mediadas por IA
generativa. La evidencia analizada muestra que las
estrategias más consistentes no promueven un uso
libre, automático o sustitutorio de la IA, sino un
empleo estructurado, progresivo y supervisado.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(16)
http://www.aulavirtual.web.ve
Chapman & Dennis (2025) muestran que
herramientas como Research Rabbit, Elicit y
Litmaps pueden fortalecer la revisión de literatura
cuando se usan para localizar, mapear y organizar
fuentes bajo criterios de evaluación académica.
McLaughlin et al., (2025) evidencian que la
IA generativa puede funcionar como tutor virtual
para proporcionar retroalimentación inmediata
sobre planes de investigación, especialmente
cuando los estudiantes trabajan con prompts
estructurados y objetivos metodológicos definidos.
Millen (2025), desde otra perspectiva, demuestra el
valor de las simulaciones generativas para practicar
entrevistas, formular repreguntas, manejar
información sensible y preparar a los estudiantes
antes del contacto con participantes reales. En
conjunto, estos estudios coinciden en que la IA
generativa puede operar como recurso de práctica,
retroalimentación y preparación, siempre que la
tarea posea propósitos formativos explícitos.
Estos hallazgos convergen con El-Soussi &
Yousef (2026), quienes proponen el marco Ai-
RACE para el diseño de tareas de escritura en
educación superior, basado en integración de IA,
relevancia, autenticidad, cuatro competencias clave
y compromiso estudiantil. También se vinculan con
Smirnova (2025), quien plantea que el uso
estructurado de IA bajo una política tipo “Amber”
permite emplear la herramienta para encontrar
fuentes, verificar conceptos, refinar ideas y mejorar
la claridad lingüística, pero no para generar el
producto final.
Esta orientación resulta especialmente valiosa
para un marco pedagógico, porque permite
distinguir entre usos formativos y usos sustitutorios
de la IA generativa. Mientras los primeros
favorecen la comprensión, la autonomía y la agencia
académica, los segundos pueden debilitar la
construcción personal del conocimiento y afectar la
voz académica del estudiante.
Asimismo, la revisión muestra que la IA
generativa puede tener un valor diferenciado según
el nivel formativo del estudiante. En pregrado, las
estrategias tienden a centrarse en la adquisición de
habilidades básicas de búsqueda, formulación,
escritura, citación y comprensión metodológica,
como se observa en Ccahuana-Gonzales et al.,
(2026), Li et al., (2025) y Ríos Gonzales et al.,
(2025).
En posgrado y doctorado, en cambio, la IA
generativa se vincula con la productividad
investigativa, la escritura avanzada, el progreso
académico, la revisión de literatura, la síntesis de
información y la gestión del tiempo, como muestran
Ibrahim et al., (2026) y Ringo (2025). Esta
diferencia sugiere que el marco pedagógico
propuesto no debería ser homogéneo para todos los
niveles universitarios, sino gradual y diferenciado
según el grado de autonomía investigativa esperado.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(17)
http://www.aulavirtual.web.ve
A partir de los resultados comparados, puede
afirmarse que la literatura existente converge en
reconocer el potencial de la IA generativa para
fortalecer competencias investigativas, pero diverge
en la valoración del grado de autonomía que debe
concederse al estudiante en su uso. Los estudios con
enfoque experimental y cuasiexperimental tienden a
destacar efectos positivos cuando existe
intervención guiada, mientras que los estudios
reflexivos y cualitativos enfatizan riesgos asociados
con dependencia, superficialidad, sesgos,
privacidad y pérdida de autoría.
Esta divergencia no constituye una
contradicción irreconciliable, sino una señal de que
el impacto de la IA generativa depende del diseño
pedagógico. La IA puede fortalecer competencias
investigativas cuando se inserta en tareas auténticas,
con criterios de uso explícitos, evaluación crítica,
supervisión docente y responsabilidad ética; pero
puede debilitarlas cuando se utiliza para reemplazar
la búsqueda, el análisis, la escritura o la
interpretación personal del estudiante.
Pese a los aportes de esta revisión, deben
reconocerse algunas limitaciones. En primer lugar,
la búsqueda se restringió a literatura científica
publicada entre 2020 y 2026, lo cual permite
capturar la evidencia más reciente sobre IA
generativa, pero también puede excluir antecedentes
teóricos previos sobre inteligencia artificial
educativa, alfabetización informacional,
aprendizaje autorregulado y competencias
investigativas que podrían enriquecer el marco
conceptual.
En segundo lugar, la revisión se concentró en
artículos disponibles en revistas indexadas y con
acceso al texto completo, lo que fortalece la calidad
de la evidencia, pero puede generar sesgo de
disponibilidad y dejar fuera experiencias
institucionales, informes técnicos o innovaciones
pedagógicas aún no publicadas en revistas
científicas. En tercer lugar, los estudios incluidos
presentan alta heterogeneidad metodológica,
disciplinar y contextual, lo que dificulta establecer
comparaciones homogéneas o realizar una síntesis
cuantitativa del efecto de la IA generativa sobre las
competencias investigativas.
Otra limitación relevante es que varios
estudios se basan en percepciones estudiantiles,
autorreportes o experiencias de aula de pequeña
escala, por lo que sus hallazgos deben interpretarse
con cautela. Aunque estos estudios aportan
información valiosa sobre usos, beneficios y riesgos
percibidos, no siempre permiten establecer
relaciones causales ni medir mejoras objetivas en el
desempeño investigativo. Además, las herramientas
de IA generativa evolucionan rápidamente, lo que
puede afectar la vigencia de los resultados.
Las versiones actuales de ChatGPT, Claude,
Gemini, Elicit, Research Rabbit u otras
herramientas pueden diferir significativamente de
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(18)
http://www.aulavirtual.web.ve
las versiones empleadas en los estudios revisados.
Esta situación introduce una limitación temporal
importante, ya que los resultados deben entenderse
dentro de un escenario tecnológico dinámico y en
constante transformación.
También se identifica una limitación
contextual. Buena parte de los estudios incluidos se
ubican en campos específicos, como educación,
enfermería, salud, derecho, idiomas, geografía o
formación docente. Aunque estos ámbitos ofrecen
evidencia relevante, la generalización a otras
disciplinas universitarias debe realizarse con
prudencia. Las competencias investigativas no se
desarrollan de la misma manera en ciencias sociales,
ciencias de la salud, ingeniería, humanidades o
ciencias básicas, por lo que el marco pedagógico
derivado de esta revisión requiere adaptación
disciplinar.
Finalmente, existe una limitación conceptual
vinculada con la diversidad de términos empleados
en la literatura. Algunos estudios aluden a
habilidades investigativas; otros, a competencias
investigativas, talento cognitivo-investigativo,
research skills, research capabilities o progreso
investigativo. Esta variedad terminológica dificulta
la comparación directa y evidencia la necesidad de
avanzar hacia definiciones más estandarizadas.
A partir de estas limitaciones, futuras
investigaciones deberían desarrollar estudios
longitudinales que permitan evaluar si las mejoras
asociadas al uso de IA generativa se mantienen en
el tiempo y si realmente se traducen en mayor
autonomía investigativa, mejor calidad de productos
académicos y mayor capacidad crítica. También
resulta necesario diseñar investigaciones
experimentales y cuasiexperimentales con muestras
más amplias, grupos de control, rúbricas validadas e
indicadores objetivos de desempeño, especialmente
en dimensiones como formulación del problema,
revisión de literatura, diseño metodológico, análisis
de datos, argumentación científica y escritura
académica. De igual modo, se recomienda
profundizar en estudios cualitativos que examinen
cómo los estudiantes toman decisiones al interactuar
con la IA, cómo verifican la información, cómo
negocian su voz académica y cómo construyen
criterios éticos frente al uso de contenidos
generados algorítmicamente.
Otra línea futura relevante consiste en diseñar
y validar marcos pedagógicos diferenciados por
nivel formativo. En pregrado, la IA generativa
podría orientarse hacia el desarrollo inicial de
alfabetización informacional, formulación de
preguntas, comprensión metodológica y escritura
académica básica. En maestría, podría enfocarse en
la revisión crítica de literatura, el diseño de
proyectos, el análisis de datos y la producción
académica.
En doctorado, podría emplearse como apoyo
para la gestión del avance investigativo, la síntesis
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(19)
http://www.aulavirtual.web.ve
teórica, la escritura especializada y la
retroalimentación avanzada, siempre bajo criterios
estrictos de originalidad y responsabilidad
intelectual. Asimismo, futuras investigaciones
deberían explorar modelos de evaluación que
permitan distinguir entre uso legítimo, uso asistido,
uso excesivo y uso sustitutorio de la IA generativa
en tareas investigativas.
Finalmente, se recomienda que los próximos
trabajos incorporen con mayor fuerza la dimensión
ética, legal y epistémica de la IA generativa. Es
necesario investigar cómo proteger datos sensibles,
cómo evitar sesgos algorítmicos, cómo
transparentar el uso de IA en productos académicos
y cómo formar a los estudiantes para que no
confundan fluidez textual con validez científica.
La evidencia revisada permite concluir que la
IA generativa puede constituir un componente
relevante para el fortalecimiento de competencias
investigativas universitarias, pero únicamente si se
integra dentro de un marco pedagógico crítico,
ético, gradual y metodológicamente sólido. Dicho
marco debe concebir la IA no como sustituto del
investigador en formación, sino como un mediador
regulado que amplía oportunidades de aprendizaje,
siempre que el estudiante conserve la
responsabilidad intelectual, metodológica y ética
sobre su propio proceso investigativo.
Conclusiones
La presente revisión sistemática permitió
identificar que la inteligencia artificial generativa
constituye un recurso pedagógico emergente con
considerable potencial para fortalecer las
competencias investigativas en estudiantes
universitarios, siempre que su integración responda
a criterios didácticos, metodológicos y éticos
explícitamente definidos. Los hallazgos evidencian
que la literatura reciente reconoce aportes de la IA
generativa en la formulación de problemas de
investigación, la búsqueda y organización de
información científica, la revisión de literatura, el
diseño metodológico, el análisis de datos, la
escritura académica, la citación, la
retroalimentación formativa y el desarrollo de la
autonomía investigativa.
Sin embargo, también se advierte que tales
contribuciones no derivan de la sola disponibilidad
tecnológica, sino de condiciones pedagógicas
específicas, entre ellas la mediación docente, la
alfabetización en IA, la verificación crítica de la
información, la regulación ética y la preservación de
la autoría intelectual del estudiante. En ese sentido,
los resultados contribuyen al campo de la educación
superior al sistematizar evidencia que permite
comprender la IA generativa no solo como una
herramienta de apoyo académico, sino como un
mediador pedagógico capaz de reconfigurar los
procesos de formación investigativa.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(20)
http://www.aulavirtual.web.ve
En relación con el objetivo de investigación,
el estudio permitió analizar los componentes
teóricos y metodológicos presentes en la literatura
científica que podrían fundamentar un marco
pedagógico para la integración de la IA generativa
en el fortalecimiento de competencias investigativas
universitarias. Desde el plano teórico, se identificó
una convergencia entre el constructivismo, el
aprendizaje significativo, el aprendizaje
experiencial, la teoría sociocultural, la teoría de la
autodeterminación, el aprendizaje autorregulado, la
teoría de la carga cognitiva, la alfabetización en IA,
la aceptación tecnológica y la ética académica.
Estos enfoques permiten sostener que la IA
generativa puede operar como andamiaje cognitivo,
tutor formativo, entorno adaptativo, simulador de
prácticas investigativas y recurso de
retroalimentación. Desde el plano metodológico, la
revisión evidenció la presencia de diseños
cuasiexperimentales, experimentales, cualitativos,
mixtos, estudios de caso, investigación-acción y
análisis configuracional, lo cual demuestra que el
fenómeno exige abordajes plurales para comprender
tanto sus efectos medibles como las experiencias,
percepciones y condiciones pedagógicas que
modulan su uso.
El presente trabajo corresponde a un artículo
de revisión sistemática orientado a organizar,
analizar y sintetizar evidencia científica reciente
sobre la relación entre inteligencia artificial
generativa y competencias investigativas en
educación superior. Este tipo de estudio permitió
identificar patrones, convergencias, divergencias y
vacíos en la literatura, ofreciendo una visión
integrada del estado actual del conocimiento.
A diferencia de una revisión narrativa, la
revisión sistemática permitió delimitar criterios de
inclusión y exclusión, organizar la evidencia en
función de preguntas de investigación y extraer
categorías analíticas vinculadas con fundamentos
teóricos, enfoques metodológicos y estrategias
pedagógicas. En consecuencia, los resultados
obtenidos ofrecen una base conceptual útil para el
diseño de futuros modelos pedagógicos orientados a
una integración crítica, ética, gradual y
disciplinalmente situada de la IA generativa en la
formación investigativa universitaria.
Finalmente, los hallazgos permiten afirmar
que la IA generativa no debe incorporarse de manera
libre, improvisada o sustitutiva en los procesos de
investigación formativa, sino como un recurso
regulado que complemente el razonamiento, la
autonomía y la producción intelectual del
estudiante. Las futuras investigaciones deberían
avanzar hacia estudios longitudinales,
experimentales y comparativos que evalúen el
impacto real de la IA generativa en productos
investigativos concretos, tales como proyectos de
investigación, revisiones de literatura, artículos
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(21)
http://www.aulavirtual.web.ve
académicos, informes de análisis de datos y tesis
universitarias.
Asimismo, resulta necesario diseñar
instrumentos validados para medir competencias
investigativas mediadas por IA, diferenciar su uso
según niveles formativos y disciplinas, y
profundizar en los desafíos éticos asociados con
privacidad, plagio, sesgos algorítmicos,
dependencia tecnológica y transparencia en la
autoría académica. En suma, el conocimiento
sistematizado en esta revisión ofrece una base
teórica y metodológica para orientar una integración
pedagógica de la IA generativa que fortalezca, sin
sustituir, la formación investigativa universitaria.
Referencias
Aguilar-Aguilar, G., Esquivel-Gámez, I., Navarro,
R. E., & Veytia-Buchelli, M. G. (2024). La IA en
el desarrollo de competencias investigativas en el
posgrado. Alteridad, 19(2), 162–172.
Documento en línea. Disponible
https://doi.org/10.17163/alt.v19n2.2024.01
Almulla, M., & Ali, S. I. (2024). The changing
educational landscape for sustainable online
experiences: Implications of ChatGPT in Arab
students’ learning experience. International
Journal of Learning, Teaching and Educational
Research, 23(9), 285–306. Documento en línea.
Disponible
https://doi.org/10.26803/ijlter.23.9.15
Anwar, N. (2025). The use of generative artificial
intelligence to develop student research, critical
thinking, and problem-solving skills. Trends in
Higher Education, 4, 34. Documento en línea.
Disponible
https://doi.org/10.3390/higheredu4030034
Athanassopoulos, S., Tzavara, A., Aravantinos, S.,
Lavidas, K., Komis, V., & Papadakis, S. (2026).
Teacher education students’ practices, benefits,
and challenges in the use of generative AI tools
in higher education. Education Sciences, 16, 228.
Documento en línea. Disponible
https://doi.org/10.3390/educsci16020228
Canal, M. N., Ardavin, A. F., Díaz-Marcos, L., &
Aguado-Tevar, O. (2024). Aprendizaje
generativo integral: Un modelo para la educación
superior ante los desafíos de la inteligencia
artificial. European Public & Social Innovation
Review, 9, 1–21. Documento en línea. Disponible
https://doi.org/10.31637/epsir-2024-1685
Ccahuana-Gonzales, T. J., Torres-Levano, J. D.,
O’Higgins-Ccahuana, D. C., & Nina-Cuchillo,
B. E. (2026). Uso de ChatGPT en la educación
superior: Potenciando las habilidades
investigativas en estudiantes de una universidad
nacional de Ica (Perú). Formación Universitaria,
19(1), 77–86. Documento en línea. Disponible
https://doi.org/10.4067/S0718-
50062026000100077
Chapman, O., & Dennis, D. (2025). Integrating AI-
powered tools into literature review instruction:
Insights from business and honors research
courses. University of North Carolina
Wilmington.
Cordón, Ó. (2023). Inteligencia artificial en
educación superior: Oportunidades y riesgos.
Revista Interuniversitaria de Investigación en
Tecnología Educativa, 16–27. Documento en
línea. Disponible
https://doi.org/10.6018/riite.591581
Ebrahimi, Z., Esfandiari, M. R., & Rahimi, F.
(2026). Postgraduate EFL students’ engagement
with ChatGPT in academic research: A
qualitative study in Iran. LLT Journal: A Journal
on Language and Language Teaching, 29(1),
278–300. Documento en línea. Disponible
https://doi.org/10.24071/llt.v29i1.572
El-Soussi, A., & Yousef, D. (2026). AI-RACE as a
framework for writing assignment design in
higher education. Education Sciences, 16, 119.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(22)
http://www.aulavirtual.web.ve
Documento en línea. Disponible
https://doi.org/10.3390/educsci16010119
García-Peñalvo, F. J., Llorens-Largo, F., & Vidal, J.
(2024). La nueva realidad de la educación ante
los avances de la inteligencia artificial
generativa. RIED-Revista Iberoamericana de
Educación a Distancia, 27(1), 9–39. Documento
en línea. Disponible
https://doi.org/10.5944/ried.27.1.37716
Guárdia Ortiz, L., Bekerman, Z., & Zapata Ros, M.
(2024). Presentación del número especial “IA
generativa, ChatGPT y educación:
Consecuencias para el aprendizaje inteligente y
la evaluación educativa”. Revista de Educación a
Distancia (RED), 24(78). Documento en línea.
Disponible https://doi.org/10.6018/red.609801
Henchiri, M., & Al Aamri, A. (2025). Investigation
of GPT-based tools in preventing plagiarism and
enhancing research skills for university students
with technical English language challenges: An
experimental approach to promoting ethical
awareness. International Journal of Information
and Education Technology, 15(10), 2115–2127.
Documento en línea. Disponible
https://doi.org/10.18178/ijiet.2025.15.10.2410
Ibrahim, A. M., Alhomayani, R. E. S., & Al-
Shamrani, A. S. A. (2026). The role of generative
artificial intelligence in developing cognitive and
research talent among postgraduate students.
Journal of Intelligence, 14, 53. Documento en
línea. Disponible
https://doi.org/10.3390/jintelligence14040053
Klocker, N., Carr, C., & Hammersley, L. (2026).
Between pedagogy and privacy: Developing
geography students’ qualitative research skills in
the context of generative AI. European Journal
of Geography, 17(2), 135–143. Documento en
línea. Disponible
https://doi.org/10.48088/ejg.n.klo.17.2.135.143
Li, Y., Sadiq, G., Qambar, G., & Zheng, P. (2025).
The impact of students’ use of ChatGPT on their
research skills: The mediating effects of
autonomous motivation, engagement, and self-
directed learning. Education and Information
Technologies, 30, 4185–4216. Documento en
línea. Disponible
https://doi.org/10.1007/s10639-024-12981-9
Marzal, M. Á., & Vivarelli, M. (2024). The
convergence of artificial intelligence and digital
skills: A necessary space for digital education
and Education 4.0. JLIS.it, 15(1), 1–15.
Documento en línea. Disponible
https://doi.org/10.36253/jlis.it-566
McLaughlin, J. E., Dal Ponte, C., & Lyons, K.
(2025). Student perceptions of GenAI as a virtual
tutor to support collaborative research training
for health professionals. BMC Medical
Education, 25, 895. Documento en línea.
Disponible https://doi.org/10.1186/s12909-025-
07390-6
Millen, J. I. (2025). Using generative AI for
interview simulations to enhance student
research skills in biology education. Journal of
Microbiology & Biology Education, 26(2), 1–6.
Documento en línea. Disponible
https://doi.org/10.1128/jmbe.00122-25
Monib, W. K., Qazi, A., & Mahmud, M. M. (2025).
Exploring learners’ experiences and perceptions
of ChatGPT as a learning tool in higher
education. Education and Information
Technologies, 30, 917–939. Documento en línea.
Disponible https://doi.org/10.1007/s10639-024-
13065-4
Ringo, D. S. (2025). The effect of generative AI use
on doctoral students’ academic research
progress: The moderating role of hedonic
gratification. Cogent Education, 12(1), 2475268.
Documento en línea. Disponible
https://doi.org/10.1080/2331186X.2025.247526
8
Ríos Gonzales, J. D., Tomanguilla Reyna, J.,
Vereau Amaya, E. A., & Vásquez Luján, I. G.
(2025). Evaluation of the impact of ChatGPT on
the development of research skills in higher
education. International Journal of Learning,
Teaching and Educational Research, 24(4), 370–
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(23)
http://www.aulavirtual.web.ve
390. Documento en línea. Disponible
https://doi.org/10.26803/ijlter.24.4.18
Saz-Pérez, F., & Pizà-Mir, B. (2024). Needs and
perspectives on the integration of generative
artificial intelligence in Spanish educational
context. UTE Teaching & Technology
(Universitas Tarraconensis), 2, e3803.
Documento en línea. Disponible
https://doi.org/10.17345/ute.2024.3803
Smirnova, L. (2025). Developing students’ agency
and voice by using generative AI in an online
EAP module. Innovation in Language Learning
and Teaching. Documento en línea. Disponible
https://doi.org/10.1080/17501229.2025.2538781
Valencia Mendoza, G. E., Barragán Merino, R. del
L., Ledesma Trujillo, S. C., & Moraima Peña, P.
(2024). Impacto de la inteligencia artificial
generativa en la creatividad de los estudiantes
universitarios. Technology Rain Journal, 3(1),
e33. Documento en línea. Disponible
https://doi.org/10.55204/trj.v3i1.e33
Vélez Rivera, R., Muñoz Álvarez, D., Leal
Orellana, P., & Ruiz-Garrido, A. (2024). Uso de
inteligencia artificial en educación superior y sus
implicancias éticas: Mapeo sistemático de
literatura. Hachetetepé. Revista Científica de
Educación y Comunicación, 28, 1105.
Documento en línea. Disponible
https://doi.org/10.25267/Hachetetepe.2024.i28.1
105
Wu, X.-Y., & Chiu, T. K. F. (2025). Integrating
learner characteristics and generative AI
affordances to enhance self-regulated learning: A
configurational analysis. Journal of New
Approaches in Educational Research, 14, 10.
Documento en línea. Disponible
https://doi.org/10.1007/s44322-025-00028-x