El futuro de la enseñanza de la metodología de investigación en las universidades: desafíos y oportunidades en la era de la inteligencia artificial

Dr. José Luis Vázquez Luna, Investigador-CICA

La enseñanza de la metodología de investigación en la educación superior enfrenta una transformación profunda, impulsada por los avances tecnológicos, especialmente la inteligencia artificial (IA). Esta disciplina, esencial para la formación científica de los estudiantes universitarios, se encuentra en una encrucijada: por un lado, debe adaptarse a los nuevos contextos digitales; por otro, debe preservar los principios epistemológicos y éticos que sustentan la investigación científica.

Históricamente, la enseñanza de la metodología de investigación ha estado centrada en enfoques tradicionales, donde el docente transmite conocimientos y el estudiante los recibe pasivamente (Acosta et al., 2021). Sin embargo, el contexto actual exige una reconfiguración hacia modelos más activos, colaborativos e interdisciplinarios. La universidad contemporánea debe formar investigadores capaces de generar conocimiento pertinente, crítico y éticamente responsable.

Los cambios en los diseños curriculares reflejan esta necesidad. Se ha incrementado la presencia de cursos heurísticos que desarrollan competencias investigativas, como el análisis de datos, la escritura científica y el uso de herramientas tecnológicas (Acosta et al., 2021). La investigación formativa se ha consolidado como un componente esencial del proceso educativo, promoviendo el pensamiento crítico y la capacidad de resolver problemas desde una perspectiva científica.

La IA ha comenzado a transformar todas las etapas del proceso investigativo: desde la formulación de hipótesis hasta la interpretación de resultados (Morales-Roblero et al., 2025). Herramientas basadas en aprendizaje automático permiten identificar patrones complejos en grandes volúmenes de datos, automatizar tareas repetitivas y generar modelos predictivos. Esto representa una oportunidad para potenciar la investigación científica, pero también plantea desafíos éticos y epistemológicos.

Uno de los principales riesgos es la presencia de sesgos algorítmicos, que pueden perpetuar prejuicios existentes en los datos de entrenamiento. Además, la automatización excesiva puede reducir la capacidad crítica del investigador, delegando decisiones importantes a sistemas opacos. La privacidad de los datos, la exclusión de grupos subrepresentados y la transparencia en los procesos algorítmicos son temas que deben abordarse con urgencia (Mujica-Sequera, 2025).

Las instituciones de educación superior enfrentan una brecha significativa en competencias digitales y en el uso ético de la IA. Según estudios recientes, muchos estudiantes no se sienten preparados para enfrentar los desafíos que plantea la IA, y solo una parte del profesorado utiliza herramientas de IA en sus prácticas docentes (Rentería García, 2024). Esta situación revela la necesidad de desarrollar marcos de competencias específicos para la educación superior, que incluyan conocimientos técnicos, habilidades críticas y valores éticos.

Además, las respuestas institucionales suelen ser fragmentadas y reactivas. Muchas universidades han adoptado directrices para el uso de herramientas como ChatGPT, pero carecen de estrategias integrales que promuevan una alfabetización en IA desde una perspectiva interdisciplinaria. Es necesario avanzar hacia una pedagogía basada en IA que fomente el pensamiento de orden superior, el aprendizaje colaborativo y la resolución de problemas complejos.

Los docentes universitarios tienen percepciones diversas sobre el uso de la IA en la enseñanza de la metodología de investigación. Algunos valoran su potencial para personalizar el aprendizaje y optimizar la enseñanza, mientras que otros expresan preocupaciones sobre la pérdida de habilidades críticas y el deterioro de la relación docente-estudiante (Zepeda Hurtado et al., 2024). Estas representaciones sociales influyen en la forma en que se integra la IA en las prácticas pedagógicas.

Para una implementación efectiva, no basta con el conocimiento técnico. Se requiere una formación pedagógica que aborde los aspectos éticos, sociales y epistemológicos de la IA. Los programas de capacitación docente deben incluir reflexiones sobre el papel del ser humano en la investigación, la responsabilidad en el uso de tecnologías y la promoción de una cultura científica crítica y humanista.

El futuro de la enseñanza de la metodología de investigación en las universidades dependerá de la capacidad de las instituciones para adaptarse a los cambios tecnológicos sin perder de vista los principios fundamentales de la investigación científica. La IA ofrece oportunidades para mejorar la eficiencia y la profundidad del análisis, pero también plantea riesgos que deben ser gestionados con responsabilidad.

Es imperativo desarrollar marcos de competencias en IA específicos para la educación superior, fomentar la formación docente interdisciplinaria y promover una cultura de investigación ética y crítica. Solo así se podrá garantizar que la enseñanza de la metodología de investigación siga siendo un pilar de la formación universitaria en la era digital.

Referencias

Acosta, D., Rodríguez, W. A., Peñaherrera, M. F., García, S., & La O, Y. (2021). Metodología de la investigación en la educación superior. Universidad y Sociedad, 13(4). http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2218-36202021000400283

Morales-Roblero, E. G., Unapucha-Tenorio, E. J., Barba-Cevallos, R. P., & Cevallos-de la Torre, M. A. (2025). La inteligencia artificial en la investigación educativa dentro del contexto de la educación superior: un estudio documental sistemático. Polo del Conocimiento, 10(5), 1720-1738. https://www.uv.mx/rmipe/files/2025/08/La-inteligencia-artificial-en-la-investigacion-educativa.pdf

Mujica-Sequera, R. M. (2025). Impacto ético y social del uso de la IA en la educación superior. Docentes 2.0. https://blog.docentes20.com/2025/04/%e2%9c%8dimpacto-etico-y-social-del-uso-de-la-ia-en-la-educacion-superior-docentes-2-0/

Rentería García, C. D. (2024). El impacto de la inteligencia artificial en la educación superior: Representaciones sociales y transformación institucional. TIES, Revista de Tecnología e Innovación en Educación Superior, 11. https://www.ties.unam.mx/index.php/ties/article/download/47/24/662

Zepeda Hurtado, M. E., Cardoso Espinosa, E. O., & Cortés Ruiz, J. A. (2024). Influencia de la inteligencia artificial en la educación media y superior. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(28). https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-74672024000100679

“¿Por qué aprendes mejor que la empresa para la que trabajas?” de Javier Martínez Aldano. Reseña

El filtro invisible de la ciencia: el proceso de revisión por pares explicado paso a paso

Las feminitecas en México: análisis crítico de una política pública con perspectiva de género