Implementación de inteligencia artificial como asistente para investigación;
Del problema a la gestión de datos, un análisis sistemático de la literatura reciente.
Por: Samuel Ocón López. Msc.
samuel@pmeconomists.com, samloconl@gmail.com.
https://orcid.org/0000-0001-5712-0052
Resumen
Este paper trata de explicar los tres primeros componentes del proceso de investigación científica cuando es apoyado de herramientas de la Inteligencia Artificial (IA) con el objetivo de fortalecer el rigor metodológico, la eficiencia en la recolección y análisis de datos, así como la claridad en la comunicación de resultados en el contexto de las ciencias sociales. La metodología de este estudio adopta un enfoque cualitativo con método inductivo, sistematizando los hallazgos de la literatura reciente desde una perspectiva exploratoria con el fin de identificar patrones, tendencias, y vacíos en el uso de inteligencia artificial en contextos académicos para potenciar la investigación y la producción científica. Así mismo, implementa criterios de inclusión y exclusión para seleccionar las fuentes documentales. Entre los principales hallazgos encontramos que, se debe implementar la IA como asistente de investigación al menos con cuatro componentes de la metodología en un proceso interactivo con el prompt como instrumento de interacción con la IA. También encontramos que es conveniente el uso del criterio metodológico con técnicas válidas de investigación usando la IA para hacer el planteamiento del problema y formulación de hipótesis cuando esta aplica, los componentes de revisión de literatura, recolección y gestión de datos deben pasar por un procesamiento adicional de revalidación técnica para garantizar veracidad en la investigación.
Palabras clave: IA, planteamiento del problema, investigar, gestión de datos, revisión de literatura.
Abstract
This paper aims to explain the initial stages of the scientific research process when supported by Artificial Intelligence (AI) tools, with the goal of enhancing methodological rigor, efficiency in data collection and analysis, and clarity in the communication of results within the context of the social sciences. The methodology of this study adopts a qualitative approach with an inductive method, systematizing findings from recent literature from an exploratory perspective in order to identify patterns, trends, and gaps in the use of AI in academic settings to strengthen research and scientific production.
Furthermore, inclusion and exclusion criteria are implemented to select documentary sources. Among the main findings, it is noted that AI should be integrated as a research assistant in at least four components of the methodology, within an interactive process where the prompt serves as the primary instrument for engaging with the AI. It is also found that employing methodological criteria with valid research techniques using AI is beneficial for problem formulation and hypothesis generation, where applicable. Components such as literature review, data collection, and data management must undergo additional technical validation processes to ensure the accuracy and reliability of the research.
Keywords: AI, problem statement, research, data management, literature review.
Introducción
El desarrollo tecnológico ha permitido a las sociedades adaptarse al uso, aplicación y experiencias que nos deja el modernismo. En el ramo académico hay principios normativos que calidad el rigor científico, sin embargo, la sociedad académica ha tenido que adaptarse a las nuevas tendencias digitales para continuar con la producción de descubrimientos que abonan el desarrollo humano. En este sentido, cabe apuntar que la transformación astronómicamente veloz que ha alcanzado la inteligencia artificial (IA), entendida en algunos casos como modelos generativos, sobre la manera en que se produce conocimiento científico en todas las áreas del conocimiento es invaluable. A continuación, se explica el proceso de investigación científica por medio de la implementación de inteligencia artificial en el contexto de un análisis sistemático de literatura actual. El objeto de esta propuesta es explicar el rigor metodológico, las premisas para plantear un problema y la hipótesis, la revisión de literatura con la IA como asistente para garantizar la veracidad en la recolección y de datos.
Entre los
principales resultados presentamos tres componentes de la metodología de
investigación que conforman el objeto de esta, representando los más relevantes
de implementar para realizar investigación científica apoyada en IA, en ellos,
tratamos de explicar la manera técnicamente válida para hacer el planteamiento
del problema y formulación de hipótesis, proceso de revisión de literatura,
recolección y gestión de datos. De los tres componentes encontramos una
interacción que debe realizar el investigador con la IA como asistente, luego,
cada componente debe procesarse en diferentes fases y cumplir ciertas
características para que la IA genere un proceso lógico que aporte a la
generación de un objeto lógico de investigación con la que posteriormente, se
genera una retroalimentación en la que el investigador debe procesar una vez más
los datos de la IA por medio de revalidación técnica según sus criterios científicos,
para garantizar veracidad en la investigación.
Metodología
La metodología aquí propuesta integra al menos tres de siete componentes investigativos que nos permitirán desarrollar la temática en estudio descritos de la siguiente manera.
Enfoque metodológico
Este
estudio adopta un enfoque cualitativo con método inductivo, orientado a
identificar patrones, tendencias y vacíos en la literatura académica reciente
sobre el uso de inteligencia artificial (IA) como herramienta para potenciar la
investigación y la producción científica. Tipo de estudio: Se trata de
una revisión de literatura exploratoria, con elementos de análisis
temático. Este tipo de revisión permite organizar, sintetizar y valorar el
conocimiento acumulado en torno a un fenómeno específico, sin pretender una
evaluación sistemática o metaanálisis. Criterios de selección: Se
establecieron los siguientes criterios de inclusión y exclusión para
seleccionar las fuentes documentales como puede verse en la tabla 1.
Tabla 1: Criterios de selección de fuentes documentales.
|
Criterio de
inclusión |
Criterio de
exclusión |
|
1.
Artículos
académicos revisados por pares. 2.
Publicaciones
entre los años 2015 y 2024. 3.
Publicaciones
excepcionales más cercanas antes del año 2015. 4.
Idiomas: español
e inglés. 5.
Enfoque directo
en el uso de IA en la investigación, redacción científica, productividad
académica o gestión del conocimiento. |
1.
Artículos de
opinión sin respaldo metodológico. 2.
Estudios
centrados en áreas técnicas sin vinculación directa con la producción
académica. |
Fuente: Elaboración propia
Fuentes de información
Las fuentes se obtuvieron mediante búsqueda en bases de datos académicas reconocidas, tales como: Scopus, Web of Science, SpringerLink, Google Scholar, EBSCOhost. Se utilizaron términos clave como: "inteligencia artificial", "producción académica", "investigación científica", "academic productivity", "AI in research", "literature review", para analizar el enfoque de uso de IA. También se usaron términos clave como: “metodología de investigación journal”, “problema de investigación journal”, “Modelo ilustrativo de investigación científica asistida con Inteligencia Artificial (IA)” para generar las interacciones de los componentes de investigación.
Procedimiento de análisis
El
proceso de análisis se desarrolló en tres fases, tal y como se presenta en la
tabla 2. Parte de este trabajo fue asistido por el modelo ChatGPT de OpenAI
(versión GPT-4o), utilizado para la generación de ideas preliminares, revisión
estructural y propuesta de redacción. Todos los contenidos fueron revisados,
editados y validados por el autor/investigador.
Tabla
2: Fases del proceso de análisis.
|
Fase |
Características |
|
1, Recopilación de estudios.
|
Se identificaron y seleccionaron 40 documentos
relevantes. |
|
2, Codificación temática. |
Se categorizaron
los hallazgos según los siguientes ejes: ·
Automatización de procesos investigativos. ·
Asistencia en escritura académica. ·
Evaluación de calidad científica. ·
Limitaciones éticas y metodológicas. |
|
3, Síntesis inductiva.
|
A partir de la observación de los estudios se
establecieron patrones emergentes, brechas de conocimiento y propuestas de
líneas futuras de investigación. |
Fuente:
Elaboración propia.
Limitaciones metodológicas; Dado que no se aplicó un protocolo sistemático como
PRISMA, existe una limitación en la exhaustividad de la búsqueda. No
obstante, se priorizó la profundidad en el análisis temático, buscando
contribuir a la construcción de conocimiento desde un enfoque exploratorio.
Resultados y discusión.
Como resultado de esta investigación, encontramos que, por norma general, el proceso debe cumplir con el rigor científico pasando por al menos siete componentes que son; la definición del problema que nos genera objetivos, la formulación de la hipótesis que no se plantea por obligatoriedad, la revisión de literatura relacionada con el tema, recolección y gestión de datos que son necesarios para sintetizar información, análisis de datos en procesos metodológicos, redacción y estructura del informe de investigación, validación y revisión por pares asistida, publicación y difusión en dependencia del objeto de investigación, más adelante desarrollamos la teoría alrededor de cada uno. Es importante señalar que, cada componente puede ser asistido por inteligencia artificial en un complejo proceso de interacciones ente el investigador y la IA utilizada. En la ilustración 1 planteamos las interacciones que encontramos sobre el uso de IA en el proceso investigativo.
Ilustración 1: Interacciones entre la implementación de inteligencia artificial y la investigación en ciencias sociales.
Fuente: Elaboración propia.
1, Definición del problema y formulación de la hipótesis
Espinoza (2018), citando a López (2008) indica que, el problema científico es un conocimiento previo de lo desconocido, una incógnita en la ciencia que requiere investigación. Por tanto, la solución que se encuentre debe contribuir a la transformación del objeto, al enriquecimiento del conocimiento…, de tal manera que en la literatura científica se encuentra el problema científico formulado como pregunta o en forma de objetivo. El problema de investigación constituye el eje en torno al cual se diseña la estructura del estudio, su correcta formulación facilita la solución al problema que se investiga Coronel-Carvajal (2024) . La calidad de su problema de investigación a menudo marca la diferencia entre el éxito y el fracaso, Shuttleworth (2008). Según Ocón López (2025), hay dos formas de interactuar con el planteamiento del problema. En la tabla 3 se presentan los procesos de interacción con IA como asistente.
Tabla 3: Definición del problema y formulación de hipótesis con la IA como asistente.
Método científico | Interacción con IA |
1, Metodología: Identifica una brecha clara en el conocimiento, revisa datos preliminares o consulta expertos, y delimita con preguntas como: ¿qué, por qué, para quién? | 1, Crear un Prompt: “Estoy desarrollando una investigación en …cualquier rama del conocimiento... sobre …el objetivo... ¿Puedes ayudarme a redactar el planteamiento del problema desde una perspectiva de ...?” 2, Consejo IA: Agrega: “Hazlo con una redacción formal académica, máximo 250 palabras.” 3, Repetir la interacción: Hasta que la información de interés esté claramente definida. |
Fuente: Elaboración propia con datos de Ocón López (2025).
De acuerdo con Freire (2022), podemos hacernos muchas preguntas e investigarlas, pero si no responden a un problema, nuestro estudio no tendría ningún interés. Por su parte, Bauce (2007), encuentra el planteamiento del problema como un denominador común en tesis de grado o cualquier otro tipo de trabajo investigativo que le piden revisar, subrayando que a pesar de los planteamientos de problema que analice, siempre surgen dudas de saber si el planteamiento está bien redactado, así mismo, sugiere que plantear el problema equivale a estructurar formalmente una idea inicial de un tema a investigar, por lo que organiza el problema de investigación como un proceso que comienza por la descripción de un problema real, pasando por reducción y focalización, hasta continuar con la reflexión y el razonamiento. Por su parte, Arias (2020) plantea que, el problema de investigación tiene una carga de subjetividad inicial, personal y social; en concordancia, para contrarrestar esta subjetividad y entregarle objetividad, se exige que otra persona también ser interese en el problema, que alguien más se haya preguntado algo semejante en un contexto similar, de ahí la importancia de la revisión de antecedentes.
2, Revisión de literatura asistida por IA
Muchas herramientas de Revisiones Sistemáticas de Literatura (SLR), por sus siglas en inglés, han experimentado un desarrollo y avances significativos en los últimos años, donde las características de funcionalidad que incluyen capacidades para rastrear y auditar proyectos, soporte para múltiples usuarios y roles, desde el enfoque de gestión de referencias ha experimentado una mejora considerable…las herramientas más completas en términos de cobertura de características incluyen DistillerSR, Nested Knowledge, Dextr, ExaCT, PICOPortal y Rayyan. en escenarios prácticos, la selección de estas herramientas debe guiarse por las necesidades específicas del usuario y los casos de uso, Bolaños et, al (2024). Según Nazmiye, et. Al. (2024).
De acuerdo con Mustafa, et al, (2024), la IA se utiliza principalmente para apoyar a maestros y estudiantes en educación con menos enfoque en otros actores educativos (por ejemplo, líderes escolares o administradores). Efectuar un proceso de revisión de la literatura académica implica abordar varios elementos reproducibles, como la identificación de todas las publicaciones relevantes de una manera estandarizada, la extracción de datos y la síntesis de los resultados, Carbajal-Degante, Hernández y Sánchez (2023). Sang, et al,. (2024), sugiere varias direcciones futuras, incluyendo la necesidad de incorporar las últimas tecnologías de IA, fortalecer la investigación en IAED en el contexto de la educación preescolar, mejorar la calidad de la investigación mediante métodos mixtos. Con el empleo de IA hasta el 70% de referencias citadas eran inexactas, se caracterizan por altos índices de similitud, requiere una verificación de datos amplia, Kacena., Plotkin., y Fehrenbacher., (2024). En la tabla 4 se presentan los procesos de interacción con IA como asistente de revisión de literatura.
Tabla 4: Interacción con IA como asistente de revisión de literatura.
Método científico | Interacción con IA |
1, Metodología: Realiza una búsqueda sistemática (bases como Scopus/WoS), establece criterios de inclusión/exclusión, sintetiza hallazgos con mapas temáticos o meta-análisis. | 1, Prompt sugerido: “Actúa como un asistente de revisión sistemática. Dame un resumen en 300 palabras de 3 artículos recientes (año 0-año n) sobre…, indicando autor, año, hallazgos y metodología, en estilo APA 7. Si no hay artículos exactos, usa temas similares.” 2, Repetir la interacción: Hasta que la información de interés esté claramente definida. 3, Consejo IA: · Implementar algoritmos de búsqueda automática para recopilar artículos relevantes de bases de datos científicas. · Aplicar herramientas de extracción y síntesis automática de información para construir revisiones sistemáticas y mapas conceptuales del campo de estudio. Utilizar modelos de clasificación para organizar la literatura por temas, enfoques metodológicos y hallazgos principales. |
Fuente: Elaboración propia con datos de Ocón López (2025).
De acuerdo con Wagner, et al, 2021, la construcción de la muestra bibliográfica corresponde a cada autor con base en aplicación de diferentes métodos de búsqueda, así como, bases de datos, escaneo de tablas de contenido, búsqueda de citas, entre otros. En la fase de revisiones sistemáticas de literatura, la inteligencia artificial empleada evidencia potencial para optimizar procesos, Martínez y Méndez, (2024).
3, Recolección y gestión de datos
Joob y Henie (2005) plantean que, para recopilar datos científicos se pueden emplear diversas estrategias como: experimentos y cuasiexperimentos, las encuestas o una muestra relativamente pequeña e intencional, inclusive mediante técnicas como entrevistas en profundidad, observación participante o grupos focales. Los datos se definen como: “material factual registrado, comúnmente aceptado en la comunidad científica como necesario para documentar, respaldar y validar los hallazgos de una investigación” (NIH, 2003), citado en Angelozzi (2020). La implementación del instrumento Plan de Gestión de Datos de Investigación (PGDI) contribuye a una mayor accesibilidad, reutilización y curación de los datos científicos, Hernández (2024). La planificación de la gestión de los datos utilizados y generados en una investigación pasó a formar parte integral de la metodología científica, Medeiros (2018). Lo más importante que hay que recordar al decidir sobre la recopilación de datos es...El enfoque consiste en adecuar los objetivos de la investigación y la naturaleza del entorno de investigación al método. En la tabla 5 se muestran los procesos de interacción con IA como asistente de recolección y gestión de datos.
Tabla 4: Interacción con IA como asistente de recolección y gestión de datos.
Método científico | Interacción con IA |
1, Metodología: · Define muestra y muestreo (probabilístico o no). · Usa formatos estandarizados (encuestas, protocolos). · Gestiona con herramientas (Excel, SPSS, bases SQL). · Garantiza calidad (pilotos, validación). 2, Prevención del plagio: En caso de usar datos secundarios, citar origen y evitar presentarlos como propios. | 1, Prompt sugerido: ““Sugiere un diseño de recolección de datos (instrumento y variables) para una investigación de tipo…, que busca determinar…. Incluye escala de medición y método de validación.” 2, Repetir la interacción: Hasta que la información de interés esté claramente definida. 3, Consejo IA: · No copiar y pegar sin revisar. Siempre reescribir en estilo propio. · Revisar y citar. Si usas partes generadas, hazlo explícito: · Ej.: “El análisis preliminar fue asistido por modelos generativos de lenguaje como ChatGPT.” · Comprobación con software anti‑plagio. · Documentar los prompts usados (en un apéndice del trabajo, si es académico). · Corroborar fuentes: si la IA menciona un artículo, verifícalo antes de citarlo. · Aplicar herramientas de extracción y síntesis automática de información para construir revisiones sistemáticas y mapas conceptuales del campo de estudio. Utilizar modelos de clasificación para organizar la literatura por temas, enfoques metodológicos y hallazgos principales. |
Fuente: Elaboración propia con datos de Ocón López (2025).
El conjunto tecnología, organización, entorno, compuesto de dimensiones tecnológicas que incluyen complejidad, infraestructuras TI, calidad, gobernanza, seguridad y privacidad de datos, así como dimensiones organizacionales de recursos financieros, competencias, recursos humanos, innovación y cultura, en dimensiones ambientales de presión externa o factores de desarrollo en el marco de una apertura de datos brinda beneficios como transparencia, cultura de participación, innovación y rendición de cuentas a organizaciones, gobiernos y, aún más importante, a la ciudadanía ( Janssen et al., 2012 ; Çaldağ, Gökalp y Gökalp, 2019 ), citado en Çaldağ y Gökalp, 2025.
A partir de lo anterior podemos plantear los siguientes puntos de análisis; La integración de inteligencia artificial en los procesos de investigación científica representa una transformación profunda en la forma en que se genera, valida y comunica el conocimiento. Desde la formulación del problema hasta la redacción del artículo científico, los asistentes IA, como ChatGPT ofrecen herramientas versátiles que, cuando son bien estructuradas mediante prompts claros y objetivos definidos, permiten al investigador optimizar tiempo, ampliar perspectivas y elevar la calidad metodológica de su estudio.
En el planteamiento del problema, la IA facilita la delimitación temática que requiere la debida revisión y el criterio del investigador, esta interacción promueve investigaciones más pertinentes. En la formulación de hipótesis, en caso que fuesen requeridas, ofrece estructuras lógicas y alineadas con marcos teóricos robustos, siempre y cuando predomine el criterio, análisis, interpretación y el dominio del investigador. La revisión de literatura, tradicionalmente extensa y laboriosa, se potencia con IA al sistematizar hallazgos, sugerir autores clave y ofrecer síntesis temáticas, aunque siempre exigiendo la verificación de fuentes reales para evitar errores o invenciones. En la recolección de datos, la IA sugiere diseños instrumentales claros, escalas de medición adecuadas y mecanismos de validación.
Las tendencias en el corto plazo apuntan a la consolidación de la investigación aumentada por IA, donde el investigador no sustituye su juicio crítico, sino que lo potencia. Se prevé una expansión de herramientas con revisión bibliográfica automatizada, edición por contexto disciplinar y recomendaciones metodológicas personalizadas, así como mayor regulación ética y antiplagio. En este escenario, la alfabetización en IA académica y la transparencia en su uso serán factores clave para la integridad y credibilidad de la ciencia del futuro inmediato.
Conclusión
La integración de la inteligencia artificial con la creación de artículos científicos en el marco de las ciencias sociales, que inclusive se puede extender a otras áreas del conocimiento, ofrece grandes oportunidades para innovar en los métodos de investigación y difusión científica. Sin embargo, su uso requiere de una postura crítica, ética y responsable por parte de las personas investigadoras, con el fin de garantizar la calidad, la originalidad y el impacto social de los conocimientos generados.
Dicho lo anterior, podemos concluir que, el uso de lo que conocemos como inteligencia artificial, y que en otros conceptos podían ser definidos como modelos generativos de información y procesamiento de datos con tecnologías de la información que pueden ser adoptados perfectamente para potencializar el método investigativo al usarlo como asistente en la metodología de investigación, esto requiere que en cada fase de la metodología de investigación que se aplique haya una interacción entre el investigador y la inteligencia artificial que se prefiera, inclusive en cada proceso de la investigación.
Ante la implementación de IA como asistente de investigación se genera una interacción que debe realizar el investigador, luego, cada componente debe procesarse en diferentes fases y cumplir ciertas características para que la IA genere un proceso lógico que aporte a la generación de un objeto lógico de investigación con la que posteriormente se da una retroalimentación en la que el investigador debe procesar una vez más los datos de la IA por medio de revalidación técnica según sus criterios científicos, para garantizar veracidad en la investigación.
Visto de manera desagregada este asistente puede tener beneficios de optimización de tiempo, orden lógico de ideas, potencia la creatividad de las personas, aclara los contenidos que el investigador puede presentar, sugiere en función de los intereses de la investigación de manera excluyente y permite que el rigor científico este ajustado a los parámetros investigativos, de tal forma que, favorece los procesos de resultados y discusiones evitando inferencias o sesgos, ello permite que los análisis sean mejor orientados y las temáticas abordadas tengan mayor claridad.
Es decir, los componentes investigativos de definir un problema, revisar literatura, recolectar o gestionar datos pasan por todo un proceso de planificación mayormente orientada a la objetividad de la temática que se desea investigar y es parte del contenido que estamos analizando. Ante estas prácticas de asistencia con la IA es importante que prevalezca el criterio científico como un componente ético qué será desarrollado en otra parte complementaria a este estudio.
Referencias
Angelozzi,
S. M. (2020). La gestión de datos de investigación en abierto: introducción al
rol emergente para las bibliotecas universitarias y científicas argentinas. Palabra
Clave (La Plata), 9(2). https://doi.org/10.24215/18539912e091
Arias-Castrillón, Juan Camilo. (2020). Plantear y formular un problema de investigación: un ejercicio de razonamiento. Revista Lasallista de Investigación, 17(1), 301-313. Epub February 02, 2021.https://doi.org/10.22507/rli.v17n1a4
Bauce, Gerardo. (2007). El problema de investigación. Revista de la Facultad de Medicina, 30(2), 115-118. Recuperado en 26 de junio de 2025, de http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-04692007000200003&lng=es&tlng=es.
Bolaños, F., Salatino, A., Osborne, F. et al. 2024. Inteligencia artificial para revisiones bibliográficas: oportunidades y desafíos. Artif Intell Rev 57 , 259. https://doi.org/10.1007/s10462-024-10902-3
Çaldağ, Murat T. Gökalp, Ebru. 2025. Understanding barriers affecting the adoption and usage of open access data in the context of organizations, Data and Information Management, Volume 9, Issue 1, 100049, ISSN 2543-9251, https://doi.org/10.1016/j.dim.2023.100049. Tomado de https://www.sciencedirect.com/science/article/pii/S2543925123000232, consultado el 03/07/2025.
Carbajal-Degante, E., Hernández Gutiérrez, M., & Sánchez-Mendiola, M. (2023). Hacia revisiones de la literatura más eficientes potenciadas por inteligencia artificial. Investigación en Educación Médica, 12(47), 111-119. https://doi.org/10.22201/fm.20075057e.2023.47.23526
Chisaba-Pereira, C.-A. (2024). Diseño del servicio de Gestión de Datos de Investigación en la Universidad Distrital Francisco José de Caldas: propuesta desde el Sistema de Bibliotecas. Infonomy, 2(2), e24030. https://doi.org/10.3145/infonomy.24.030
Coronel‑Carvajal, C. (2024, 28 de diciembre). El problema de investigación. Archivo Médico Camagüey, 28, e10328. Recuperado el 21 de julio de 2025, de https://revistaamc.sld.cu/index.php/amc/article/view/10328
Espinoza
Freire, E. E. (2018). El problema de investigación. Revista Conrado, 14(64),
22-32. Recuperado de http://conrado.ucf.edu.cu/index.php/conrado
Freire, Eudaldo. (2022). El problema, el objetivo, la hipótesis, y las variables de la investigación. Portal de la ciencia. 1. 1-71. 10.51247/pdlc.v1i2.320.
Hernández Gutierrez, K. A. (2024). Plan de Gestión de Datos de Investigación (PGDI): hacia una gestión científica más eficiente en la Universidad Centroamericana José Simeón Cañas. Biblios Journal of Librarianship and Information Science, (87), e003. https://doi.org/10.5195/biblios.2024.1232
Joop J. Hox, Hennie R. Boeije, 2005. Data Collection, Primary vs. Secondary, Editor(s): Kimberly Kempf-Leonard, Encyclopedia of Social Measurement, Elsevier, Pages 593-599, ISBN 9780123693983, https://doi.org/10.1016/B0-12-369398-5/00041-4.
Kacena, M. A., Plotkin, L. I., & Fehrenbacher, J. C. (2024). The Use of Artificial Intelligence in Writing Scientific Review Articles. Current osteoporosis reports, 22(1), 115–121. https://doi.org/10.1007/s11914-023-00852-0
Martínez Rámila, Karla & Méndez, Verónica. (2024). Inteligencia Artificial en Revisiones Sistemáticas de Literatura: experiencias de estudiantes en el contexto universitario. REVISTA PARAGUAYA DE EDUCACIÓN A DISTANCIA (REPED). 5. 66-75. 10.56152/reped2024-dossierIA1-art6.
Medeiros, Claudia, B. 2018. Gestión de Datos Científicos de la recolección a la preservación [online]. SciELO en Perspectiva , [consultado el 1 de julio de 2025]. Disponible en: https://blog.scielo.org/es/2018/06/22/gestion-de-datos-cientificos-de-la-recoleccion-a-la-preservacion/
Mustafa, MY, Tlili, A., Lampropoulos, G. et al. 2024. Revisión sistemática de la literatura sobre inteligencia artificial en educación (AIED): una hoja de ruta para una agenda de investigación futura. Smart Learn. Environ. 11 , 59. https://doi.org/10.1186/s40561-024-00350-5
Nazmiye Guler, Samuel N. Kirshner, Richard Vidgen. 2024. A literature review of artificial intelligence research in business and management using machine learning and ChatGPT, Data and Information Management, Volume 8, Issue 3. 100076, ISSN 2543-9251, https://doi.org/10.1016/j.dim.2024.100076.
Ocón López, S. (2025). Modelo ilustrativo de investigación científica asistida con inteligencia artificial: Desde el planteamiento del problema hasta la difusión [Manuscrito inédito asistido por IA]. OpenAI ChatGPT (versión GPT-4o). https://chatgpt.com/share/685ff425-38e4-800c-8901-27fd457ed849
Shan Wang, Fang Wang, Zhen Zhu, Jingxuan Wang, Tam Tran, Zhao Du,. 2024. Artificial intelligence in education: A systematic literature review, Expert Systems with Applications, Volume 252, Part A, 124167, ISSN 0957-4174, https://doi.org/10.1016/j.eswa.2024.124167.
Shuttleworth, Martyn. 2008. Definición de un Problema de Investigación. Jul 21, 2025 Obtenido de : https://explorable.com/es/definicion-de-un-problema-de-investigacion. Revisado el 21 de julio 2025.
Wagner, G., Lukyanenko, R. y Paré, G. (2021). Inteligencia artificial y la realización de revisiones bibliográficas. Journal of Information Technology , 37 (2), 209-226. https://doi.org/10.1177/02683962211048201. (Trabajo original publicado en 2022).
...................
