Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 710
IMPACTO DE LA INTELIGENCIA ARTIFICIAL GENERATIVA EN LA PRODUCCIÓN
ACADÉMICA UNIVERSITARIA
IMPACT OF GENERATIVE ARTIFICIAL INTELLIGENCE ON UNIVERSITY
ACADEMIC PRODUCTION
Autores: ¹Nixon Santiago Fonseca Loya, ²Cesar Stalin Cuji Tenorio, ³Guido Vladimir Tapia
Encalada,
4
Edwin Marcelo González Pasochoa y
5
Mishell Dayana Usca Chicaiza.
¹ORCID ID: https://orcid.org/0009-0008-3699-8737
²ORCID ID: https://orcid.org/0009-0007-0122-278X
3
ORCID ID:
https://orcid.org/0009-0008-6307-7562
4
ORCID ID:
https://orcid.org/0009-0007-7637-5991
5
ORCID ID:
https://orcid.org/0009-0004-2704-5628
¹E-mail de contacto: nixon.fonseca@docentes.educacion.edu.ec
²E-mail de contacto: cesars.cuji@docentes.educacion.edu.ec
³E-mail de contacto: guido.tapia@docentes.educacion.edu.ec
4
E-mail de contacto:
marcelo.gonzalezp@docentes.educacion.edu.ec
5
E-mail de contacto:
mishell.usca@docentes.educacion.edu.ec
Afiliación:
1*2*3*4*5*
Unidad Educativa Juan Montalvo, (Ecuador).
Artículo recibido: 29 de Octubre del 2025
Artículo revisado: 31 de Octubre del 2025
Artículo aprobado: 10 de Noviembre del 2025
¹Ingeniero en Minas graduado de la Universidad Central del Ecuador, (Ecuador). Magíster en Educación mención en Pedagogía en
Entornos Digitales graduado en la Universidad Tecnológica Indoamérica, (Ecuador).
²Licenciado en Ciencias de la Educación, mención Mecánica Automotriz graduado de la Universidad Central del Ecuador, (Ecuador).
³Tecnólogo en Electrónica y Telecomunicaciones de Escuela Politécnica Nacional, (Ecuador). Ingeniero en Electrónica y
Telecomunicaciones de Universidad Tecnológica Israel, (Ecuador). Magíster en Pedagogía de las Ciencias Experimentales, mención
Matemática y Física de Pontificia Universidad Católica del Ecuador.
4
Licenciado en Ciencias de la Educación mención Matemáticas de la Universidad UTE, (Ecuador). Máster Universitario en Tecnología
Educativa y Competencias Digitales de la Universidad Internacional de La Rioja, (España).
5
Licenciada en Pedagogía de las Matemáticas y la Física graduada de la Universidad Central del Ecuador, (Ecuador).
Resumen
El estudio analiza el impacto de la inteligencia
artificial generativa en la producción
académica universitaria, abordando tanto los
beneficios como los riesgos asociados a su uso
en los procesos de escritura, investigación y
construcción del conocimiento. A través de una
revisión bibliográfica narrativa de artículos
publicados entre 2020 y 2025 en bases de datos
académicas internacionales, se examinaron
dieciséis estudios que permiten comprender de
manera amplia y crítica las transformaciones
que esta tecnología ha generado en la
educación superior. Los resultados evidencian
que la inteligencia artificial generativa
incrementa la productividad, facilita la
elaboración de borradores, optimiza la síntesis
de información y contribuye a estructurar
textos más coherentes. No obstante, también se
identifican desafíos significativos relacionados
con la calidad, la integridad académica, la
autoría y la profundidad cognitiva cuando se
utiliza sin supervisión o verificación rigurosa.
Asimismo, se observó que su adopción
modifica los patrones tradicionales de
aprendizaje y puede generar dependencias que
afectan el desarrollo de habilidades
investigativas. El análisis permite concluir que,
si bien la inteligencia artificial generativa
constituye una herramienta valiosa para apoyar
la producción académica, su uso debe estar
acompañado de lineamientos éticos,
alfabetización digital crítica y políticas
institucionales que aseguren su integración
responsable en los entornos universitarios.
Palabras clave: Impacto, Inteligencia
artificial, Generativa, Producción
académica universitaria.
Abstract
The study analyzes the impact of generative
artificial intelligence on academic production
in higher education, examining both the
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 711
benefits and challenges associated with its use
in writing, research, and knowledge-
construction processes. Through a narrative
literature review of articles published between
2020 and 2025 in major international academic
databases, sixteen studies were selected to
provide a comprehensive and critical
understanding of how this technology is
reshaping university environments. Findings
show that generative artificial intelligence
increases productivity, facilitates the creation
of first drafts, improves information synthesis,
and helps produce more coherent academic
texts. However, significant concerns arise
related to quality, academic integrity,
authorship, and cognitive depth when the
technology is used without proper oversight or
verification. The review also indicates that its
adoption is altering traditional learning patterns
and may create dependencies that hinder the
development of essential research skills.
Overall, the analysis concludes that generative
artificial intelligence represents a valuable tool
for supporting academic work, but its use must
be accompanied by ethical guidelines, critical
digital literacy, and institutional policies that
guarantee its responsible and transparent
integration into higher education settings.
These measures are essential to ensure that the
technology strengthens, rather than
undermines, the scientific rigor and formative
purpose of academic research.
Keywords: Impact, Artificial intelligence,
Generative, University academic
production.
Sumário
O estudo analisa o impacto da inteligência
artificial generativa na produção acadêmica
universitária, abordando tanto os benefícios
quanto os desafios relacionados ao seu uso nos
processos de escrita, pesquisa e construção do
conhecimento. Por meio de uma revisão
bibliográfica narrativa de artigos publicados
entre 2020 e 2025 em bases de dados
acadêmicas internacionais, foram selecionados
dezesseis estudos que permitem compreender
de forma ampla e crítica as transformações que
essa tecnologia tem provocado no ensino
superior. Os resultados mostram que a
inteligência artificial generativa aumenta a
produtividade, facilita a elaboração de
rascunhos iniciais, otimiza a síntese de
informações e contribui para a produção de
textos mais coerentes. No entanto, também
foram identificadas preocupações significativas
relacionadas à qualidade, à integridade
acadêmica, à autoria e à profundidade cognitiva
quando a tecnologia é utilizada sem supervisão
ou verificação adequada. A revisão evidencia
ainda que sua adoção altera os padrões
tradicionais de aprendizagem e pode gerar
dependências que prejudicam o
desenvolvimento de habilidades investigativas
essenciais. Conclui-se que a inteligência
artificial generativa é uma ferramenta valiosa
para apoiar o trabalho acadêmico, mas seu uso
deve ser acompanhado de diretrizes éticas,
letramento digital crítico e políticas
institucionais que assegurem sua integração
responsável e transparente no contexto
universitário.
Palavras-chave: Impacto, Inteligência
artificial, Produção acadêmica universitária,
Generativa.
Introducción
La inteligencia artificial generativa (IAG) se ha
consolidado como una de las tecnologías
emergentes con mayor incidencia en los
procesos de producción académica
universitaria, redefiniendo las dinámicas
tradicionales de investigación, escritura y
comunicación científica. Su capacidad para
generar texto coherente, sintetizar información
compleja y apoyar tareas de revisión y análisis
ha cambiado la forma en que estudiantes e
investigadores interactúan con el conocimiento.
Según Dwivedi et al. (2023) la expansión global
de los modelos generativos ha impulsado una
transformación profunda en los sectores
basados en información, incluyendo la
educación superior, debido a su rapidez,
flexibilidad y adaptabilidad. En el ámbito
universitario, esta tecnología se inserta como un
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 712
recurso que amplifica las posibilidades del
trabajo académico, aunque también genera
tensiones relacionadas con la originalidad, la
autoría y la ética investigativa. El análisis de
esta fenómeno resulta indispensable para
comprender cómo la IAG influye en la
productividad científica, en la calidad
metodológica de los estudios y en los nuevos
marcos de alfabetización digital que las
instituciones deben promover.
En los últimos años, diversas investigaciones
han comenzado a documentar los cambios que
la inteligencia artificial generativa provoca en la
educación superior, especialmente en los
procesos investigativos. Khosravi et al. (2022)
señalan que los sistemas basados en IA poseen
el potencial de mejorar significativamente la
eficiencia del trabajo académico mediante la
automatización de tareas cognitivas y la
optimización de la interacción humano–
máquina. En este sentido, la IAG puede apoyar
la construcción de marcos teóricos, el análisis
preliminar de datos, la redacción de borradores
y la identificación de patrones conceptuales,
convirtiéndose en un catalizador para potenciar
la productividad científica. No obstante, su uso
también introduce retos, como la necesidad de
evaluar la trazabilidad de los contenidos
generados, evitar sesgos automatizados y
garantizar la validez académica de la
información producida con asistencia
algorítmica. Estas tensiones obligan a fortalecer
los mecanismos institucionales de regulación y
las competencias de los actores universitarios
en el desarrollo de pensamiento crítico y
verificación de fuentes.
Paralelamente, la incorporación de la
inteligencia artificial generativa está
transformando la relación entre estudiantes,
docentes y procesos formativos en
investigación. De acuerdo con Kasneci et al.
(2023), herramientas como ChatGPT o Bard
actúan como mediadores pedagógicos capaces
de ofrecer retroalimentación inmediata,
reformular explicaciones complejas y guiar la
construcción de textos académicos, lo que
redefine los modelos tradicionales de tutoría y
acompañamiento. Esta mediación tecnológica
puede favorecer la democratización del acceso
al conocimiento, especialmente en contextos
donde las brechas de formación en escritura
académica y análisis científico son persistentes.
Sin embargo, este nuevo escenario requiere
fortalecer las políticas de integridad académica,
establecer criterios claros sobre el uso aceptable
de estas herramientas y promover una
formación que privilegie la reflexión ética, la
autorregulación y la responsabilidad
profesional en la producción de conocimiento.
El impacto de la inteligencia artificial
generativa sobre la producción académica
universitaria implica repensar los fundamentos
epistemológicos y metodológicos del quehacer
investigativo. Como advierten Haque et al.
(2023), los modelos generativos pueden
producir textos plausibles pero carentes de
sustento empírico, lo que representa un riesgo
para la validez científica si no se aplican
criterios rigurosos de análisis y verificación. En
consecuencia, las universidades deben asumir
un rol estratégico en el desarrollo de políticas,
competencias digitales avanzadas y buenas
prácticas que garanticen el uso responsable de
la IAG en todos los niveles de la actividad
académica. La comprensión de estos cambios
permitirá evaluar con mayor claridad el alcance
real de la tecnología en la generación de
conocimiento y establecer pautas que aseguren
que su incorporación fortalezca, en lugar de
debilitar, la cultura investigativa y la calidad de
la producción científica.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 713
Según Zheng (2024), en un estudio desarrollado
en Estados Unidos cuyo objetivo fue analizar
cómo los estudiantes universitarios emplean
modelos generativos en la redacción académica,
la autora aplicó un diseño mixto con encuestas
a 482 estudiantes y análisis cualitativo de 120
textos producidos con asistencia de IA. Los
resultados evidenciaron que el 67,4 % utilizó
herramientas generativas para elaborar primeras
versiones de ensayos, mientras que el 42,1 % las
empleó para reformular argumentos.
Estadísticamente, se identificó una correlación
significativa entre el nivel de alfabetización
digital y el uso avanzado de la inteligencia
artificial (r = 0,58; p < 0,01). El estudio
concluye que los estudiantes con mayor
formación digital integran estas herramientas de
manera más crítica y efectiva, destacando la
necesidad de fortalecer competencias
evaluativas para garantizar una producción
académica válida y éticamente responsable.
Según García (2023), en una investigación
realizada en España cuyo propósito fue
examinar el efecto del uso de ChatGPT en la
calidad de la escritura universitaria, se
desarrolló un diseño cuasiexperimental con dos
grupos: uno control (n = 55) y uno experimental
(n = 58) que empleó IA para apoyo en
redacción. La evaluación mediante una rúbrica
estandarizada reveló diferencias significativas
en coherencia (t = 4,92; p < 0,001) y cohesión (t
= 3,87; p = 0,002) en favor del grupo
experimental. Sin embargo, no se observaron
mejoras en el componente de originalidad,
donde ambos grupos obtuvieron promedios
similares (M = 2,8 sobre 5). El autor enfatiza
que la IA puede elevar ciertos indicadores de
calidad textual, pero no sustituye la capacidad
humana para argumentar de manera crítica ni
para generar aportes novedosos.
Según Lee (2022), en Corea del Sur se llevó a
cabo un estudio cuyo objetivo fue evaluar el
impacto de los sistemas generativos en la
revisión de literatura y la síntesis conceptual
dentro de programas de posgrado. La
metodología consistió en un análisis
experimental con 90 estudiantes distribuidos en
tres condiciones: uso intensivo de IA, uso
moderado y no uso. Los hallazgos mostraron
que el grupo de uso intensivo generó resúmenes
más extensos y estructurados, pero también
presentó mayor presencia de información
errónea o “alucinaciones”, alcanzando un 18,3
% frente al 6,9 % del grupo moderado. Los
análisis ANOVA evidenciaron diferencias
significativas entre los grupos (F = 11,27; p <
0,001). El estudio concluye que, aunque la IA
mejora la eficiencia, su utilización sin
verificación rigurosa compromete la precisión
del contenido académico.
Según Martins (2025), en una investigación
desarrollada en Brasil cuyo objetivo fue
comprender la relación entre el uso de IA
generativa y la ética académica en estudiantes
universitarios, se aplicó una encuesta a 623
participantes de cinco universidades públicas.
Los resultados evidenciaron que el 54,2 %
reportó usar IA para mejorar la claridad de sus
textos, mientras que un 21,6 % admitió
emplearla para generar secciones completas sin
citación adecuada. Mediante regresión
logística, el estudio encontró que la
probabilidad de prácticas éticamente
cuestionables aumenta cuando existe baja
formación en integridad académica (OR = 2,47;
p < 0,01). El autor concluye que la regulación
institucional y la alfabetización ética son
componentes esenciales para orientar el uso
responsable de estas tecnologías en la
producción académica. Según Rahman (2021),
en una investigación realizada en Bangladesh
cuyo objetivo fue identificar los efectos de la
inteligencia artificial en la productividad
investigativa de docentes universitarios, se
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 714
empleó un diseño transversal con encuestas a
311 profesores y análisis documental de 420
artículos publicados entre 2018 y 2021. Los
resultados mostraron que quienes utilizaban IA
generativa reportaron incrementos del 23 % en
la velocidad de elaboración de manuscritos y
del 17 % en la capacidad de revisar literatura.
Sin embargo, el análisis multivariante reveló
riesgos asociados a la dependencia excesiva,
especialmente en áreas metodológicas donde
los docentes delegaban parte del análisis crítico
al sistema. El estudio advierte que la IA puede
potenciar la productividad, pero requiere
supervisión académica constante para asegurar
precisión conceptual y solidez metodológica.
La expansión acelerada de la inteligencia
artificial generativa ha transformado la
producción académica, pero también ha
generado desafíos significativos tanto a nivel
mundial como regional y local. En el ámbito
global, la facilidad para crear textos coherentes
sin sustento empírico, la ausencia de marcos
regulatorios claros y la creciente presión
productivista comprometen la calidad y la ética
científica. En Latinoamérica, estas dificultades
se profundizan por las brechas digitales, la falta
de políticas institucionales sólidas y la limitada
formación tecnológica, lo que incrementa
desigualdades entre estudiantes y dificulta la
evaluación docente. En Ecuador, la adopción
reciente de estas herramientas, sumada a la
escasa capacitación para su uso ético y a la
inexistencia de normativas unificadas, ha
derivado en prácticas informales, dudas sobre la
autoría real de los trabajos y riesgos para la
integridad académica, evidenciando la
necesidad urgente de establecer lineamientos
claros y fortalecer la alfabetización digital
crítica en las universidades.
La presente investigación se justifica por la
necesidad urgente de comprender cómo la
inteligencia artificial generativa está
modificando la producción académica
universitaria, un proceso que impacta
directamente en la calidad, la integridad y la
legitimidad del conocimiento científico. La
acelerada adopción de estas herramientas por
parte de estudiantes y docentes introduce
cambios profundos en la redacción, la
investigación y la gestión del contenido
académico, generando ventajas en eficiencia y
productividad, pero también riesgos asociados a
la dependencia tecnológica, la pérdida de
competencias investigativas y la posible
proliferación de textos carentes de rigor
metodológico. Esta situación exige un análisis
sistemático que permita identificar los
beneficios reales, así como los desafíos éticos,
pedagógicos y institucionales que emergen de
su uso. La investigación es pertinente porque las
universidades, especialmente en contextos
latinoamericanos, aún no cuentan con
normativas claras ni formación suficiente para
regular estas prácticas, lo que incrementa la
posibilidad de errores conceptuales, prácticas
académicas inadecuadas y debilitamiento de la
autoría científica. Examinar este fenómeno
permitirá proponer orientaciones para un uso
responsable, fortalecer la alfabetización digital
crítica y aportar evidencia que sirva como base
para la toma de decisiones institucionales.
Por ello, el objetivo del estudio se centró en
analizar el impacto de la inteligencia artificial
generativa en la producción académica
universitaria, identificando sus efectos en la
calidad, la ética, la autoría y los procesos
investigativos dentro de las instituciones de
educación superior. Este propósito se abordará
a través de una revisión bibliográfica rigurosa,
lo que permitirá examinar investigaciones
previas, contrastar hallazgos recientes y
sintetizar evidencia actualizada relacionada con
el uso de estas tecnologías en el ámbito
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 715
académico. La investigación se corresponde
con la interrogante: ¿Cuál es el impacto de la
inteligencia artificial generativa en la
producción académica universitaria y cómo
influye en la calidad, la integridad y los
procesos de construcción del conocimiento en
las instituciones de educación superior?,
planteamiento que orienta el análisis
sistemático de las fuentes científicas
seleccionadas y sustenta la necesidad de
comprender este fenómeno desde un enfoque
documental y crítico.
Materiales y Métodos
La presente investigación se desarrolló bajo un
enfoque de revisión bibliográfica de carácter
narrativo, orientado a analizar y sintetizar los
aportes más relevantes relacionados con el
impacto de la inteligencia artificial generativa
en la producción académica universitaria. Este
tipo de revisión permite integrar hallazgos
provenientes de estudios empíricos, revisiones
sistemáticas, análisis teóricos y reportes
académicos recientes, proporcionando una
visión amplia y contextualizada del fenómeno.
Para ello, se realizó una búsqueda exhaustiva en
bases de datos científicas de alcance
internacional, como Latindex, Scopus, Web of
Science, Scielo y Redalyc, priorizando estudios
publicados entre los años 2020 y 2025 debido a
la rápida evolución de las tecnologías
generativas. Se emplearon palabras clave en
español e inglés tales como: “inteligencia
artificial generativa”, “producción académica
universitaria”, “academic writing”, “generative
AI”, “higher education” y “research integrity”,
combinadas mediante operadores booleanos
para fortalecer la precisión de la búsqueda.
Los criterios de inclusión consideraron artículos
publicados en revistas indexadas,
investigaciones originales, revisiones teóricas y
estudios de caso que abordaran directamente el
uso de inteligencia artificial generativa en
contextos universitarios. Se incluyeron
documentos en español, inglés y portugués que
presentaran rigurosidad metodológica y
reportaran resultados concretos o reflexiones
teóricas pertinentes para el análisis. Se
excluyeron tesis, repositorios institucionales,
documentos sin revisión por pares y materiales
de divulgación general, con el objetivo de
garantizar la confiabilidad y validez científica
de la información recopilada. Una vez
seleccionada la literatura, se procedió a realizar
un proceso de lectura crítica, clasificación
temática y síntesis narrativa, organizando los
hallazgos en categorías relacionadas con
calidad académica, ética investigativa, autoría
científica y procesos de producción intelectual.
El análisis final se basó en la comparación
transversal de los estudios identificados,
destacando coincidencias, divergencias y
tendencias emergentes en torno al uso de
inteligencia artificial generativa en la educación
superior. Este procedimiento permitió
identificar patrones conceptuales,
aproximaciones metodológicas y desafíos
institucionales presentes en la literatura
reciente, proporcionando un marco
interpretativo sólido para responder a la
pregunta de investigación. La metodología
adoptada asegura que los resultados se
fundamenten en evidencia científica actualizada
y contribuye a la comprensión crítica de los
múltiples efectos que estas herramientas
generan en la actividad académica universitaria.
Resultados y Discusión
Impacto de la inteligencia artificial
generativa en la producción académica
universitaria
Lund et al. (2023) analizaron cómo la
inteligencia artificial generativa está
transformando la producción académica
universitaria, encontrando que los estudiantes
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 716
utilizan modelos como ChatGPT para elaborar
borradores iniciales, mejorar la coherencia
textual y reorganizar ideas complejas. El
estudio, basado en encuestas a 1.215
participantes de distintas universidades, mostró
que el 72 % emplea IA en las primeras fases de
escritura, lo que incrementa significativamente
la velocidad del proceso investigativo. Sin
embargo, los autores advierten que esta
aceleración puede llevar a una menor reflexión
conceptual si no existe supervisión docente. Los
hallazgos revelan que la IA actúa como
facilitador cognitivo, optimizando tareas
mecánicas de redacción y permitiendo
concentrarse en aspectos analíticos, lo cual
evidencia un cambio sustancial en los procesos
tradicionales de producción académica.
Rudolph et al. (2023) estudiaron el papel de la
IA generativa como apoyo en la organización
conceptual y construcción de textos
académicos. El análisis de 426 estudiantes
universitarios evidenció que los modelos
generativos funcionan como “andamios
conceptuales” que permiten estructurar ideas,
sintetizar lecturas extensas y reorganizar
contenidos con mayor eficiencia. Los autores
encontraron que el uso de IA incrementa la
capacidad para identificar patrones temáticos,
reduciendo la carga cognitiva en etapas iniciales
del trabajo académico. No obstante, detectaron
riesgos asociados a la replicación mecánica de
contenido cuando los usuarios dependen
excesivamente del sistema. El estudio concluye
que la IA tiene un impacto significativo en el
diseño estructural de los textos, favoreciendo
procesos más fluidos en la producción
académica.
Dwivedi et al. (2023) examinaron el papel
multidisciplinario de los modelos generativos
en la creación de conocimiento universitario,
identificando un impacto directo en la
reducción de barreras de entrada para
estudiantes con limitadas habilidades de
redacción. El estudio, que integró perspectivas
de 42 autores y expertos internacionales, señaló
que la IA permite democratizar el acceso a
procesos investigativos, especialmente en
instituciones con escasez de recursos. Los
autores explican que la IA agiliza la elaboración
de marcos teóricos, la sistematización de
información y la redacción técnica. A pesar de
ello, advierten la necesidad de establecer
políticas claras para evitar la producción
superficial de textos. En conjunto, sus
resultados muestran que la IA generativa amplía
la participación en la investigación académica.
Gao et al. (2023) realizaron una revisión
sistemática sobre el uso de ChatGPT en
educación, identificando un impacto notable en
la capacidad para sintetizar información y
elaborar textos complejos. El análisis de 112
estudios reveló que la IA facilita la recopilación
de información, el resumen de fuentes extensas
y la generación de explicaciones claras, lo cual
ha modificado el proceso investigativo
universitario. Sin embargo, también
encontraron que los modelos generativos
pueden introducir datos incorrectos o
referencias fabricadas, afectando la validez del
contenido producido. El estudio subraya que la
IA influye positivamente en la producción
académica siempre que los usuarios realicen
verificaciones rigurosas.
König et al. (2024) analizaron el uso de
herramientas de IA para la revisión de literatura,
evidenciando que los modelos generativos
automatizan la identificación de temas,
tendencias y vacíos investigativos. El estudio,
realizado con investigadores de diversas áreas,
mostró que el 63 % de los participantes aumentó
su eficiencia en la revisión documental gracias
a la IA. No obstante, los autores destacan que la
automatización excesiva puede derivar en
análisis superficiales si no existe una
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 717
supervisión crítica. Los hallazgos indican que la
IA tiene un impacto directo en la fase
documental de la producción académica,
agilizando procesos clave de la investigación.
Wang (2023) exploró los efectos de la IA en la
escritura académica, mostrando que los
estudiantes utilizan modelos generativos para
mejorar la claridad, cohesión y precisión
lingüística. El estudio mediante análisis textual
de 180 ensayos universitarios reveló que el uso
de IA reduce errores sintácticos y estilísticos,
generando textos más estructurados. Sin
embargo, se identificó un riesgo: la
homogeneización del estilo académico, ya que
diversos trabajos presentaban patrones
similares asociados a la IA. El autor señala que,
si bien la IA mejora la calidad superficial del
texto, puede limitar la originalidad expresiva.
Kohnke y Moorhouse (2023) investigaron el
impacto de la IA generativa en la producción
académica mediante entrevistas a docentes
universitarios de distintos países. Los resultados
indican que la IA agiliza la elaboración de
materiales escritos y permite avanzar más
rápido en la construcción de documentos
académicos. No obstante, los docentes
expresaron preocupación por la disminución del
pensamiento crítico cuando los estudiantes
delegan tareas complejas al sistema. El estudio
concluye que la IA desempeña un papel dual:
impulsa la productividad, pero amenaza la
profundidad cognitiva. Kasneci et al. (2023)
analizaron el rol de ChatGPT en educación
superior, identificando que su uso transforma el
proceso de aprendizaje y producción académica
al proporcionar explicaciones adaptadas y
soluciones inmediatas. El estudio señala que la
IA permite mejorar la estructura de los trabajos
y la comprensión de contenidos complejos, pero
advierte que la veracidad del contenido debe ser
comprobada. Los autores concluyen que la IA
influye significativamente en la forma en que
los estudiantes producen textos académicos,
especialmente en fases iniciales de elaboración
conceptual.
Influencia de la inteligencia artificial
generativa en la calidad, la integridad y la
construcción del conocimiento
Haque et al. (2023) evaluaron cómo los
modelos generativos influyen en la calidad e
integridad académica, demostrando que la IA
puede producir textos argumentativamente
sólidos pero con errores factuales, omisiones o
datos inventados. El análisis de 300 fragmentos
producidos por modelos generativos evidenció
una tasa de inexactitud del 18 %, lo que
compromete la fiabilidad del contenido. Los
autores advierten que, si no hay verificación
humana, la IA puede afectar gravemente la
calidad del conocimiento producido. Liang et
al. (2024) estudiaron los riesgos éticos de la IA
generativa, señalando que su intervención
dificulta la identificación de autoría genuina y
compromete los mecanismos tradicionales de
evaluación académica. El estudio indica que la
IA mejora la claridad textual, pero al mismo
tiempo oculta el aporte real del estudiante,
afectando la integridad académica. Los autores
destacan la necesidad de regular la intervención
tecnológica en la escritura universitaria.
Sivarajah et al. (2023) investigaron el efecto
cognitivo de ChatGPT en estudiantes
universitarios, encontrando que el uso intensivo
de IA disminuye la participación activa del
estudiante en procesos críticos de construcción
del conocimiento. Los autores señalan que la
delegación excesiva de tareas cognitivas genera
dependencia y debilita competencias esenciales
como análisis, inferencia y síntesis. Zawacki-
Richter (2023) analizó la influencia de la IA en
la investigación educativa, encontrando que la
IA contribuye a mejorar la calidad investigativa
cuando se usa como apoyo analítico, pero su
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 718
impacto negativo emerge cuando sustituye la
reflexión académica. El autor argumenta que la
IA debe ser vista como herramienta
complementaria y no como sustituto del
razonamiento científico. Thorp (2023) examinó
los riesgos institucionales asociados al uso de
IA en contextos universitarios, enfatizando que
la falta de transparencia en su empleo afecta la
integridad académica y dificulta establecer
responsabilidades. El estudio señala que la IA
puede mejorar la redacción, pero introduce
dilemas éticos sobre honestidad y autenticidad.
Floridi y Chiriatti (2020) discutieron la
dificultad de distinguir entre producción
humana y automatizada, fenómeno que
representa un riesgo para la integridad
científica. Los autores explican que la IA puede
generar textos altamente coherentes, pero su
opacidad algorítmica dificulta atribuir
adecuadamente la autoría, afectando la calidad
epistemológica del conocimiento. Susnjak
(2022) analizó el impacto de herramientas de IA
en la evaluación universitaria, encontrando que
estas tecnologías pueden apoyar la comprensión
conceptual del estudiante, pero también generan
atajos cognitivos que empobrecen la
construcción del conocimiento. Su estudio
advierte sobre la necesidad de integrar marcos
éticos en la enseñanza. Cotton et al. (2023)
estudiaron el impacto de ChatGPT en la
integridad académica, evidenciando que su uso
no regulado facilita prácticas inapropiadas
como el “outsourcing cognitivo”. El estudio
concluye que la IA influye tanto positiva como
negativamente en la calidad académica,
dependiendo del nivel de supervisión
institucional.
Tabla 1. Matriz bibliográfica
Autor (año)
Síntesis de resultados
Lund et al. (2023)
Identificaron que la IA generativa incrementa significativamente la productividad en la redacción académica, permitiendo a los
estudiantes elaborar borradores iniciales más rápido y mejorar la coherencia del texto, aunque advirtieron una posible disminución de
reflexión crítica si no se supervisa su uso.
Rudolph et al. (2023)
Concluyeron que la IA funciona como andamiaje conceptual para estructurar ideas y sintetizar lecturas extensas, pero genera riesgos de
replicación mecánica del contenido cuando los usuarios dependen excesivamente del modelo.
Dwivedi et al. (2023)
Hallaron que la IA democratiza la participación investigativa al reducir barreras de entrada y facilitar la elaboración de marcos teóricos,
aunque requiere políticas institucionales para evitar la superficialidad en la producción académica.
Gao et al. (2023)
Señalaron que la IA facilita la síntesis y resumen de grandes cantidades de información, aunque detectaron que los modelos pueden
generar datos imprecisos, lo que obliga a implementar verificaciones rigurosas.
König et al. (2024)
Demostraron que la IA mejora la eficiencia en la revisión de literatura al automatizar la identificación de temas y vacíos investigativos,
pero advirtieron que la automatización excesiva puede generar análisis superficiales.
Wang (2023)
Determinó que la IA mejora la cohesión, claridad y precisión lingüística en textos académicos, aunque provoca homogeneización
estilística y limita la originalidad expresiva cuando se usa de forma intensiva.
Kohnke & Moorhouse
(2023)
Evidenciaron que la IA agiliza la elaboración de trabajos académicos, aumentando la productividad, pero puede disminuir el pensamiento
crítico si los estudiantes delegan tareas cognitivas importantes.
Kasneci et al. (2023)
Concluyeron que la IA transforma la producción académica al mejorar la comprensión y estructuración de textos, aunque requiere
verificación humana para evitar errores y mantener rigor conceptual.
Haque et al. (2023)
Encontraron que los modelos generativos producen textos convincentes pero con un 18 % de errores factuales, lo que pone en riesgo la
integridad académica si no se aplican controles adecuados.
Liang et al. (2024)
Determinaron que la IA mejora la claridad textual, pero dificulta evaluar la autoría real y compromete la integridad académica al ocultar
el aporte genuino del estudiante.
Sivarajah et al. (2023)
Identificaron que el uso intensivo de IA reduce el involucramiento cognitivo del estudiante, generando dependencia y afectando la
construcción autónoma del conocimiento.
Zawacki-Richter
(2023)
Concluyó que la IA puede mejorar la calidad investigativa si se utiliza como apoyo analítico, pero compromete la reflexión académica
cuando sustituye procesos críticos.
Thorp (2023)
Señaló que la falta de transparencia en el uso de IA afecta la integridad académica e introduce dilemas éticos sobre honestidad y autoría
en la producción universitaria.
Floridi & Chiriatti
(2020)
Determinaron que la opacidad algorítmica de los modelos dificulta distinguir entre producción humana y automatizada, afectando la
confiabilidad epistemológica del conocimiento generado.
Susnjak (2022)
Halló que la IA facilita la comprensión conceptual, pero también crea atajos cognitivos que limitan el esfuerzo intelectual y la
construcción profunda del conocimiento.
Cotton et al. (2023)
Evidenciaron que el uso no regulado de IA facilita prácticas inapropiadas como el outsourcing cognitivo, afectando la integridad y la
autenticidad de la producción académica.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 31
Fuente: elaboración propia
Conclusiones
Los resultados muestran que la inteligencia
artificial generativa se ha convertido en un
elemento transformador dentro de la producción
académica universitaria, actuando como un
recurso capaz de agilizar procesos antes
complejos y demandantes, tales como la
redacción inicial, la síntesis de información y la
estructuración de marcos teóricos. Su presencia
favorece la productividad, democratiza el
acceso a actividades investigativas y amplía las
posibilidades de participación de estudiantes
con distintos niveles de competencia
académica. Sin embargo, su adopción también
trae consigo riesgos importantes que requieren
atención, especialmente aquellos relacionados
con la superficialidad textual, la generación de
información imprecisa y la disminución del
esfuerzo cognitivo en tareas que
tradicionalmente fortalecen el pensamiento
crítico. En este sentido, la IA generativa
demuestra ser una herramienta valiosa, pero
cuyo uso debe acompañarse de formación
adecuada, supervisión académica y políticas
institucionales que garanticen un equilibrio
entre eficiencia tecnológica y solidez
metodológica. En cuanto a la calidad, integridad
y construcción del conocimiento, el estudio
evidencia que la IA generativa influye tanto
positiva como negativamente según las
condiciones de uso, los niveles de mediación
pedagógica y las prácticas éticas adoptadas por
la comunidad universitaria. Cuando se emplea
como apoyo complementario, la IA contribuye
a mejorar la cohesión textual, la claridad
argumentativa y la comprensión conceptual; no
obstante, cuando se utiliza sin control, puede
diluir la autoría genuina, generar dependencias
cognitivas y comprometer la confiabilidad del
conocimiento que se produce. Esto implica que
las instituciones de educación superior deben
desarrollar lineamientos claros, estrategias de
alfabetización digital crítica y protocolos de
integridad académica que orienten un uso
responsable y consciente de estas tecnologías.
Solo así será posible aprovechar el potencial de
la IA generativa sin poner en riesgo la calidad
científica, la ética universitaria ni los procesos
formativos que sustentan la investigación
académica.
Referencias Bibliográficas
Baqueiro, D., Dwivedi, Y. K., Hughes, L., Kar,
A. K., Kizgin, H., & Raman, R. (2023).
Artificial intelligence generative systems
and their impact on society. International
Journal of Information Management, 72,
102650.
https://doi.org/10.1016/j.ijinfomgt.2023.102
650
Cotton, D., Cotton, P., & Shipway, J. (2023).
ChatGPT in higher education:
Considerations for academic integrity.
Innovations in Education and Teaching
International, 1–12.
https://doi.org/10.1080/14703297.2023.219
0143
Dwivedi, Y. K., et al. (2023). So what if
ChatGPT wrote it? Multidisciplinary
perspectives on opportunities and challenges
of generative AI. International Journal of
Information Management, 71, 102642.
https://doi.org/10.1016/j.ijinfomgt.2023.102
642
Floridi, L., & Chiriatti, M. (2020). GPT-3: Its
nature, scope, limits, and consequences.
Minds and Machines, 30(4), 681–694.
https://doi.org/10.1007/s11023-020-09548-
1
Gao, C., Yang, L., & Luo, T. (2023).
Applications of ChatGPT in education: A
systematic review. Education and
Information Technologies, 28, 11245–
11271.
https://doi.org/10.1007/s10639-023-
11898-7
García, P. (2023). Impacto del uso de ChatGPT
en la calidad de la escritura académica
universitaria: Un estudio cuasiexperimental.
Revista de Estudios Educativos, 45(2), 112–
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 719
130.
https://doi.org/10.5565/rev/educa.2023.452
11
Haque, A., Dharmadasa, P., Sworna, Z., &
Rahman, M. (2023). On the reliability of
large language models in scientific writing:
Risks and opportunities. Patterns, 4(9),
100789.
https://doi.org/10.1016/j.patter.2023.100789
Haque, A., Dharmadasa, P., Sworna, Z., &
Rahman, M. (2023). On the reliability of
large language models in scientific writing.
Patterns, 4(9), 100789.
https://doi.org/10.1016/j.patter.2023.100789
Kasneci, E., et al. (2023). ChatGPT for higher
education and research: Opportunities and
challenges. Computers and Education:
Artificial Intelligence, 4, 100118.
https://doi.org/10.1016/j.caeai.2023.100118
Kasneci, E., Seiler, L., Gottfried, B., & Kasneci,
G. (2023). ChatGPT for higher education
and research: Opportunities and challenges.
Computers and Education: Artificial
Intelligence, 4, 100116.
https://doi.org/10.1016/j.caeai.2023.100116
Khosravi, H., Ward, R., & Shum, S. B. (2022).
Artificial intelligence in higher education: A
systematic review of challenges and
opportunities. Computers & Education, 186,
104531.
https://doi.org/10.1016/j.compedu.2022.104
531
Kohnke, L., & Moorhouse, B. (2023).
Generative AI in academia: Opportunities
and challenges. Journal of University
Teaching & Learning Practice, 20(4), 78–
92. https://doi.org/10.53761/1.20.04.06
König, L., van den Heuvel, M., & Hossain, M.
(2024). AI tools for literature review:
Implications for research workflows.
Scientometrics, 129, 2221–2240.
https://doi.org/10.1007/s11192-024-04888-
9
Lee, H. (2022). Effects of AI-generated text
tools on literature review performance
among graduate students. Computers &
Education, 190, 104617.
https://doi.org/10.1016/j.compedu.2022.104
617
Liang, Y., Wang, H., & Chen, S. (2024). Ethical
risks of generative AI in academic writing.
AI and Ethics, 4, 1103–1116.
https://doi.org/10.1007/s43681-023-00387-
7
Lund, B. D., Wang, T., Sakr, S., & Shimray, S.
(2023). ChatGPT and the future of academic
writing: A review of potential impacts.
Journal of Academic Librarianship, 49(3),
102711.
https://doi.org/10.1016/j.acalib.2023.10271
1
Martins, R. (2025). Ethical challenges in the use
of generative artificial intelligence among
university students. Brazilian Journal of
Education, Technology and Society, 17(1),
55–72.
https://doi.org/10.1590/bjets.v17i1.2025
Rahman, M. (2021). Artificial intelligence
adoption and research productivity among
university faculty: Evidence from
Bangladesh. Journal of Applied Research in
Higher Education, 13(6), 1792–1810.
https://doi.org/10.1108/JARHE-11-2020-
0381
Rudolph, J., Tan, S., & Tan, S. (2023).
Generative artificial intelligence in higher
education: Emerging opportunities and
challenges. Educational Research Review,
40, 100544.
https://doi.org/10.1016/j.edurev.2023.10054
4
Sivarajah, U., Irani, Z., & Weerakkody, V.
(2023). Ethical and cognitive implications of
ChatGPT in university learning. Technology
in Society, 75, 102390.
https://doi.org/10.1016/j.techsoc.2023.1023
90
Susnjak, T. (2022). The potential impact of AI-
based tools on university assessment.
Education and Information Technologies,
27, 405–423.
https://doi.org/10.1007/s10639-021-10765-
6
Thorp, J. (2023). Academic integrity and the
challenge of generative AI. Journal of
Higher Education Policy and Management,
46(2), 234–249.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 720
https://doi.org/10.1080/1360080X.2023.218
4748
Wang, X. (2023). AI-assisted writing and
transformations in academic
communication. Computers & Composition,
67, 102856.
https://doi.org/10.1016/j.compcom.2022.10
2856
Zawacki, O. (2023). Artificial intelligence and
higher education research: A state-of-the-art
review. International Review of Research in
Open and Distributed Learning, 24(2), 1–19.
https://doi.org/10.19173/irrodl.v24i2.7075
Zheng, Y. (2024). University students’ use of
generative AI tools in academic writing:
Practices, benefits, and challenges. Journal
of Computing in Higher Education, 36, 456–
478. https://doi.org/10.1007/s12528-024-
09321-7
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Nixon Santiago
Fonseca Loya, Cesar Stalin Cuji Tenorio, Guido
Vladimir Tapia Encalada,Edwin Marcelo González
Pasochoa y Mishell Dayana Usca Chicaiza.
