REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
1 | https://estudios.colincing.org/
La Inteligencia Artificial Generativa (AIG) en la elaboración de
trabajos de titulación: ¿Recurso educativo o atajo académico?
Task
Generative Artificial Intelligence (GAI) in the preparation of
graduation theses: educational resource or academic shortcut?
Andrés Eduardo Caina Guamán
I*
cainaand123@gmail.com
https://orcid.org/0009-0006-6557-3768
Correspondencia: cainaand123@gmail.com
Artículo de Investigación
Recibido: 6 de enero del 2025 Aceptado: 19 de febrero del 2025 Publicado: 25 de febrero del 2025
I. Ingeniero en Sistemas y Computación. Profesional Independiente. Riobamba, Ecuador.
Cómo citar este artículo:
Caina, A. (2025). La Inteligencia Artificial Generativa (AIG) en la elaboración de trabajos de titulación: ¿Recurso educativo
o atajo académico?. Revista Colincing de Estudios Multidisciplinarios, 1(1), e3. https://doi.org/10.61347/rcem.v1i1.e3
Copyright:
Derechos de autor 2025 Andrés Eduardo Caina Guamán.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0 (CC BY-NC 4.0)
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
2 | Andrés Eduardo Caina Guamán
Resumen: En los últimos años, la inteligencia artificial generativa (IAG) ha adquirido una
notable relevancia en el ámbito académico, particularmente en la elaboración de trabajos de
titulación, transformando la manera en que los estudiantes construyen y gestionan el
conocimiento. Su creciente presencia ha generado nuevas dinámicas dentro de los procesos
educativos tradicionales. Esta investigación tuvo como objetivo analizar la influencia del uso
de la IAG en la elaboración de trabajos de titulación. Se aplicó un enfoque cualitativo basado
en el análisis documental de fuentes académicas recientes. Los principales hallazgos incluyeron
la identificación de los tipos de IAG más utilizados, la evaluación de sus beneficios y riesgos,
y la propuesta de recomendaciones para su uso ético y responsable. En conclusión, la
inteligencia artificial generativa se posiciona como una herramienta valiosa que optimiza tareas
como la redacción, síntesis, citación y análisis de datos, siempre que su integración se realice
de manera crítica, ética y complementaria al trabajo humano. Para garantizar su
aprovechamiento adecuado, resulta indispensable establecer lineamientos claros, fomentar el
pensamiento reflexivo y salvaguardar la autoría y la calidad académica.
Palabras clave: Calidad académica, inteligencia artificial generativa, innovación educativa,
trabajos de titulación.
Abstract: In recent years, generative artificial intelligence (GAI) has gained significant
relevance in the academic field, particularly in the preparation of thesis and final projects,
transforming the way students construct and manage knowledge. Its growing presence has
introduced new dynamics within traditional educational processes. This research aimed to
analyze the influence of GAI use in the development of thesis work. A qualitative approach was
applied based on documentary analysis of recent academic sources. The main findings include
the identification of the most commonly used types of GAI, an assessment of their benefits and
risks, and the proposal of recommendations for their ethical and responsible use. In conclusion,
generative artificial intelligence stands as a valuable tool that optimizes tasks such as writing,
summarizing, citing, and data analysis, provided its integration is done critically, ethically, and
as a complement to human effort. To ensure its proper use, it is essential to establish clear
guidelines, encourage reflective thinking, and safeguard authorship and academic quality.
Keywords: Academic quality, generative artificial intelligence, educational innovation, thesis
work.
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
3 | Andrés Eduardo Caina Guamán
Introducción
Los trabajos de titulación constituyen proyectos académicos desarrollados por los estudiantes al
concluir su formación universitaria. Frecuentemente representan un desafío tanto para los docentes
como para los alumnos, debido a las complicaciones asociadas a su orientación, elaboración y
evaluación (Pereira et al., 2023). En los últimos años, el auge de la inteligencia artificial generativa, ha
comenzado a transformar la manera en que los estudiantes enfrentan estos desafíos.
Estas herramientas pueden asistir en tareas como la redacción, organización de contenidos y revisión
lingüística, lo que ha despertado tanto interés como preocupación en el ámbito académico (García et
al., 2024). Mientras algunos ven en la Inteligencia Artificial un apoyo para mejorar la calidad y
eficiencia del trabajo estudiantil, otros alertan sobre su posible uso indebido
puede socavar el propósito
fundamental de la educación: fomentar la comprensión, el pensamiento crítico y el aprendizaje genuino.
(Ateeq et al., 2024). Este debate refleja la tensión entre innovación tecnológica y los valores
tradicionales de la educación superior.
La inteligencia artificial generativa es una tecnología que, mediante modelos de aprendizaje
automático y procesamiento del lenguaje natural, permite generar contenidos originales como textos y
documentos a partir de instrucciones del usuario. Herramientas como ChatGPT pueden asistir en la
redacción, organización de ideas y revisión de textos, lo que las convierte en recursos útiles para los
estudiantes en la elaboración de trabajos de titulación (Gutiérrez, 2023; Lopezosa, 2023).
Se presentan diversos estudios que evidencian cómo la inteligencia artificial ha contribuido al
desarrollo de trabajos académicos, potenciando la investigación y la redacción. No obstante, también
se advierte un uso indebido de estas herramientas, al ser empleadas como atajos que fomentan el mínimo
esfuerzo por parte de algunos estudiantes para completar sus tareas académicas.
El artículo de Casado (2024) se enfoca en la etapa inicial del proceso académico, destacando cómo
la IAG, a través de chatbots como ChatGPT, puede integrarse en la metodología MoPI para apoyar la
generación y formulación de ideas en trabajos de titulación. La investigación demuestra que esta
tecnología potencia la creatividad y la organización temática, actuando como complemento innovador
a los métodos tradicionales. No obstante, subraya la importancia de comparar distintas herramientas
para maximizar su efectividad durante la fase de definición del proyecto.
Pereira et al. (2023) abordan el uso de la IAG en la fase de desarrollo y redacción de los trabajos
de fin de grado (TFGs). Este estudio resalta múltiples beneficios, como la posibilidad de estructurar
informes de manera más eficiente, mantener la originalidad, agilizar la redacción y apoyar a los
docentes en una evaluación más objetiva. No obstante, persiste el debate sobre su papel en la
educación, pues mientras algunos la consideran una herramienta pedagógica que potencia el
aprendizaje y la autonomía estudiantil, otros advierten que su uso indiscriminado podría comprometer
la integridad académica y limitar el desarrollo del pensamiento crítico. En este sentido, los autores
destacan la necesidad de una integración ética y pedagógica que equilibre la innovación con la
responsabilidad académica.
Finalmente, Ojeda et al. (2023) amplían la mirada hacia el impacto general de la IAG en la educación
universitaria. A través de entrevistas estructuradas y análisis de contenido, se concluye que herramientas
como ChatGPT son percibidas como recursos transformadores de los procesos de enseñanza y
aprendizaje. En particular, se destaca su utilidad para ofrecer apoyo personalizado, facilitar el acceso a
información precisa y asistir tanto a estudiantes como a docentes en la redacción de proyectos y la
retroalimentación inmediata.
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
4 | Andrés Eduardo Caina Guamán
El uso de la inteligencia artificial generativa (IAG) en la educación superior ha crecido rápidamente,
especialmente en la elaboración de trabajos de titulación. Aunque esta tecnología puede facilitar la
generación de contenido y la estructuración de propuestas académicas, también plantea riesgos
relacionados con la veracidad de la información, la ética en el uso de herramientas automatizadas y la
protección de datos (Caldeiro, 2024). Si bien su integración en los procesos académicos puede
representar una oportunidad para mejorar la eficiencia y la creatividad, también es necesario repensar
las prácticas educativas y formativas que rodean su uso, garantizando que no se comprometan principios
como la autonomía intelectual ni la integridad académica (Conde-Ruiz et al., 2024).
En este sentido se ha planteado como objetivo general, analizar la influencia del uso de la inteligencia
artificial generativa en la elaboración de trabajos de titulación. Para ello se establecieron los siguientes
objetivos específicos: Identificar los tipos de inteligencia artificial generativa que se usan en la
elaboración de trabajos de titulación. Determinar los beneficios y riesgos asociados al uso de la
inteligencia artificial generativa en los trabajos de titulación y finalmente, proponer recomendaciones
para un uso responsable de la inteligencia artificial generativa en trabajos de titulación.
Metodología
El presente estudio adoptó un enfoque cualitativo, orientado a analizar la influencia del uso de la
inteligencia artificial generativa (IAG) en la elaboración de trabajos de titulación. La investigación se
fundamentó en un análisis documental, a partir de la revisión de diversas fuentes académicas, tales
como artículos científicos, tesis de maestría y doctorado, que abordaron la aplicación y repercusiones
de la IAG en el ámbito educativo y específicamente en trabajos de titulación.
El proceso metodológico incluyó la búsqueda y selección de literatura relevante, utilizando criterios
de actualidad, pertinencia temática y rigor académico. Posteriormente, se realizó un análisis de
contenido para identificar patrones, categorías y tensiones que permitan comprender si la IAG funciona
como una herramienta colaborativa que potencia el aprendizaje, o si, por el contrario, fomenta prácticas
que comprometen la integridad académica. Esta aproximación cualitativa facilitó una comprensión
integral y crítica del fenómeno, sentando las bases para la formulación de recomendaciones orientadas
a un uso ético, pedagógico y responsable de la inteligencia artificial generativa.
Resultados
Los resultados obtenidos ofrecen una visión integral del objeto de estudio, permitiendo contrastar datos,
identificar patrones y plantear nuevas perspectivas que fortalecen el enfoque propuesto en la
investigación.
Tipos de inteligencia artificial generativa que se usan en la elaboración de trabajos de titulación
La tabla 1 presenta una clasificación de los principales tipos de inteligencia artificial generativa (IAG)
que los estudiantes emplean en la elaboración de trabajos de titulación. Se detallan las categorías
generales, su descripción funcional, algunos ejemplos representativos de herramientas disponibles y las
aplicaciones específicas que tienen dentro del proceso académico, desde la redacción de contenidos
hasta el análisis de datos o la creación de recursos visuales.
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
5 | Andrés Eduardo Caina Guamán
Tabla 1
Tipos de inteligencia artificial generativa en trabajos de titulación
Tipo de IA Generativa Descripción Ejemplos
Aplicaciones en
trabajos de titulación
Modelos de lenguaje natural
(LLM) (Rodríguez et al., 2024).
Generan texto coherente y
contextual a partir de
preguntas o indicaciones
(Rodríguez et al., 2024).
ChatGPT, Claude,
Bard, LLaMA
Redacción, generación
de ideas, corrección
gramatical, formulación
de hipótesis y objetivos
(González, 2024).
Generadores de resúmenes
automáticos (Zurita et al., 2025).
Permiten sintetizar
contenidos extensos en
versiones breves y
comprensibles, facilitando
la creación de resúmenes
informativos y útiles para
procesos educativos (Zurita
et al., 2025).
Resoomer,
Scholarcy, Bard y
Elicit
Resumen de artículos,
síntesis de marcos
teóricos o antecedentes
(Zurita et al., 2025).
Generación de citas (Paz-Enrique,
2023).
Generación automática y el
formato correcto de
referencias bibliográficas
según normas académicas
(APA, MLA, Chicago, entre
otras), agilizando la
organización de las fuentes
utilizadas en los trabajos de
investigación. (Paz-
Enrique, 2023).
Zotero, Mendeley
Creación y formato de
bibliografías,
organización de citas
(Gibert et al., 2023).
Generadores de contenido visual
(Espinoza, 2023).
Crean imágenes, diagramas
o ilustraciones a partir de
texto o ideas (Espinoza,
2023).
DALL·E,
Midjourney
Ilustraciones, diagramas
explicativos para
presentaciones y
documentos (Espinoza,
2023).
Generadores de código para
análisis (Berrones & Buenaño,
2023).
Producen scripts para
análisis de datos o
simulaciones (Salmerón et
al., 2023).
GitHub Copilot,
ChatGPT con
funciones de
programación
Desarrollo de análisis
estadístico,
procesamiento de datos o
simulaciones (Salmerón
et al., 2023).
Herramientas de traducción
automática (Briva-Iglesias, 2021).
Traducción de textos
académicos a otros idiomas
(Briva-Iglesias, 2021).
DeepL, Google
Translate
Traducción de
resúmenes, abstracts o
partes del trabajo en
otros idiomas (Flores,
2024).
Beneficios y riesgos asociados al uso de la inteligencia artificial generativa en los trabajos de
titulación
La inteligencia artificial en el ámbito educativo ha dejado de ser un tema emergente para convertirse en
una cuestión de considerable relevancia académica. El aumento significativo de publicaciones recientes
refleja su importancia creciente en la comunidad científica, evidenciando un amplio consenso sobre su
capacidad para revolucionar los procesos de enseñanza y aprendizaje (Pailiacho et al., 2025).
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
6 | Andrés Eduardo Caina Guamán
Según la investigación de Briñis (2024), algunos de los beneficios que ofrece la inteligencia artificial
generativa (IAG) incluyen la adaptación de contenidos y métodos a las necesidades individuales de los
estudiantes, lo cual facilita la adecuación del proceso de investigación y redacción. Además, la IAG
fortalece la atención personalizada durante el acompañamiento académico y tiene un potencial para
mejorar el rendimiento mediante el apoyo en la búsqueda, análisis y organización de información.
También contribuye a la creación de entornos colaborativos e interactivos, por ejemplo, a través de
plataformas que integran IA para el trabajo en equipo o asesorías. De igual manera, la IA enriquece la
labor pedagógica y facilita el aprendizaje, favoreciendo un proceso educativo más completo que
beneficia tanto a estudiantes como a tutores (Esteves, 2023).
Si bien la inteligencia artificial generativa (IAG) ofrece múltiples beneficios en el ámbito académico,
su uso en trabajos de titulación también conlleva ciertos riesgos que deben ser considerados con
precaución. Entre ellos, se encuentran las brechas tecnológicas que pueden afectar la equidad en el
acceso a herramientas de IA para procesos de investigación y redacción, limitando las oportunidades
para algunos estudiantes (Piedra-Castro et al., 2024).
El uso inadecuado de la inteligencia artificial puede comprometer la originalidad y autenticidad del
trabajo académico, ya sea por la generación de contenido impreciso, una gestión incorrecta de datos y
referencias, o la falta de citación adecuada, lo que incrementa el riesgo de plagio y plantea serios
desafíos éticos (Briñis, 2024; Bernilla, 2024).
Otro riesgo importante es la posible dependencia excesiva en sistemas automatizados, lo que puede
afectar negativamente el desarrollo del pensamiento crítico y la capacidad investigativa propia del
estudiante. Además, el uso de IA no siempre favorece el fortalecimiento de habilidades blandas como
el liderazgo, la inteligencia emocional o la resolución de problemas, competencias esenciales para la
defensa y presentación de los trabajos de titulación (Bernilla, 2024).
Recomendaciones para un uso responsable de la inteligencia artificial generativa en trabajos de
titulación
El uso de la inteligencia artificial generativa (IAG) en la elaboración de trabajos de titulación
requiere un manejo cuidadoso para garantizar la integridad académica y el desarrollo personal del
estudiante. Por ello, se recomienda:
• Crear guías propias que definan cuándo y cómo utilizar la IA en cada etapa del trabajo, adaptadas a
las necesidades y estilo del estudiante, para mantener control y coherencia.
• Fomentar la co-creación con la IA como colaborador crítico, en lugar de usar la IA solo como
generadora de contenido, entrenar al estudiante para dialogar con la IA, cuestionar sus propuestas y
usarla como un “mentor digital” que provoque debate y reflexión.
• Documentar cómo la IA influyó en cada parte del trabajo para identificar patrones de dependencia o
creatividad, y usar estos datos para mejorar el equilibrio entre el aporte humano y la máquina.
• Revisar y validar cuidadosamente toda la información y contenido generado por la IA, asegurando
la originalidad, coherencia y el respeto a las normas de citación para prevenir el plagio.
• Informar en el trabajo académico sobre el uso de herramientas de inteligencia artificial, promoviendo
la transparencia y honestidad en el proceso.
• Participar en capacitaciones o talleres sobre el uso ético y efectivo de la IA, para aprovechar al
máximo sus beneficios sin comprometer la calidad académica.
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
7 | Andrés Eduardo Caina Guamán
Discusión
Los hallazgos de esta investigación corroboran y amplían las evidencias presentadas en estudios previos
sobre el uso de la inteligencia artificial generativa (IAG) en trabajos de titulación. De acuerdo con Casado
(2024), la integración de herramientas como ChatGPT en etapas iniciales del proceso académico facilita
la generación y organización de ideas, lo que coincide con nuestros resultados que destacan el uso
predominante de modelos de lenguaje natural para redacción, formulación de hipótesis y corrección
gramatical (Rodríguez et al., 2024; González, 2024).
Sin embargo, nuestra investigación va más allá al clasificar otras categorías de IAG utilizadas por
estudiantes, incluyendo generadores de resúmenes automáticos, herramientas para la creación y formato
de citas, generadores de contenido visual, código para análisis estadístico y traducción automática (Zurita
et al., 2025; Paz-Enrique, 2023; Espinoza, 2023; Salmerón et al., 2023; Briva-Iglesias, 2021). Esta
diversidad refleja una adopción más amplia y multifacética de la IAG en el proceso académico,
confirmando la percepción de Ojeda et al. (2023) sobre el papel transformador y de apoyo personalizado
que estas tecnologías ofrecen a estudiantes y docentes.
Respecto a los beneficios, tanto Briñis (2024) como Esteves (2023) resaltan la capacidad de la IAG
para adaptar contenidos y métodos a las necesidades individuales, mejorar el acompañamiento académico
y fomentar entornos colaborativos e interactivos. Estos aspectos se reflejan claramente en nuestros
resultados, que evidencian cómo la IA no solo agiliza la búsqueda y organización de información, sino
que también enriquece la experiencia educativa al facilitar la co-creación entre estudiantes y tecnología.
La identificación de aplicaciones específicas para potenciar la atención personalizada y el desarrollo
cognitivo fortalece la idea de que la IAG puede complementar y potenciar el aprendizaje tradicional.
No obstante, al igual que Pereira et al. (2023), nuestra investigación también confirma la existencia de
riesgos asociados con el uso de la IAG, tales como brechas tecnológicas que limitan la equidad en el
acceso a herramientas y recursos, afectando potencialmente a estudiantes con menos oportunidades
(Piedra-Castro et al., 2024). Asimismo, el uso inadecuado de estas herramientas puede comprometer la
originalidad y autenticidad del trabajo, ya sea por generación de contenido impreciso o falta de una
correcta gestión y citación de fuentes, lo que incrementa el riesgo de plagio, un aspecto ético fundamental
señalado también por Bernilla (2024). En línea con estas preocupaciones, la dependencia excesiva en
sistemas automatizados podría afectar negativamente el desarrollo del pensamiento crítico y la autonomía
investigativa del estudiante, limitando habilidades blandas cruciales para la defensa y presentación de sus
trabajos, como liderazgo e inteligencia emocional (Bernilla, 2024).
Finalmente, la investigación subraya la necesidad de promover un uso responsable y ético de la IAG,
recomendando estrategias como la creación de guías adaptadas para cada etapa del trabajo de titulación,
el fomento de la co-creación entre el estudiante y la IA, y la documentación transparente del aporte
tecnológico en el proceso. Estas recomendaciones complementan las sugerencias de los estudios previos
y aportan un marco de acción práctico para equilibrar innovación tecnológica con integridad académica y
desarrollo personal.
La Inteligencia Artificial Generativa (IAG) en la elaboración de trabajos de titulación se presenta como
un recurso educativo valioso que facilita la creatividad, personalización y eficiencia en la investigación y
redacción, apoyando tanto a estudiantes como a docentes; sin embargo, su uso indebido puede convertirla
en un atajo académico que compromete la originalidad, el pensamiento crítico y el desarrollo de
habilidades esenciales, por lo que su integración debe ser responsable y ética, garantizando que la IA
complemente el aprendizaje sin sustituir el esfuerzo y la formación integral del estudiante.
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
8 | Andrés Eduardo Caina Guamán
Conclusiones
Se evidencia que los estudiantes recurren a una amplia variedad de herramientas tecnológicas que
cumplen funciones específicas en distintas etapas del proceso académico. Desde los modelos de
lenguaje natural, que permiten generar y corregir textos, hasta los generadores de contenido visual,
código y traducción automática, la IAG se ha consolidado como un recurso integral que optimiza tareas
clave como la redacción, síntesis, citación y análisis de datos. Esta diversidad de aplicaciones demuestra
que la IAG no solo agiliza el trabajo investigativo, sino que también contribuye a mejorar la calidad
técnica y formal de los trabajos de titulación, siempre que se utilice de forma ética, crítica y
complementaria al esfuerzo humano.
La inteligencia artificial generativa se perfila como una herramienta valiosa en la elaboración de
trabajos de titulación, al ofrecer beneficios relevantes como la personalización del aprendizaje, el apoyo
en procesos complejos de redacción y análisis, y la creación de entornos académicos más dinámicos.
Sin embargo, estos beneficios deben ser sopesados frente a los riesgos que implica su uso
indiscriminado, entre ellos la desigualdad en el acceso, la pérdida de autenticidad académica y la posible
afectación del pensamiento crítico y las habilidades blandas. Por tanto, su integración en el ámbito
universitario requiere un enfoque ético, equilibrado y formativo, que garantice tanto la calidad
académica como el desarrollo integral del estudiante.
En definitiva, el uso responsable de la inteligencia artificial generativa en trabajos de titulación exige
una actitud crítica, consciente y ética por parte de los estudiantes. Para que la IA sea una aliada en el
proceso formativo y no una vía de atajo académico, es fundamental establecer lineamientos claros,
fomentar el pensamiento reflexivo, garantizar la transparencia en su aplicación y fortalecer las
competencias digitales. Solo así será posible aprovechar sus beneficios sin comprometer la integridad,
la autoría y la calidad del trabajo académico.
Referencias
Ateeq, A., Alzoraiki, M., Milhem, M., & Ateeq, R. A. (2024). Artificial intelligence in education:
implications for academic integrity and the shift toward holistic assessment. Frontiers in
education, 9, 1470979. https://doi.org/10.3389/feduc.2024.1470979
Bernilla, E. (2024). Docentes ante la inteligencia artificial en una universidad pública del norte del Perú.
Educación, 33(64), 8-28. https://doi.org/10.18800/educacion.202401.m001
Berrones, L., & Buenaño, P. (2023). ChatGPT en el ámbito educativo. Esprint Investigación, 2(2), 45–
54. https://doi.org/10.61347/ei.v2i2.57
Briñis, A. (2024). Beneficios y limitaciones en docentes y estudiantes universitarios salvadoreños sobre
el uso de IA en procesos de enseñanza-aprendizaje. European Public & Social Innovation
Review, 9, 1–19. https://doi.org/10.31637/epsir-2024-368
Briva-Iglesias, V. (2021). Traducción humana vs. traducción automática: análisis contrastivo e
implicaciones para la aplicación de la traducción automática en traducción jurídica. Mutatis
Mutandis. Revista Latinoamericana de Traducción, 14(2), 571-600.
https://doi.org/10.17533/udea.mut.v14n2a14
Caldeiro, G. (2024). Inteligencia artificial generativa y educación: hacia un nuevo paradigma. El Faro.
Revista Digital De Docencia Universitaria, 1(1), 22-
43. https://revistaelfaro.uflo.edu.ar/index.php/elfaro/article/view/15
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
9 | Andrés Eduardo Caina Guamán
Casado, E. (2024). MoPI. IA: explorando la utilidad de la IA generativa para la ideación de proyectos
de tesis. European Public & Social Innovation Review, 9, 1-20. https://doi.org/10.31637/epsir-
2024-804
Conde-Ruiz, J., Ganuza, J., García, M., & Victoria, C. (2024). La demanda de educación superior ante
el cambio tecnológico y la inteligencia artificial. Papeles de economía española, (180), 62-88.
https://documentos.fedea.net/pubs/eee/2024/eee2024-09.pdf
Espinoza, A. (2023). Análisis de las mejores prácticas en la generación de contenido visual por
inteligencia artificial para optimizar la relevancia y el engagement del público objetivo de la
Pet Shop MásCoras en Quito Ecuador [Tesis de Maestría, Universidad Tecnológica Israel].
http://repositorio.uisrael.edu.ec/handle/47000/3986
Esteves, A. (2023). Aplicación de inteligencia artificial para el desarrollo de trabajos académicos en
universidades del Perú: un problema actual. Technological Innovations Journal, 2(4), 20-32.
https://doi.org/10.35622/j.ti.2023.04.002
Flores, C. (2024). Diseño e Implementación de un chatbot para la empresa Gigared utilizando la
herramienta Voiceflow [Tesis de Maestría, Instituto Superior Tecnológico Universitario
Rumiñahui]. https://repositorio.ister.edu.ec/handle/68000/410
García, F., 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. https://doi.org/10.5944/ried.27.1.37716
Gibert, R., Gorina, A., Reyes-Palau, N., Tapia-Sosa, E., & Siza, S. (2023). Educación 4.0: Enfoque
innovador apoyado en la inteligencia artificial para la educación superior. Universidad y
Sociedad 15(6), 60-74. https://rus.ucf.edu.cu/index.php/rus/article/view/4122
González, C. (2024). "El impacto de las herramientas de procesamiento de lenguaje natural (CHATGPT)
en la educación universitaria y en la investigación". Entrevista de Ignacio Fernández Chacón a
Carlos González Morcillo. Diálogos jurídicos.: Anuario de la Facultad de Derecho de la
Universidad de Oviedo, (9), 239-250. https://doi.org/10.17811/dj.9.2024.239-250
Gutiérrez, K. (2023). Inteligencia artificial generativa: Irrupción y desafíos. Enfoques, 4(2), 57-82.
https://revistasdigitales.uniboyaca.edu.co/index.php/EFQ/article/view/1075
Lopezosa, C. (2023). La Inteligencia artificial generativa en la comunicación científica: Retos y
oportunidades. Revista de Investigación e Innovación en Ciencias de la Salud, 5(1), 1-5.
https://doi.org/10.46634/riics.211
Ojeda, A., Solano-Barliza, A., Alvarez, D., & Cárcamo, E. (2023). Análisis del impacto de la
inteligencia artificial ChatGPT en los procesos de enseñanza y aprendizaje en la educación
universitaria. Formación universitaria, 16(6), 61-70. http://dx.doi.org/10.4067/S0718-
50062023000600061
Pailiacho, H., Chiriboga, A., Espinoza, J., & Villacís, M. (2025). Tendencias de IA para la educación
universitaria: un enfoque bibliométrico. Esprint Investigación, 4(1), 154–171.
https://doi.org/10.61347/ei.v4i1.102
Paz-Enrique, L. (2023). Citas fantasmas en artículos científicos: problemática creciente ante el uso de
la inteligencia artificial. Revista Médica Electrónica, 45(6), e5366.
https://revmedicaelectronica.sld.cu/index.php/rme/article/view/5366
REVISTA COLINCING | ISSN: 3103-1498
Vol. 1 Nº 1, enero-junio 2025, pp. e3
DOI: https://doi.org/10.61347/rcem.v1i1.e3
10 | Andrés Eduardo Caina Guamán
Pereira, J., Azanza, M., López, J., & Garmendia, X. (2023). Aplicación de la IA generativa para mejorar
el proceso de elaboración y evaluación de trabajos de fin de grado (TFGs). En Actas del VII
Congreso Internacional sobre Aprendizaje, Innovación y Cooperación, CINAIC 2023.
http://dx.doi.org/10.26754/CINAIC.2023.0049
Piedra-Castro, W., Cajamarca-Correa, M., Burbano-Buñay, E., & Moreira-Alcívar, E. (2024).
Integración de la inteligencia artificial en la enseñanza de las Ciencias Sociales en la educación
superior. Journal of Economic and Social Science Research, 4(3), 105-126.
https://doi.org/10.55813/gaea/jessr/v4/n3/123
Rodríguez, L., Fernández, A., Torres, M., Rodríguez, M., & Rodríguez, M. (2024). Inteligencia artificial
en la educación: Modelo de lenguaje de gran tamaño (LLM) como recurso educativo. REVISTA
IPSUMTEC, 7(2), 157–164. https://doi.org/10.61117/ipsumtec.v7i2.321
Zurita, G., Cevallos, G., & Toapanta, M. (2025). Uso de aplicaciones de Inteligencia Artificial y su
impacto en la generación de contenidos creativos en contextos educativos. Revista Social
Fronteriza, 5(1), e–612. https://doi.org/10.59814/resofro.2025.5(1)612
Declaraciones éticas
Conflicto de interés
El autor declara que no existe ningún tipo de conflicto de interés relacionado con la presente
investigación.
Fuente de financiamiento
La investigación fue financiada en su totalidad por el propio autor.
Contribución de autoría
Andrés Eduardo Caina Guamán: Conceptualización, metodología, software, validación, análisis formal,
investigación, gestión de datos, visualización, redacción - preparación del borrador original, redacción
- revisión y edición, financiamiento, administración del proyecto, recursos, supervisión.
El autor intervino de manera activa en el análisis de los resultados, así como en la revisión crítica y la
aprobación de la versión final del manuscrito para su publicación.
