Investigación universitaria con inteligencia artificial

Abstract

En las últimas décadas, hemos sido testigos de un rápido y significativo cambio en el paradigma de la investigación universitaria gracias a la incorporación progresiva de la Inteligencia Artificial. La investigación universitaria, tradicionalmente anclada en métodos y enfoques convencionales, ha experimentado una revolución impulsada por la capacidad de la IA para procesar grandes cantidades de datos, identificar patrones complejos y generar conocimientos predictivos. Este trabajo tiene como objetivo analizar la percepción de los docentes en torno a los desafíos éticos asociados con el uso de inteligencia artificial en entornos académicos y proponer enfoques para abordarlos. Para ello, fue aplicada una encuesta con escala de Likert a una comunidad de docentes universitarios. Los resultados revelan un alto grado de acuerdo con la existencia de desafíos éticos significativos asociados con el uso de inteligencia artificial en la investigación universitaria. Se destacan la falta de transparencia en los algoritmos, la identificación de sesgos éticos y la necesidad de políticas institucionales claras fueron temas prominentes.

In recent decades, we have witnessed a rapid and significant change in the paradigm of university research thanks to the progressive incorporation of Artificial Intelligence (AI). University research, traditionally anchored in conventional methods and approaches, has undergone a revolution driven by AI’s ability to process large amounts of data, identify complex patterns and generate predictive insights. This work aims to analyze teachers’ perceptions of the ethical challenges associated with the use of artificial intelligence in academic environments and propose approaches to address them. To do this, a survey with a Likert scale was applied to a community of university teachers. The results reveal a high degree of agreement with the existence of significant ethical challenges associated with the use of artificial intelligence in university research. The lack of transparency in algorithms, the identification of ethical biases and the need for clear institutional policies were prominent themes.