pág. 10784
COMPETENCIAS INVESTIGATIVAS E
INTELIGENCIA ARTIFICIAL EN ESTUDIANTES
DE UNA UNIVERSIDAD PRIVADA EN LIMA, PERÚ
INVESTIGATIVE SKILLS AND ARTIFICIAL INTELLIGENCE
IN STUDENTS OF A PRIVATE UNIVERSITY IN LIMA, PERÚ
Jhanet Elizabeth Carhuaricra Espinoza
Universidad Nacional Daniel Alcides Carrión, Perú
Roy Ramón Cornejo Flores
Universidad Nacional Daniel Alcides Carrión, Perú
Jessy Seida Gora Chamorro
Institución Educativa San Juan Bautista, Perú
Celia Cornejo Flores
Universidad Nacional Daniel Alcides Carrión, Perú
Enoc Eusebio Nina-Cuchillo
Universidad Nacional Mayor de San Marcos, Perú
pág. 10785
DOI: https://doi.org/10.37811/cl_rcm.v8i4.13223
Competencias Investigativas e Inteligencia Artificial en Estudiantes de una
Universidad Privada en Lima, Perú
Jhanet Elizabeth Carhuaricra Espinoza
1
jcarhuaricrae@undac.edu.pe
https://orcid.org/0009-0001-1480-8479
Universidad Nacional Daniel Alcides Carrión
Cerro de Pasco – Perú
Roy Ramón Cornejo Flores
rcornejof@undac.edu.pe
https://orcid.org/0009-0000-9408-6818
Universidad Nacional Daniel Alcides Carrión
Cerro de Pasco – Perú
Jessy Seida Gora Chamorro
jessygorachamorro.39@gmail.com
https://orcid.org/0009-0006-4355-0899
Institución Educativa San Juan Bautista
Cerro de Pasco – Perú
Celia Cornejo Flores
cornejocelia229@gmail.com
https://orcid.org/0009-0007-8277-7583
Universidad Nacional Daniel Alcides Carrión
Cerro de Pasco – Perú
Enoc Eusebio Nina Cuchillo
enoc.nina.c@gmail.com
https://orcid.org/0000-0002-9017-2265
Universidad Nacional Mayor de San Marcos
Lima – Perú
RESUMEN
El estudio buscó determinar la relación entre las competencias investigativas y la inteligencia artificial
en estudiantes de una universidad privada en Lima, Perú. El estudio se desarrolló mediante enfoque
cuantitativo, de tipo básico, diseño no experimental; nivel correlacional y corte transversal. La
población estuvo compuesta por 220 discentes universitarios, y se seleccionó una muestra de 120
estudiantes a través de un muestreo no probabilístico intencional. Se usó la técnica de la encuesta,
mediante un cuestionario de manera virtual a través de Google Forms. Los hallazgos revelan que las
competencias investigativas se ubican en nivel bajo (76,7%) y la inteligencia artificial se sitúa en nivel
deficiente (66,7%). De igual manera, el coeficiente de Spearman fue 0.845, y el nivel de significancia
0.000, siendo inferior a 0.05, se concluye que existe relación entre las competencias investigativas y la
inteligencia artificial en discentes de una universidad privada en Lima, Perú.
Palabras clave: inteligencia artificial, procesamiento de datos, método científico, análisis, investigación
1
Autor principal.
Correspondencia: enoc.nina.c@gmail.com
pág. 10786
Investigative Skills and Artificial Intelligence in Students of a Private
University in Lima, Perú
ABSTRACT
The study sought to determine the relationship between research skills and artificial intelligence in
students at a private university in Lima, Peru. The study was developed using a quantitative approach,
basic type, non-experimental design; correlational level and cross section. The population was made up
of 220 university students, and a sample of 120 students was selected through intentional non-
probabilistic sampling. The survey technique was used, through a virtual questionnaire through Google
Forms. The findings reveal that investigative skills are at a low level (76.7%) and artificial intelligence
is at a poor level (66.7%). Similarly, the Spearman coefficient was 0.845, and the significance level
0.000, being less than 0.05, it is concluded that there is a relationship between investigative skills and
artificial intelligence in students from a private university in Lima, Peru.
Keywords: artificial intelligence, data processing, scientific method, analysis, research
Artículo recibido 10 julio 2024
Aceptado para publicación: 15 agosto 2024
pág. 10787
INTRODUCCIÓN
La mejora de las capacidades de investigación así como la integración de la inteligencia artificial son
cruciales en la educación superior contemporánea. Fomentar estas competencias permite a los discentes
abordar de manera crítica y rigurosa los desafíos de su campo de estudio, promoviendo la innovación y
el avance académico. La inteligencia artificial potencia la capacidad de los discentes para manejar
grandes volúmenes de información, realizar análisis más profundos y tomar decisiones informadas
(Zaw et al., 2024). Integrar estos aspectos en la educación universitaria prepara a los discentes para
liderar en un entorno global técnico y competitivo, promoviendo su crecimiento intelectual y aportes
valiosos a sus campos de estudio (Suryanarayana et al., 2024).
En ese sentido, la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura
(UNESCO, 2022) indica que el uso de la IA en el ámbito educativo transforma el aprendizaje y
personaliza la enseñanza. Sin embargo, existen brechas significativas entre los países que desarrollan
la IA en sus sistemas educativos y los que no. Al respecto, Holmes et al. (2019) indican que en los
últimos diez años el uso de la inteligencia artificial a fin de mejorar el aprendizaje ha crecido
notablemente, intensificándose en tiempos de la pandemia COVID-19. En ese sentido, los países que
integran la IA lideran la innovación educativa y preparan a sus estudiantes para desafíos tecnológicos
futuros. En cambio, los que no adoptan estas tecnologías amplían las desigualdades en educación y
oportunidades laborales, perpetuando la brecha digital.
Igualmente, desarrollar competencias investigativas en la educación es esencial a fin de formar
estudiantes capaces de generar conocimiento, innovar y enfrentar los desafíos académicos y
profesionales. Las habilidades investigativas fomentan el fortalecimiento del pensamiento crítico, el
análisis meticuloso así como la capacidad de resolver desafíos complejos (Segbenya et al., 2023). No
obstante, en las entidades de educación universitaria que no fomentan estas competencias, los
estudiantes enfrentan dificultades para desarrollar habilidades investigativas sólidas, lo que limita su
capacidad para contribuir al avance científico y tecnológico. Además, la falta de estas competencias
reduce las oportunidades de los graduados para destacarse en el ámbito académico y profesional,
afectando su competitividad en un entorno global (Aguirre-Aguilar et al., 2024).
pág. 10788
Asimismo, en la institución educativa superior donde se desarrolló el estudio, se observó que el
problema surge de la incorporación inadecuada de habilidades investigativas e inteligencia artificial en
la instrucción de los discentes. Aunque se reconoce la relevancia de estas habilidades, muchas veces los
planes de estudio no incorporan estrategias adecuadas para desarrollarlas. Esto limita el potencial de los
estudiantes para realizar investigaciones de calidad y aprovechar las herramientas tecnológicas
disponibles, afectando su capacidad para competir en un entorno académico y laboral cada vez más
digitalizado.
En ese sentido, abordar el tema de las competencias investigativas y la inteligencia artificial en
estudiantes universitarios es crucial, dado el creciente requerimiento de habilidades tecnológicas e
investigativas en los ámbitos académico y laboral. En un entorno cada vez más digitalizado, la ausencia
de estas competencias limita el desarrollo académico así como profesional de los discentes, afectando
su capacidad para generar conocimiento y enfrentar desafíos globales. Por lo cual, este estudio es
relevante ya que busca afianzar el conocimiento sobre la formación universitaria en competencias
investigativas e inteligencia artificial a fin de preparar a los discentes para un futuro competitivo así
como tecnológico.
Por consiguiente, tomando en cuenta lo mencionado anteriormente, se planteó la siguiente problemática
general: ¿Cuál es la relación que existe entre las competencias investigativas y la inteligencia artificial
en estudiantes de una universidad privada en Lima, Perú?, los problemas específicos fueron: ¿Cuál es
la relación que existe entre las competencias investigativas y la indagación y uso de la IA, contribución
y actividades con IA, creatividad e innovación con IA en estudiantes de una universidad privada en
Lima, Perú?
Con relación a las investigaciones previas realizadas, Castro y Silva (2023) indicaron que el programa
de capacitación respaldado por tecnología mejoró con éxito las habilidades de investigación de los
discentes, lo que ilustra que la instrucción adaptada a sus necesidades individuales conduce a mejoras
sustanciales en su desempeño. Asimismo, Santana-Mero et al. (2023) mencionaron que, a pesar del uso
de inteligencia artificial, los estudiantes presentan niveles medios y bajos en habilidades de redacción.
Estos hallazgos revelan que la eficacia de la IA depende de la competencia técnica de los estudiantes,
por lo que es imperativo mejorar sus habilidades de investigación.
pág. 10789
Además, Tramallino y Marize mostraron una variedad de aplicaciones de inteligencia artificial dentro
del ámbito educativo, ilustrando así su versatilidad. Sin embargo, crear programas de IA adaptados a
distintos niveles educativos es complicado. Sin embargo, se evidencian cambios en la enseñanza de sus
conceptos en los distintos niveles de educación. Asimismo, Zúñiga (2024) indicó que el impacto
negativo de la IA puede neutralizarse incentivando una formación crítica y reflexiva en los discentes.
Por lo tanto, las universidades necesitan modificar sus enfoques educativos para abordar plenamente
los requisitos actuales de las sociedades basadas en el conocimiento. Además, Castillejos (2022)
enfatizó que el cultivo del pensamiento crítico así como creativo es crucial en el fortalecimiento de las
habilidades de investigación. Sin embargo, el uso de instrumentos para conductas poco éticas
obstaculiza los esfuerzos del docente así como minimizar el entusiasmo de los discentes por el avance
exitoso de las actividades de investigación.
Con relación a las competencias investigativas, Tzirides et al. (2024) indican que los discentes, después
de interactuar con herramientas inteligencia artificial, adquirieron mayor comodidad en su uso y
mejoraron su capacidad crítica en torno a la IA. Esto sugiere que la experiencia les ayudó a desarrollar
una alfabetización más sólida en inteligencia artificial que fortaleció sus competencias investigativas.
En el caso de Jin et al. (2024) señalan que la incorporación de la inteligencia artificial ha evolucionado
en su relación con las competencias investigativas. Esta sinergia creciente entre educadores y IA
impulsa la modernización educativa y refuerza las capacidades docentes.
Stolpe y Hallström (2024) destacan la relevancia de la alfabetización en IA en la educación tecnológica,
con mayor enfoque en el conocimiento científico y la comprensión socioética, relegando las habilidades
técnicas como la programación a un segundo plano. Igualmente, Ortega-Ochoa et al. (2024) indican que
la retroalimentación empática de la inteligencia artificial es igual de efectiva que la de profesores
humanos, destacando su influencia en el razonamiento metacognitivo, el cambio conceptual y el
crecimiento personal. Asimismo, Ibarra-Vázquez et al. (2023) indican que las percepciones de los
discentes sobre conocimientos, habilidades y actitudes relacionadas con las competencias investigativas
son adecuadas para construir modelos de aprendizaje automático que predicen con éxito sus niveles de
competencia.
pág. 10790
Con relación a las bases teóricas consideradas para las competencias investigativas, se tomó en cuenta
la teoría del aprendizaje significativo de Ausubel, esta teoría postula que el aprendizaje es más eficaz
cuando la nueva información se relaciona con conocimientos previos. En el contexto del estudio, esto
se manifiesta en la capacidad del investigador de integrar y relacionar conceptos, teorías y datos en su
proceso de indagación (Rozo, 2020). Asimismo, el enfoque constructivista de Piaget, el constructivismo
plantea que el conocimiento se elabora de forma activa por el aprendiz. Dentro del marco de las
habilidades de investigación, el investigador no sólo recopila datos, sino que también mejora su
comprensión al involucrarse con el tema de estudio y realizar un análisis crítico (Araya-Crisóstomo,
2022).
Respecto a la inteligencia artificial, se consideró la teoría de la información, propuesta por Claude
Shannon cuantifica y optimiza el almacenamiento y comunicación de datos, permitiendo que las
máquinas procesen información eficientemente, utilizado en reconocimiento de patrones,
procesamiento de lenguaje natural y codificación para mejorar la toma de decisiones en inteligencia
artificial (Ocaña et al., 2019). Igualmente, La teoría de redes neuronales artificiales, inspirada en el
cerebro humano, permite a los robots aprender identificando patrones en entradas. Es fundamental para
el aprendizaje profundo y se aplica en reconocimiento de voz así como manejo de grandes volúmenes
datos (Castañeda et al., 2023).
Con relación a definición conceptual de las competencias investigativas, de acuerdo con Juárez y Torres
(2022) son el conjunto de habilidades cognitivas así como metodológicas que permiten a un individuo
formular preguntas de investigación, diseñar estudios, analizar datos y presentar resultados de manera
rigurosa, contribuyendo al desarrollo de nuevos conocimientos. Asimismo, para Ayala (2020) las
competencias investigativas integran conocimientos teóricos, capacidades técnicas y actitudes éticas
que habilitan al investigador para llevar a cabo procesos de indagación sistemáticos y críticos,
enfocándose en la solución de problemas complejos. Igualmente, Alvarez-Ochoa et al. (2022) aluden
que las competencias investigativas consisten en aplicar metodologías de investigación de forma
efectiva, combinando pensamiento crítico, creatividad y rigor científico para generar conocimientos
relevantes y aportar soluciones innovadoras en diversos campos del conocimiento académico y
profesional.
pág. 10791
Las dimensiones que se consideraron para las competencias investigativas, fueron la búsqueda de
información, al respecto, Loayza (2021) indica que es la capacidad de identificar, localizar y seleccionar
fuentes de datos relevantes y confiables para el proceso investigativo. Involucra la habilidad de utilizar
estrategias eficientes para acceder a bibliotecas, bases de datos y recursos digitales en la búsqueda del
conocimiento necesario. Igualmente, la dimensión dominio tecnológico, Castro y Silva (2023) indican
que esta competencia permite al investigador utilizar herramientas y recursos tecnológicos en la
recolección, análisis y presentación de datos. Incluye el manejo de software especializado, plataformas
digitales y técnicas de visualización que facilitan la eficiencia y precisión en el proceso investigativo.
Asimismo, la dimensión dominio metodológico, se refiere a la capacidad de aplicar correctamente los
métodos y técnicas científicas en el diseño y ejecución de investigaciones. Esta dimensión incluye la
selección de enfoques apropiados, el desarrollo de instrumentos para recolectar datos así como la
implementación de análisis rigurosos para obtener resultados válidos (Astoray, 2024). Igualmente, la
dimensión dominio actitudinal, la cual de acuerdo con Peinado (2022) implica las disposiciones éticas
y personales necesarias para la investigación, como la curiosidad, la perseverancia, la honestidad
científica y el compromiso con la calidad del trabajo.
Respecto a la definición conceptual de la inteligencia artificial, según McGrath et al. (2023), se trata de
crear máquinas que puedan hacer cosas como reconocer patrones, comprender el lenguaje natural y
tomar decisiones basadas en hechos, todo lo cual a menudo se asocia con la inteligencia humana. De
manera similar, Fundi et al. (2024) señalan que la IA tiene como fin construir modelos así como
algoritmos con la capacidad de aprender y adaptarse por sí solos, imitando las capacidades cognitivas
humanas para resolver rápidamente problemas complicados y completar tareas. Igualmente, la
inteligencia artificial, tal como la definen Razia et al. (2023), es la capacidad de los robots para realizar
tareas que a menudo están asociadas con el intelecto humano, incluido el razonamiento, el aprendizaje
así como la percepción, utilizando modelos computacionales avanzados que permiten la automatización
y optimización de procesos en diversos sectores.
Las dimensiones que se tomaron en cuenta para la inteligencia artificial, fueron indagación y uso de la
IA, según Rinaldy et al. (2023) se refiere a la capacidad de investigar, explorar y aplicar tecnologías de
inteligencia artificial para resolver problemas específicos. Implica comprender los principios de la IA y
pág. 10792
utilizar herramientas y modelos para optimizar procesos y obtener resultados precisos. Se consideró
también la dimensión contribución así como actividades con IA, al respecto, Galindo et al. (2024)
señalan que abarca la participación activa en el desarrollo, mejora y adaptación de tecnologías de
inteligencia artificial. El proceso incluye colaboración, cooperación multidisciplinaria y el desarrollo
de soluciones novedosas que mejoren el valor en varios dominios mediante el uso de inteligencia
artificial.
Fue considerada también la dimensión creatividad e innovación con IA, de acuerdo con Kite y Park
(2022) implica la capacidad de utilizar la inteligencia artificial para desarrollar nuevas ideas, productos
o servicios. Esta dimensión subraya el potencial de la inteligencia artificial a fin de incentivar la
innovación, impulsando el desarrollo de tecnologías avanzadas y soluciones creativas en múltiples
áreas.
El objetivo general fue: Determinar la relación entre las competencias investigativas y la inteligencia
artificial en estudiantes de una universidad privada en Lima, Perú, los problemas objetivos específicos
fueron: Determinar la relación entre las competencias investigativas y la indagación y uso de la IA,
contribución y actividades con IA, creatividad e innovación con IA en estudiantes de una universidad
privada en Lima, Perú. Igualmente, la hipótesis general fue: Existe relación entre las competencias
investigativas y la inteligencia artificial en estudiantes de una universidad privada en Lima, Perú, los
problemas objetivos específicos fueron: Existe relación entre las competencias investigativas y la
indagación y uso de la IA, contribución y actividades con IA, creatividad e innovación con IA en
estudiantes de una universidad privada en Lima, Perú.
METODOLOGÍA
El estudio se realizó utilizando un enfoque cuantitativo, al respecto Hernández y Mendoza (2018)
indican que es un método de estudio que utiliza la recolección así como análisis de datos numéricos a
fin de identificar patrones y establecer relaciones entre variables, permitiendo obtener resultados
generalizables y objetivos. Asimismo, el tipo de estudio es básico, Baena (2017) señala que ese tipo de
estudio se centra en generar conocimientos teóricos y ampliar el entendimiento de fenómenos, sin
buscar aplicaciones inmediatas. Su objetivo principal es desarrollar principios fundamentales que
contribuyan al avance científico.
pág. 10793
Asimismo, el diseño del estudio es no experimental. Al respecto, Baena (2017) indica que en este tipo
de estudio las variables no se manipulan, sino observadas tal como ocurren en su entorno natural,
buscando describir comportamientos sin intervención directa del investigador. Igualmente, nivel fue
correlacional, Ñaupas et al. (2018) mencionan que el fin de este tipo de estudio es conocer y cuantificar
la relación entre dos variables, sin demostrar una relación causa-efecto clara entre ellas, permitiendo
determinar cómo varían juntas dentro de un contexto específico. Igualmente, el corte fue transversal,
Bernal (2016) señala que en este tipo de estudio se recogen datos en un solo período de tiempo
específico, permitiendo describir características o relaciones entre variables en una población en ese
punto determinado.
La población fueron 220 discentes de una universidad privada en Lima, el muestreo fue no
probabilístico intencional, respecto a los criterios de inclusión, se incluyeron a discentes matriculados
en el primer semestre y que aceptaron participar del estudio. Por otro lado, fueron excluidos los
estudiantes de otro periodo académico y los que no aceptaron ser partícipes de la investigación. En ese
sentido, la muestra se compuso por 120 discentes de una universidad privada en Lima.
Se usó la técnica de la encuesta y el instrumento aplicado fue el cuestionario. En ese sentido, para las
competencias investigativas el cuestionario constó de 20 ítems, en escala ordinal y de Likert, separado
en cuatro dimensiones: a) búsqueda de información, b) dominio tecnológico, c) dominio metodológico
y d) dominio actitudinal. Igualmente, para medir la variable se usaron los niveles: alto, medio y bajo.
Asimismo, para la inteligencia artificial el cuestionario constó de 24 ítems, en escala ordinal y de Likert
y medido en tres dimensiones: a) indagación y uso de la IA, b) contribución y actividades con IA y c)
creatividad e innovación con IA. Asimismo, a fin de medir la variable se usaron los niveles: deficiente,
regular y eficiente. Igualmente, se usó el juicio de expertos para validar los instrumentos, mientras que
la confiabilidad se evaluó mediante el coeficiente Alfa de Cronbach. Por lo cual, se llevó a cabo una
prueba piloto con 20 discentes. Los hallazgos mostraron un coeficiente de 0,783 para las competencias
investigativas y 0,789 para la inteligencia artificial, siendo ambos confiables.
El procedimiento para recoger datos se inició solicitando los permisos a la institución educativa. Una
vez obtenidos, se aplicaron cuestionarios para cada una de las variables de forma virtual, mediante
pág. 10794
Google Formularios. Posteriormente se generó una base de datos en Excel, organizada en función de
las dimensiones de cada variable.
El procesamiento de los datos se llevó a cabo mediante la estadística descriptiva, usando tablas de
frecuencia. En cuanto a la estadística inferencial, se realizó una prueba de normalidad para conocer las
características de los datos presentados. Mediante la prueba de Kolmogorov-Smirnov se determinó que
los datos son no paramétricos. Así, se utilizó el coeficiente de Spearman para evaluar las hipótesis.
Respecto a los aspectos éticos de la investigación, las citas y referencias bibliográficas se desarrollaron
de acuerdo con la norma APA, 7ma edición. Además, se respetaron los principios fundamentales de
beneficencia, justicia, no maleficencia y privacidad, priorizando siempre el bienestar de los
participantes. Se evitó cualquier daño potencial y se garantizó la equidad en el trato. Asimismo, se
aseguró la protección de la confidencialidad así como privacidad de los datos recopilados durante el
estudio, manteniendo el rigor ético a lo largo del proceso investigativo.
RESULTADOS Y DISCUSIÓN
Se presentan los hallazgos descriptivos del estudio para lo cual se usaron tablas de frecuencia.
Tabla 1 Niveles y frecuencias de las de las competencias investigativas y sus dimensiones
Niveles
Competencias
investigativas
Búsqueda de
información
Dominio
tecnológico
Dominio
metodológico
Dominio
actitudinal
f
%
f
%
f
%
f
%
f
%
Bajo
92
76,7
56
46,7
40
33,3
92
76,7
28
23,3
Medio
12
10,0
44
36,7
60
50,0
20
16,7
64
53,3
Alto
16
13,3
20
16,7
20
16,7
8
6,7
28
23,3
Total
120
100,0
120
100,0
120
100,0
120
100,0
120
100,0
Nota. % = porcentaje, f = frecuencia.
Conforme con la tabla 1, en cuanto a las competencias investigativas, el 76,7% de discentes presenta
nivel bajo, lo que refleja limitaciones significativas en su capacidad para llevar a cabo investigaciones.
Solo 10% se ubica en nivel medio y 13,3% alcanza nivel alto. Con relación a la dimensión de búsqueda
de información, el 46,7% de los discentes se encuentra en nivel bajo, lo que indica dificultades para
localizar y seleccionar fuentes relevantes. Sin embargo, un 36,7% presenta nivel medio y 16,7% alcanza
nivel alto, lo que sugiere que algunos estudiantes poseen competencias adecuadas en este aspecto. Para
pág. 10795
la dimensión dominio tecnológico, el 33,3% de discentes tiene nivel bajo, mientras que el 50% se
encuentra en nivel medio, mostrando una competencia tecnológica moderada. Solo el 16,7% de los
discentes presenta un alto nivel en el manejo de herramientas tecnológicas.
El dominio metodológico es una de las dimensiones más críticas, ya que el 76,7% de los discentes se
encuentra en nivel bajo, lo que refleja una carencia significativa en la aplicación de métodos científicos.
16,7% presenta nivel medio, y solo 6,7% alcanza nivel alto en esta dimensión. Finalmente, el dominio
actitudinal muestra mejores resultados en comparación con las dimensiones anteriores. El 53,3% de los
discentes se ubica en nivel medio, lo que señala una actitud positiva hacia la investigación. Un 23,3%
presenta nivel alto, por otro lado solo el 23,3% tiene nivel bajo en esta dimensión.
Tabla 2 Niveles y frecuencias de la inteligencia artificial y sus dimensiones
Niveles
Inteligencia
artificial
Indagación y uso
de la IA
Contribución y
actividades con IA
Creatividad e
innovación con IA
f
%
f
%
f
%
f
%
Deficiente
80
66,7
76
63,3
44
36,7
64
53,3
Regular
24
20,0
28
23,3
56
46,7
44
36,7
Eficiente
16
13,3
16
13,3
20
16,7
12
10,0
Total
120
100,0
120
100,0
120
100,0
120
100,0
Nota. % = porcentaje, f = frecuencia.
Conforme a la tabla 2, gran parte de los discentes (66,7%) tiene nivel deficiente en inteligencia artificial,
indicando limitaciones en conocimientos y habilidades. Solo el 20% alcanza nivel regular y 13,3%
eficiente. En la dimensión de indagación y uso de la IA, el 63,3% presenta dificultades significativas,
mientras que un 23,3% tiene nivel regular y solo 13,3% demuestra competencias avanzadas. Respecto
a la dimensión de contribución y actividades con IA, el 36,7% de discentes tiene nivel deficiente,
mientras que la mayoría (46,7%) alcanza nivel regular, lo que indica una participación moderada en
actividades relacionadas con la inteligencia artificial. 16,7% de los discentes muestra nivel eficiente en
esta dimensión. Para la dimensión creatividad e innovación con IA, el 53,3% de los discentes presenta
nivel deficiente, lo que sugiere dificultades en el uso de la IA para fines creativos. Un 36,7% tiene nivel
regular, y solo el 10% alcanza nivel eficiente en esta área.
Luego de presentar los hallazgos descriptivos, se realizó la prueba de Kolmogórov-Smirnov, a fin de
determinar si los datos son paramétricos o no.
pág. 10796
Tabla 3 Pruebas de normalidad
Kolmogorov-Smirnov
a
Estadístico
gl
Sig.
Competencias investigativas
,464
120
,000
Inteligencia artificial
,408
120
,000
Nota. a = corrección de la prueba de significación de Lilliefors.
Conforme con la tabla 3, se observa que el valor de significancia es 0,000 (p < 0,05), para las
competencias investigativas y la inteligencia artificial como sus dimensiones. En ese sentido, los datos
no son paramétricos por lo cual se usó el coeficiente de Spearman a fin de realizar la prueba de hipótesis.
Hipótesis general
H
0
: No existe relación entre las competencias investigativas y la inteligencia artificial en estudiantes de
una universidad privada en Lima, Perú.
H
a
: Existe relación entre las competencias investigativas y la inteligencia artificial en estudiantes de una
universidad privada en Lima, Perú.
Tabla 4 Contraste hipótesis general
Competencias
investigativas
Inteligencia
artificial
Rho de Spearman
Competencias
investigativas
Coeficiente de correlación
1,000
,845
**
Sig. (bilateral)
.
,000
N
120
120
Inteligencia artificial
Coeficiente de correlación
,845
**
1,000
Sig. (bilateral)
,000
.
N
120
120
Nota. **. La vinculación es significativa al nivel del 0,01 en ambos sentidos.
Conforme con la tabla 4, se observa una correlación significativa de las competencias investigativas y
la inteligencia artificial en los discentes. Igualmente, el valor de significancia de 0,000, inferior a 0,05
(p < 0,05) y el coeficiente de Spearman de 0,845 indican una relación positiva alta, por lo cual la
hipótesis alternativa (Ha) fue aceptada. Este hallazgo sugiere que los estudiantes con mayores
competencias investigativas tienden a desenvolverse mejor en el uso de la inteligencia artificial.
Los hallazgos se alinean con el estudio de Castro y Silva (2023), que ilustra la eficacia de un plan de
formación potenciado por la tecnología a fin de mejorar las habilidades de investigación de los
pág. 10797
discentes. Este estudio también destaca el potencial del desarrollo de estas competencias para tener un
impacto beneficioso en la utilización de la inteligencia artificial.
Además, Santana-Mero et al. (2023) refuerzan la idea de que el uso de la inteligencia artificial es más
efectivo cuando los estudiantes poseen un adecuado dominio tecnológico, lo cual subraya la relevancia
de incentivar las competencias investigativas como base a fin de mejorar la eficacia de la IA en el
ámbito académico. Por otro lado, Tramallino y Marize (2024) identificaron la versatilidad de la
inteligencia artificial, señalando que, a pesar de su potencial, diseñar proyectos de IA para distintos
niveles educativos presenta desafíos complejos. Sin embargo, esta investigación presenta pruebas de
que combinar habilidades investigativas con inteligencia artificial puede provocar cambios sustanciales
en el proceso educativo, como lo demuestran los antecedentes.
Por tanto, los resultados enfatizan la importancia de fomentar habilidades investigadoras en estudiantes
universitarios para mejorar su uso de la inteligencia artificial. Además, subraya la necesidad de crear
programas de capacitación que combinen estos dos componentes. Adquirir esta habilidad no sólo
incrementa el rendimiento académico, además posibilita a los discentes afrontar mejor los obstáculos
tecnológicos presentes y futuros.
Hipótesis específicas
H
0
: No existe relación entre las competencias investigativas y la indagación y uso de la IA, contribución
y actividades con IA, creatividad e innovación con IA en estudiantes de una universidad privada en
Lima, Perú.
H
a
: Existe relación entre las competencias investigativas y la indagación y uso de la IA, contribución y
actividades con IA, creatividad e innovación con IA en estudiantes de una universidad privada en Lima,
Perú.
pág. 10798
Tabla 5 Contraste hipótesis específicas
Competencias
investigativas
Indagación y uso de la
IA
Contribución y
actividades con IA
Creatividad e
innovación con IA
Rho de Spearman
, 796
**
, 617
**
, 693
**
Sig. (bilateral)
,000
,000
,000
N
120
120
120
Nota. **. La vinculación es significativa al nivel del 0,01 en ambos sentidos.
De acuerdo con la tabla 5, se observa una correlación significativa entre las competencias investigativas
y la dimensión de indagación y uso de la inteligencia artificial (IA) en discentes universitarios, con un
coeficiente de Spearman de 0,796 y un valor de significancia de 0,000. Esto sugiere una relación alta
así como positiva, por lo cual la hipótesis alternativa (Ha) es aceptada, demostrando que a medida que
los estudiantes mejoran sus competencias investigativas, también incrementan su capacidad para
indagar y utilizar la IA de forma efectiva. Los hallazgos son consistentes con estudios anteriores. Según
Zúñiga (2024), los efectos adversos de la IA pueden mitigarse proporcionando a los estudiantes una
formación crítica y reflexiva. Esto enfatiza la necesidad de modificar los modelos educativos
universitarios. Esto se alinea con los hallazgos del estudio, ya que mejorar las capacidades de
investigación refuerza directamente el uso adecuado así como ético de la inteligencia artificial.
Por otro lado, Castillejos (2022) enfatizó que el pensamiento crítico así como creativo es necesario para
el desarrollo de habilidades investigativas. No obstante, advirtió que el uso de herramientas para
prácticas poco éticas en la investigación puede minar los esfuerzos del docente y disminuir el interés de
los discentes. La relevancia de este argumento en el marco del estudio radica en que refuerza la noción
de que el cultivo de habilidades de investigación no debe concentrarse sólo en la adquisición de
instrumentos técnicos como la IA, además posibilita el desarrollo de una mentalidad crítica y ética hacia
su uso.
Asimismo, se observa una correlación significativa de las competencias investigativas y la dimensión
de contribución así como actividades con inteligencia artificial (IA) en estudiantes universitarios. Con
un coeficiente de correlación de 0,617 y un valor de significancia de 0,000, se muestra una relación
positiva moderada entre las dos variables. Por lo cual, la hipótesis alternativa (Ha) es aceptada, lo que
confirma que las habilidades investigativas están vinculadas con la capacidad de los discentes para
pág. 10799
contribuir y participar en actividades con IA. Estos hallazgos son consistentes con investigaciones
previas. Tzirides et al. (2024) indicaron que los estudiantes, tras interactuar con herramientas de
inteligencia artificial, adquirieron mayor comodidad en su uso y mejoraron su capacidad crítica. Esto
sugiere que la experiencia directa con la IA contribuye a desarrollar una alfabetización tecnológica.
Por otro lado, Jin et al. (2024) señalaron que la integración de la inteligencia artificial ha evolucionado
en su relación con las competencias investigativas, destacando cómo esta sinergia impulsa la
modernización educativa y refuerza las capacidades tanto de los discentes como de los docentes. Esto
refuerza la relevancia de promover actividades que involucren la IA, ya que no solo fortalecen las
competencias investigativas, sino que también potencian la contribución de los estudiantes en contextos
de innovación tecnológica.
Igualmente, los hallazgos revelan una correlación significativa entre las competencias investigativas y
la dimensión de creatividad e innovación con inteligencia artificial (IA) en estudiantes universitarios.
El coeficiente de correlación fue 0,693 y un valor de significancia de 0,000, se demuestra una relación
moderadamente positiva. Por lo cual, la hipótesis alternativa (Ha) es aceptada, lo que confirma que las
competencias investigativas están significativamente relacionadas con la creatividad e innovación en el
uso de la IA. Estos hallazgos coinciden con estudios previos. Stolpe y Hallström (2024) enfatizan la
relevancia de la alfabetización en IA en la educación, con un enfoque en el conocimiento científico y la
comprensión socioética, relegando las habilidades técnicas como la programación. Este énfasis en una
formación integral con IA se refleja en Los hallazgos, donde la creatividad e innovación en IA se ve
reforzada por las competencias investigativas de los estudiantes.
Además, Ortega-Ochoa et al. (2024) señalan que la retroalimentación empática de la IA es tan efectiva
como la de los profesores humanos, destacando su impacto en el razonamiento metacognitivo y el
crecimiento personal. Este punto sugiere que la IA, cuando se combina con un enfoque creativo e
innovador, puede tener un efecto profundo en el desarrollo académico así como personal de los
discentes, apoyando el fortalecimiento de sus competencias de investigación.
pág. 10800
CONCLUSIONES
Se concluye que las competencias investigativas potencian el uso eficaz de la inteligencia artificial en
los estudiantes, subrayando la importancia de incorporarlas en la educación superior para optimizar el
aprovechamiento de las tecnologías emergentes sobre una base científica sólida. Además, la mejora de
las capacidades de investigación mejora la capacidad de los discentes universitarios para indagar y
aplicar la inteligencia artificial, enfatizando la necesidad de una formación exhaustiva para utilizar con
éxito y de forma crítica las nuevas tecnologías.
Igualmente, las competencias investigativas están vinculadas a una mayor capacidad de los estudiantes
para participar en actividades con inteligencia artificial, destacando la necesidad de fomentarlas para
mejorar su interacción efectiva con tecnologías emergentes. De igual manera, se concluye que las
competencias investigativas están vinculadas con la creatividad e innovación en el uso de la inteligencia
artificial, subrayando la relevancia de fortalecerlas para fomentar un enfoque más innovador en
tecnologías emergentes.
REFERENCIAS BIBLIOGRAFICAS
Aguirre-Aguilar, G., Esquivel-Gámez, I., Navarro, R. E. y Veytia-Buchelli, M. (2024). La IA en el
desarrollo de competencias investigativas en el posgrado. Alteridad, 19(2), 162–172.
https://doi.org/10.17163/ALT.V19N2.2024.01
Alvarez-Ochoa, R., Cabrera-Berrezueta, L. y Mena-Clerque, S. (2022). Competencias investigativas en
estudiantes de Educación Superior: aproximaciones desde estudiantes de Medicina. 593 Digital
Publisher CEIT , 7(4), 312–327. https://doi.org/10.33386/593dp.2022.4-2.1425
Araya-Crisóstomo, S. (2022). Educational model based on neuroscientific empirical evidence and its
implications for in classroom teaching practice. Información tecnológica, 33(4), 73–84.
https://doi.org/10.4067/S0718-07642022000400073
Astoray, D. (2024). Competencias investigativas y enseñanza de la producción de textos en la
virtualidad. Horizontes Revista de Investigación en Ciencias de la Educación, 8(32), 191–201.
https://doi.org/10.33996/REVISTAHORIZONTES.V8I32.716
Ayala, O. (2020). Competencias informacionales y competencias investigativas en estudiantes
universitarios. Revista Innova Educación, 2(4), 668–679.
pág. 10801
https://doi.org/10.35622/J.RIE.2020.04.011
Baena, G. (2017). Metodología de la Investigación (2
a
ed.). Grupo Editorial Patria.
Castañeda, W., Polo, B. y Vega, F. (2023). Redes neuronales artificiales: una medición de aprendizajes
de pronósticos como demanda potencial. Universidad, Ciencia y Tecnología, 27(118), 51–60.
https://doi.org/10.47460/UCT.V27I118.686
Castillejos, B. (2022). Inteligencia artificial y entornos personales de aprendizaje: atentos al uso
adecuado de los recursos tecnológicos de los estudiantes universitarios. Educación, 31(60), 9–24.
https://doi.org/10.18800/EDUCACION.202201.001
Castro, J. y Silva, A. (2023). Fortalecimiento de las habilidades investigativas en docentes
implementando un plan de formación apoyado en las tecnologías digitales. Páginas de Educación,
16(2), 20–38. https://doi.org/10.22235/PE.V16I2.3124
Fundi, M., Temitayo, I., Sunday, S. y Ayere, M. (2024). Advancing AI education: Assessing Kenyan in-
service teachers’ preparedness for integrating artificial intelligence in competence-based
curriculum. Computers in Human Behavior Reports, 14, 100412.
https://doi.org/10.1016/J.CHBR.2024.100412
Galindo, H., Delgado, N., Campo, L. y Losada, D. (2024). Relationship between teachers’ digital
competence and attitudes towards artificial intelligence in education. International Journal of
Educational Research, 126, 102381. https://doi.org/10.1016/J.IJER.2024.102381
Hernández, R. y Mendoza, C. (2018). Metodología de la investigación: las rutas: cuantitativa
,cualitativa y mixta (7
a
ed.). Mc Graw Hill Education
Holmes, W., Bialik, M. y Fadel, C. (2019). Artificial Intelligence In Education: Promises and
Implications for Teaching and Learning (1a ed.). Center for Curriculum Redesign.
Ibarra-Vazquez, G., Ramírez-Montoya, M., Buenestado-Fernández, M. y Olague, G. (2023). Predicting
open education competency level: A machine learning approach. Heliyon, 9(11), 20597.
https://doi.org/10.1016/J.HELIYON.2023.E20597
Jin, Z., Goyal, S. B. y Rajawat, A. S. (2024). The Informational Role of Artificial Intelligence in higher
Education in the New era. Procedia Computer Science, 235, 1008–1023.
https://doi.org/10.1016/J.PROCS.2024.04.096
pág. 10802
Juárez, D. y Torres, C. (2022). La competencia investigativa básica. Una estrategia didáctica para la era
digital. Sinéctica, 1(58), 3–8. https://doi.org/10.31391/S2007-7033(2022)0058-003
Kite, V. y Park, S. (2022). Preparing inservice science teachers to bring unplugged computational
thinking to their students. Teaching and Teacher Education, 120, 103904.
https://doi.org/10.1016/J.TATE.2022.103904
Loayza, E. (2021). El fichaje de investigación como estrategia para la formación de competencias
investigativas. EDUCARE ET COMUNICARE Revista de investigación de la Facultad de
Humanidades, 9(1), 67–77. https://doi.org/10.35383/EDUCARE.V9I1.594
McGrath, C., Cerratto, T., Juth, N. y Palmgren, P. (2023). University teachers’ perceptions of
responsibility and artificial intelligence in higher education - An experimental philosophical study.
Computers and Education: Artificial Intelligence, 4, 100139.
https://doi.org/10.1016/J.CAEAI.2023.100139
Ñaupas, H., Valdivia, M., Palacios, J. y Romero, H. (2018). Metodología de la investigación
cuantitativa-cualitativa y redacción de la tesis (5
a
ed.). Ediciones de la U.
Ocaña, Y., Valenzuela, L. y Garro, L. (2019). Inteligencia artificial y sus implicaciones en la educación
superior. Propósitos y Representaciones, 7(2), 536–568.
https://doi.org/10.20511/PYR2019.V7N2.274
Ortega-Ochoa, E., Quiroga Pérez, J., Arguedas, M., Daradoumis, T. y Marquès Puig, J. (2024). The
effectiveness of empathic chatbot feedback for developing computer competencies, motivation,
self-regulation, and metacognitive reasoning in online higher education. Internet of Things, 25,
101101. https://doi.org/10.1016/J.IOT.2024.101101
Peinado, J. (2022). La formación de estudiantes de posgrado. Un análisis desde sus competencias de
investigación. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo,
12(24), 352. https://doi.org/10.23913/RIDE.V12I24.1198
Razia, B., Awwad, B. y Taqi, N. (2023). The relationship between artificial intelligence (AI) and its
aspects in higher education. Development and Learning in Organizations: An International
Journal, 37(3), 21–23. https://doi.org/10.1108/DLO-04-2022-0074
pág. 10803
Rinaldy, A., Pratiwi, Y., Andajani, K., Numertayasa, W., Suharti, S., Darwis, A. y Marzuki. (2023).
Exploring Artificial Intelligence in Academic Essay: Higher Education Student’s Perspective.
International Journal of Educational Research Open, 5, 100296.
https://doi.org/10.1016/J.IJEDRO.2023.100296
Rozo, J. (2020). La Influencia del Aprendizaje Significativo de Ausubel en el Desarrollo de las Técnicas
de Escritura Creativa de Rodari. Revista Docentes 2.0, 9(2), 88–94.
https://doi.org/10.37843/rted.v9i2.149
Santana-Mero, R., Cedeño-Cedeño, N., Zambrano-Montes, M. y Hernández-Mora, I. (2023).
Herramientas de la Inteligencia Artificial para Fortalecer la Redacción Académica de los
Estudiantes de Bachillerato. Revista Docentes 2.0, 16(2), 326–334.
https://doi.org/10.37843/rted.v16i2.429
Segbenya, M., Bervell, B., Frimpong-Manso, E., Otoo, I. C., Andzie, T. A. y Achina, S. (2023). Artificial
intelligence in higher education: Modelling the antecedents of artificial intelligence usage and
effects on 21st century employability skills among postgraduate students in Ghana. Computers
and Education: Artificial Intelligence, 5, 100188.
https://doi.org/10.1016/J.CAEAI.2023.100188
Stolpe, K. y Hallström, J. (2024). Artificial intelligence literacy for technology education. Computers
and Education Open, 6, 100159. https://doi.org/10.1016/J.CAEO.2024.100159
Suryanarayana, K., Kandi, P., Pavani, G., Sankar, A., Rout, S. y Rama, S. (2024). Artificial Intelligence
Enhanced Digital Learning for the Sustainability of Education Management System. The Journal
of High Technology Management Research, 35(2), 100495.
https://doi.org/10.1016/J.HITECH.2024.100495
Tramallino, C. y Marize, A. (2024). Avances y discusiones sobre el uso de inteligencia artificial (IA) en
educación. Educación, 33(64), 29–54. https://doi.org/10.18800/EDUCACION.202401.M002
Tzirides, A. O., Zapata, G., Kastania, N., Saini, K., Castro, V., Ismael, S., You, Y., Santos, T., Searsmith,
D. y Kalantzis, M. (2024). Combining human and artificial intelligence for enhanced AI literacy
in higher education. Computers and Education Open, 6, 100184.
https://doi.org/10.1016/J.CAEO.2024.100184
pág. 10804
UNESCO. (2022). La inteligencia artificial en la educación. https://www.unesco.org/es/digital-
education/artificial-intelligence
Zaw, T., Kadyirov, T., Kadyjrova, L. y Józsa, K. (2024). Design-based learning in higher education: Its
effects on students’ motivation, creativity and design skills. Thinking Skills and Creativity, 53,
101621. https://doi.org/10.1016/J.TSC.2024.101621
Zúñiga, O. (2024). El impacto de ChatGPT en la formación y producción académica: que no cunda el
pánico. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(28),
642. https://doi.org/10.23913/RIDE.V14I28.1867
