CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
25
Usos de la Inteligencia Artificial en la escritura académica:
experiencias de estudiantes universitarios en 2023
Uses of Artificial Intelligence in Academic Writing: Experiences
of University Students in 2023
Adriana Patricia Díaz-Cuevas1
Universidad Nacional de Colombia
Julián David Rodríguez-Herrera2
Universidad Nacional de Colombia
Recibido: 26 de marzo de 2024 | Revisado: 12 de abril de 2024 | Aprobado: 14 de mayo de 2024
Resumen
Este estudio exploratorio investiga la creciente integración de la Inteligencia Articial (IA) en la escritura
académica universitaria, centrado en las percepciones de los estudiantes de los Cursos Nivelatorios
de Lectoescritura (CNLE) de la Universidad Nacional de Colombia. El objetivo principal es presentar
las percepciones de estos estudiantes respecto al uso de la IA en la escritura académica. Mediante
un estudio cualitativo con diseño fenomenológico, se recopilaron datos a través de cuestionarios
administrados a 94 estudiantes y entrevistas semiestructuradas realizadas a 10 estudiantes. Los
resultados ofrecen perspectivas valiosas sobre el uso de la IA en la comunicación académica y
sugieren estrategias para su integración en la educación. Se observa un aumento en el uso de
herramientas de IA en la escritura académica, aunque también surgen preocupaciones éticas y de
calidad, especialmente en cuanto a la pérdida de autonomía y aprendizaje genuino por parte de los
estudiantes. Con ello se enfatiza la importancia de equilibrar su uso con el desarrollo de habilidades
de escritura y pensamiento crítico, por lo cual estas perspectivas diversas subrayan la necesidad
de una reexión continua sobre el papel de la IA en la educación.
Palabras clave: escritura académica, Inteligencia Articial, literacidad, educación universitaria, al-
fabetización digital.
_____________________________
1 Lingüista. Magíster en Educación con énfasis en Ciencias Sociales. Docente del Departamento de Lingüística de la Universidad
Nacional de Colombia. Para contactar a la autora: apdiazc@unal.edu.co ORCID: https://orcid.org/0000-0002-6020-6911
2 Estudiante de Filosofía de la Universidad Nacional de Colombia. Para contactar al autor: jdrodriguezh@unal.edu.co ORCID:
https://orcid.org/0009-0006-1579-7691
_____________________________
ISSN (en línea): 1814-4152 / Sitio web: http://cuaderno.pucmm.edu.do
CÓMO CITAR: Díaz-Cuevas, A. y Rodríguez-Herrera, J. (2024). Usos de la inteligencia articial en la escritura académica:
experiencias de estudiantes universitarios en 2023. Cuaderno de Pedagogía Universitaria, 21(42), 25-44.
26
Abstract
This exploratory study investigates the growing integration of Articial Intelligence (AI) in university
academic writing, focusing on the perceptions of students from the Literacy Courses (CNLE) at
the National University of Colombia. The main objective is to present these students’ perceptions
regarding the use of AI in academic writing. Through a qualitative study with a phenomenological
design, data was collected through qualitative questionnaires administered to 94 students and
semi-structured interviews conducted with 10 students. The results oer valuable insights into the
use of AI in academic communication and suggest strategies for its integration in education. An in-
crease in the use of AI tools in academic writing is observed, although ethical and quality concerns
also arise, especially regarding the loss of autonomy and genuine learning by students, emphasizing
the importance of balancing its use with the development of writing and critical thinking skills. These
diverse perspectives underscore the need for ongoing reection on the role of AI in education.
Keywords: academic writing, Articial Intelligence, literacy, university education, digital literacy.
Introducción
La escritura académica no es un tema nuevo en los contextos universitarios, pues las dicultades
que los estudiantes tienen y los retos que asumen en este escenario han sido descritos en diferentes
investigaciones (Mora-Monroy et al., 2021; Pérez y Rincón, 2013). Sin embargo, este es un tópico
que, en lugar de perder vigencia, ha cobrado mayor relevancia en los últimos años, dada la necesidad
internacional de fortalecer las competencias comunicativas de los estudiantes (Organización para la
Cooperación y el Desarrollo Económico, 2019; Ocina Internacional de Educación de la UNESCO,
2016), aspecto que coincide con la introducción de la Inteligencia Articial (IA) en los escenarios
educativos, así como los debates en torno a su uso (García, 2023), los cuales se presentan en
párrafos siguientes.
Es pertinente mencionar que, aunque el concepto de Inteligencia Articial (IA) ha cobrado notoriedad
en los últimos años, es posible rastrear una noción implícita de IA en la noción de máquina y su avance
en los trabajos de Grundrisse de Marx (2007). A partir de intuiciones del lósofo e interpretaciones de
este siglo, se señala que la IA es un desarrollo sosticado de la máquina vinculado con la producción
de mercancías en masa. Este escenario no es una realidad hoy día; sin embargo, no hay duda de
que la Inteligencia Articial sí ha generado múltiples debates y tensiones en los contextos laborales
dada la posibilidad de que algunos empleos desaparezcan. En el contexto educativo, la situación
no es muy diferente.
Por ejemplo, tanto en Australia como en Francia, instituciones académicas de renombre tomaron,
en su momento, medidas para abordar el uso de Inteligencia Articial en el ámbito educativo. En el
contexto australiano, el Dr. Matthew Brown, del Grupo de los Ocho, enfatizó la necesidad de adaptarse
a los avances tecnológicos mediante la revisión de procesos de evaluación y la implementación
de exámenes supervisados en papel para mitigar los riesgos asociados con el uso de IA en la
producción académica (Cassidy, 2023). Paralelamente, en Sciences Po, Francia, la alta dirección
prohibió el uso de ChatGPT y otras herramientas de IA para la elaboración de trabajos académicos,
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
27
a menos que se realice bajo supervisión y con referencias transparentes, reforzando su compromiso
con la calidad y la integridad académica a través de medidas disciplinarias estrictas para aquellos
que incumplan las normativas (Guriev, 2023). Estas decisiones muestran la preocupación generada
sobre el plagio en el contexto de la Inteligencia Articial durante el año 2023. Al momento de escribir
este artículo, las reacciones apresuradas de prohibición ya han sido levantadas, tanto en Australia
como en Francia, lo cual evidencia la importancia de indagar el desarrollo de este fenómeno en
escenarios comunicativos.
La incidencia de los avances tecnológicos y la evolución de las prácticas de lectura y escritura
han generado un escenario dinámico y vivaz en el ámbito educativo. Este período de cambio
destaca la importancia de reexionar sobre la inuencia de la Inteligencia Articial (IA) en la escritura
académica, así como el papel crucial que desempeñan los generadores de textos en este contexto.
Como antecedente, se encuentra la investigación de Viñas et al. (2023), la cual resalta la relevancia
de comprender la arquitectura de los prompts académicos para la efectiva integración de la IA
en procesos de investigación. Además, estudios como el de Torres y Blanco (2023) exploran los
desafíos y experiencias en la implementación de chatbots en el contexto educativo, mientras que
el trabajo de Carrillo et al. (2023) destaca cómo las IA facilitan la elaboración de textos académicos
en estudiantes de Educación Superior en Colombia. Estas investigaciones ofrecen una perspectiva
valiosa sobre el impacto de la IA en la escritura académica y resaltan la necesidad de explorar
exhaustivamente sus implicaciones éticas y pedagógicas, así como su potencial para transformar
la educación en el futuro.
La enseñanza de la escritura académica es el objetivo central en los Cursos Nivelatorios de
Lectoescritura (CNLE), en la Universidad Nacional de Colombia, que surgieron en el año 2009
para apoyar a los estudiantes con deciencias en lectura y escritura. Los referidos cursos fueron
formalizados mediante la Resolución 469 de 2009 (Rectoría de la Universidad Nacional de Colombia,
2009), que estableció la identicación de estos estudiantes según los objetivos académicos y
habilidades especícas de los planes de estudio. Aunque los CNLE han evolucionado normativamente,
su objetivo sigue siendo proporcionar herramientas para enfrentar los desafíos en lectura y escritura
(Mora-Monroy et al., 2021; Mora-Monroy y Fuerte-Blanco, 2021). Después de 15 años, a la luz de lo
expuesto en párrafos previos, podría ser necesario considerar el uso de nuevas tecnologías como
las Inteligencias Articiales, que se están utilizando como herramientas en el proceso de escritura
dentro de las aulas (Schmohl et al., 2020).
Es pertinente mencionar que, en el contexto de los CNLE, son varios los principios teóricos y
metodológicos que guían el quehacer docente centrado en la escritura académica. En primer lugar,
el enfoque comunicativo de la lengua, el cual señala la importancia de desarrollar las habilidades
comunicativas, en este caso la escritura, en un escenario mediado por la interacción como canal y
objeto de aprendizaje (Cassany y Castelló, 2010; Serani, 1994). De igual manera, la escritura como
una actividad contextualizada (Camps, 2003; Carlino, 2002, 2013) toma un lugar fundamental en el
hacer pedagógico de los CNLE con el propósito de que los estudiantes desarrollen esta habilidad a
través del hacer enfocado en sus áreas de conocimiento o intereses individuales. Todo en torno a la
posibilidad de aprender y explorar su individualidad y área de conocimiento a través de la escritura
en el escenario académico. Finalmente, la perspectiva de Cassany y Castelló (2010), acerca de
la literacidad académica y crítica, también incide en el desarrollo de los CNLE: se busca que los
28
estudiantes que toman estos cursos puedan fortalecer su capacidad crítica para evaluar diversos
fenómenos y situaciones propias de su contexto.
En ese orden de ideas, la escritura, vista como un proceso complejo, inacabado y contextualizado,
exige un acompañamiento regulatorio que logre identicar los procesos cognitivos de quien escribe
(Niño-Carrasco y Castellanos-Ramírez, 2020), pero también sus intereses y voluntades en el escenario
social (Sala-Bubaré y Castelló, 2018). Este acompañamiento se da en los CNLE por parte del
personal docente (Mora-Monroy et al., 2021), los tutores (Mora-Monroy y Fuerte-Blanco, 2021) o los
compañeros a través del aprendizaje cooperativo (Johnson et al., 1997). Actualmente, a esta lista de
intervinientes en el proceso de regulación de la escritura se suma uno nuevo: la Inteligencia Articial.
En medio del marco establecido, el objetivo de este texto es presentar las percepciones que
tienen los estudiantes de los CNLE de la Universidad Nacional de Colombia, con respecto al uso
de la Inteligencia Articial en la escritura académica universitaria. Para tal n, se sitúa al lector en
el escenario de los CNLE, se establecen algunas nociones teóricas fundamentales y se exponen
los debates más notorios en este tema. Posteriormente, se presenta la metodología que se llevó
a cabo en este artículo, junto a los resultados y discusión en torno a estos. Finalmente, el artículo
cierra con algunas conclusiones, la presentación de las limitaciones, las prospectivas de trabajo y
los agradecimientos.
Fundamentación teórica
Para comenzar, es necesario señalar que no se está hablando de las Inteligencias Articiales en
general, sino de un subconjunto especíco de estas: los Large Language Models (LLM). Ejemplos
de estos son ChatGPT, Claude, Bard, Gemini y Copilot. Para más precisión, resulta útil decir en
primer lugar qué se entiende por LLM.
Según Zhao et al. (2023), un LLM, típicamente una red neuronal, es una herramienta estadística que
opera sobre el lenguaje natural. Cuando se le proporciona una secuencia ordenada de unidades
de texto previamente establecidas (tokens), este modelo calcula la probabilidad del siguiente token
en la secuencia. Sus instrucciones se adaptan meticulosamente para desempeñarse en diversas
tareas de procesamiento del lenguaje natural, organizadas en estructuras de instrucción, entrada y
respuesta. Los modelos adaptados a estos mandatos tienden a ser más ecaces en la interpretación
y ejecución de órdenes en lenguaje natural.
Con base a lo anterior, se da cuenta de que las IA no aprenden en sentido estricto, más bien son
modelos que predicen qué información brindar y permiten llegar a conclusiones a partir de conjuntos
de datos organizados. Al utilizar estos modelos predictivos, se requiere una cantidad considerable
de datos para un rendimiento óptimo, ya que son estos datos los que permiten a la IA realizar
predicciones precisas (Russell y Norvig, 2016). Es importante destacar que estos datos siempre
están ligados a un contexto especíco, lo que signica que un modelo puede funcionar mal en otro
contexto distinto al que fue entrenado. En denitiva, las predicciones realizadas por estas IA se
basan en cómo fueron entrenadas.3
_____________________________
3 Existen dos tipos principales de modelos de entrenamiento: supervisados y no supervisados (Zhou, 2021). En los supervisados
se etiquetan los datos con información adicional (labels) que guían al modelo durante el entrenamiento. Por otro lado, en los
modelos no supervisados, se proporciona al sistema una gran cantidad de datos sin etiquetar, se le pide que agrupe estos
datos y cree categorías basadas en patrones identicados, sin la necesidad de etiquetas predenidas.
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
29
Las IA como Claude, ChatGPT, Bard y Copilot tienen diversas aplicaciones, desde las que sirven
para procesar textos hasta las conguradas para aumentar la productividad. Claude destaca en
tareas textuales y conversacionales, en las cuales ofrece respuestas detalladas y naturales (Anthropic,
2023). ChatGPT se entrena con aprendizaje por refuerzo, con el objetivo de conversar e interactuar
con el usuario y tiene información hasta enero del 2022 (OpenAI, 2022). Bard se enfoca en sintetizar
ideas para comprender rápidamente temas, profundizar en ellos y buscar perspectivas adicionales
(Pichai, 2023), mientras que Copilot agiliza la creatividad al ofrecer un primer borrador para editar e
iterar en el proceso creativo (Spataro, 2023). Estos LLM muestran cómo la tecnología está siendo
aprovechada para una variedad de usos, desde la generación de contenido hasta la corrección
de escritos, habilidades que son recurrentes en el proceso de la escritura académica. Solo se
mencionaron las que tienen más renombre en el contexto académico en la Universidad Nacional
de Colombia; sin embargo, a continuación, se presenta la Tabla 1, que muestra otras Inteligencias
Articiales disponibles para el proceso de la escritura.
Tabla 1. Ejemplos de inteligencias articiales usadas en la escritura académica
Uso Inteligencia articial
Asistencia en la redacción
DeepL Write
Ludwig
Grammarly
QuillBot
Trinka
Microsoft Editor
Generación de contenidos
ChatGPT
Copy.ai
Texta
ChatSonic
Writier
Writerly
Nota: información tomada y adaptada de Chen (2023).
En el escenario educativo, puntualmente en la escritura, el desarrollo de la Inteligencia Articial ha
suscitado incomodidades y debates en torno a temas como la construcción del conocimiento a través
de la escritura (Culp, 2023; De Vito, 2023; Duymaz y Tekin, 2023), el plagio (Alafnan y Mohdzuki,
2023), el estilo del escritor (Alafnan y Mohdzuki, 2023), la ética (Bell, 2023; Duymaz y Tekin, 2023)
y el desarrollo del pensamiento crítico en la escritura (Camargo y Ahumada, 2023).
Pese a estas tensiones, la investigación y literatura académica también registra una serie de aportes.
Por ejemplo, Schmohl et al. (2020) exponen la necesidad de presentar una solución respaldada
por tecnología para mejorar la escritura académica de los estudiantes. Para tal n, presentaron el
protocolo de su investigación para ser aplicado en Cursos de Escritura Académica en múltiples
30
Centros de Posgrado dentro de Alemania. Sin embargo, aunque en la búsqueda de los investigadores
no se encontró información disponible de libre acceso sobre el desarrollo de dicha investigación,
sí se identicó un interés por fortalecer la discusión en torno al tema de la escritura académica y la
Inteligencia Articial,en una época que coincidió con la necesidad que tuvo la educación de volcarse
a la virtualidad en medio de la pandemia por COVID-19.
Aunque la tecnología de IA ofrece ventajas en términos de eciencia y automatización de tareas
(Dergaa et al., 2023), es importante reconocer que no puede reemplazar completamente la
creatividad y el ingenio humanos. Por lo tanto, es crucial que se mantenga la vigilancia y se utilicen
procesos de vericación y fact-checking liderados por expertos para garantizar la integridad y
calidad de los trabajos presentados, considerando la supervisión humana como indispensable al
usar herramientas de IA para redactar. Aunque Huang y Tan (2023) hacen esta sugerencia en el
proceso de redacción de artículos cientícos, es pertinente mencionar que la escritura académica
como proceso vinculado a la planicación, la textualización y la revisión de un texto, y no solo a su
resultado nal independientemente de la tipología, implica una indagación cercana a la investigación
(Cassany y Castelló, 2010). Esta garantiza precisión y adecuación al contexto, al corregir posibles
errores y asegurar que el contenido cumpla con los estándares necesarios, lo cual se debe a que
la IA puede generar texto relevante, pero carece de comprensión completa del contexto cientíco.
También existen propuestas para asumir la existencia y uso de la Inteligencia Articial como una
herramienta que puede apoyar el ejercicio de la escritura académica. En primer lugar, Lebrun (2020)
presenta una tipología de documentos escritos generados con Inteligencia Articial a través de una
revisión de literatura europea en la cual se usó esta tecnología. En su investigación, concluye que
pueden caracterizarse tres tipos de obras generadas por la automatización inteligente: (1) creación
nueva y creativa, es decir, obras propias que el autor denomina obras de arte; (2) texto escrito por
un autor humano y ajustado por la máquina, es decir que la Inteligencia Articial toma el lugar del
corrector de estilo; y (3) creación de un texto a partir de la alimentación del algoritmo con otros
textos o ideas suministradas por el autor, de modo que es el autor quien tiene un propósito claro y
los insumos para desarrollarlo, pero la herramienta de procesamiento de lenguaje natural es la que
se encarga de organizar toda la información.
Metodología
Esta investigación se constituye como un estudio mixto con un diseño fenomenológico, dado el
interés en indagar las experiencias de los estudiantes de los CNLE en torno al uso y apropiación de
las Inteligencias Articiales en la escritura. Además, se perla con un alcance exploratorio (Hernández
et al., 2014), en atención a examinar las posibilidades de uso de las Inteligencias Articiales en los
contextos de escritura académica universitaria dado que, tal como lo evidenció la literatura, las
experiencias en el tema todavía son pocas y se ubican principalmente en el escenario preuniversitario
(Schmohl et al., 2020).
Instrumentos
Para identicar las formas en que los estudiantes utilizan la Inteligencia Articial en su proceso de
escritura, se hizo la recopilación de la información en dos fases. La primera, a lo largo del año 2023,
consistió en la aplicación de un cuestionario de investigación cualitativa (Abarca et al., 2013) con una
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
31
muestra de participantes voluntarios (Hernández et al., 2014) de los estudiantes de cuatro grupos
de los CNLE en los semestres 2023-01 y 2023-03. La segunda buscó ampliar los datos descriptivos
que se recogieron en los cuestionarios y se concentró en la recolección de información enfocada
en el uso de la Inteligencia Articial a partir de entrevistas. Ambos instrumentos tuvieron el propósito
de recoger información netamente cualitativa, relacionada con cuatro núcleos de información:
reconocimiento de la herramienta; cómo fue el primer acercamiento al uso de IA en la academia;
usos frecuentes de la IA en la escritura académica y razones de abstención.
Se desarrolló un cuestionario autoadministrado (Hernández et al., 2014) a través de Google Forms
con preguntas abiertas. Sin embargo, se incorporaron algunas preguntas cerradas que buscaron
identicar cuáles personas habían usado alguna inteligencia articial en su proceso de escritura, es
decir, fueron preguntas precodicadas que permitieron tener un contexto de las respuestas de los
participantes (Abarca et al., 2013). Por su parte, con las preguntas abiertas dirigidas a conocer de
forma más especíca la experiencia de los estudiantes con el uso y aplicación de las Inteligencias
Articiales en la escritura de sus textos académicos. Estas preguntas sirvieron para dar cuenta, a
mayor profundidad, de cuáles fueron los usos y diferentes acercamientos hacia la inteligencia articial
en un ámbito académico de escritura universitaria. En dicha fase participaron, voluntariamente, 46
estudiantes en el primer semestre y 48 en el segundo semestre del año 2023 de los CNLE.
Asimismo, entre quienes respondieron el cuestionario, fueron escogidos diez estudiantes, a los cuales
se les realizaron entrevistas que fueron grabadas y transcritas manualmente. Estas se basaron en
un diseño semiestructurado que permitiera conocer en detalle la experiencia de algunos estudiantes
a la hora de usar diferentes Inteligencias Articiales en sus procesos de escritura en la universidad,
tanto en el trabajo de los CNLE, como en otras asignaturas. Los parámetros de selección se basaron
en el género, la edad y la facultad de los entrevistados. Además, se consideró si el estudiante había
utilizado Inteligencia Articial en su proceso de escritura, según sus respuestas en el cuestionario.
De esta manera, se obtuvieron perles variados que proporcionaron perspectivas diversas, no solo
sobre el uso de la Inteligencia Articial en el curso de lectoescritura, sino también sobre la percepción
que se tiene de esta dentro de sus facultades.
Codicación y análisis de la información
Para conocer detalles del uso de la Inteligencia Articial en la escritura académica a partir de las
experiencias de los estudiantes, se codicó la información obtenida en cuestionarios y entrevistas
a partir de la estructuración de los instrumentos, es decir, experiencias de acercamiento a la IA en
general, sus primeros usos en la escritura, sus usos más comunes y sus prevenciones con respecto a
estas herramientas. Este proceso dio lugar a la categorización de los datos cualitativos recopilados.
Finalmente, el análisis de la información recolectada se hizo a través de la saturación de datos que
se consignó en el software Nvivo. En concordancia con el diseño fenomenológico, se establecieron
unidades de signicado, categorías y descripciones del uso de la Inteligencia Articial en el proceso
de escritura para la presentación de resultados.
En el siguiente apartado se presentan los hallazgos obtenidos con base en cuatro categorías de
análisis: reconocimiento de la herramienta; primer acercamiento a la IA en la academia; frecuencia de
32
uso en la escritura académica y razones de abstención. En cada sección se exponen los resultados
de los cuestionarios y de las entrevistas; además, se señalan algunas inquietudes producto de la
información recopilada. Los extractos de las entrevistas se ofrecen de forma anónima, por lo cual se
hará referencia a ellos con la etiqueta “Est.” seguida de los números del 1 al 10 (por ejemplo, Est. 1).
Resultados
Reconocimiento de la herramienta
Al analizar el corpus de las encuestas realizadas en los períodos académicos 2023-01 y 2023-
03, se identicaron datos muy similares en el uso de las herramientas de IA para la escritura.
Las herramientas más utilizadas, según lo reportado por los estudiantes, fueron ChatGPT, Bing y
Perplexity. Con respecto a la información recogida mediante las entrevistas, por un lado, se destaca
la importancia de entender y aprovechar la presencia de la IA, describiéndola como “una realidad
que llegó para quedarse, entonces hay que saberla usar y hay que saberla aprovechar” (Est. 1).
Esta percepción reeja una actitud proactiva hacia la integración de la IA en el entorno educativo,
lo que plantea la posición de reconocer su valor y potencial para mejorar los procesos de trabajo.
Por otro lado, hubo preocupaciones expresadas por parte de los entrevistados sobre el papel de
la IA en el proceso de escritura académica. Una de las participantes manifestó su inquietud por el
uso de un lenguaje sosticado por parte de la IA; igualmente, advirtió que “no es para uno copiarse
de la Inteligencia Articial, sino [para] que sea una ayuda” (Est. 2).
Primer acercamiento a las IA para el uso de escritura académica
La Figura 1 presenta el mapa jerárquico de códigos asociados a quién o qué provocó el primer
acercamiento de los estudiantes con las IA para su uso en la escritura académica. Se establece
que son las redes sociales, los familiares y amigos quienes tuvieron mayor representatividad en las
respuestas de los dos semestres.
Figura 1. Mapa de primer acercamiento a la IA
Es importante explicitar que, al analizar las respuestas de los dos semestres por separado, se identicó
que para el primer semestre del año la gran mayoría de respuestas de los estudiantes señaló que
fue en los CNLE en donde por primera vez conoció la aplicación de la IA. Asimismo, los resultados
del segundo semestre sitúan redes sociales como Tik Tok, Instagram e Internet en general como el
principal escenario que les permitió explorar las herramientas de IA. Esta información es interesante,
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
33
en tanto deja en evidencia un cambio muy rápido en la vinculación de los estudiantes con la IA,
pues de un semestre para otro, la mayoría de estudiantes pasó de no tener conocimiento del uso
de IA a reconocerla y usarla sin necesidad de indicación alguna por parte del profesorado del CNLE.
Por un lado, en las entrevistas se describió su experiencia inicial con la IA como un proceso de
aprendizaje, en el que se les enseñó a utilizar los prompts de manera especíca para obtener
resultados claros y precisos. Según sus palabras, un profesor “enseñó a usar los prompts. Hay
que decirle: “yo soy fulanita de tal, estudio tal o me dedico a tal y quiero, tengo que hacer tal cosa.
Hazlo desde el punto de vista de tal”. O sea todo, hay que decírselo masticado a la Inteligencia
Articial, porque si no, da respuestas ambiguas” (Est. 1). Por otro lado, el Est. 2 compartió su
descubrimiento inicial de la IA, especícamente ChatGPT, durante los CNLE, donde se le instruyó
sobre cómo utilizarla para diversas consultas relacionadas con la escritura académica. Su testimonio
reeja este proceso de descubrimiento y utilidad: “Yo no sabía que ChatGPT existía hasta lecto y
yo descubrí que uno le puede preguntar sobre lo que dice de un párrafo o el resumen, basado en
quién lo necesita” (Est. 2). Esto se compagina con la experiencia del Est. 4, pues expresa que su
acercamiento a las IA fue supervisado y sugerido por la docente.
En contraste, el Est. 3 expresó cierto desconocimiento inicial sobre las IA y sus aplicaciones,
sugiriendo que en ese momento no estaba familiarizado con el concepto de IA y sus potenciales usos
en la escritura académica: “Creo que en ese momento no estaba como tan sonada la Inteligencia
Articial, por así decirlo, y también porque yo tenía entendido que las Inteligencias Articiales tenían
como un registro hasta ciertos años” (Est. 3).
Uso de la Inteligencia Articial en la escritura
Los usos de la IA en la escritura académica son múltiples; sin embargo, las respuestas de los
cuestionarios permitieron establecer una serie de coincidencias a lo largo de todo el corpus. Tal
como se evidencia en la Figura 2, los usos principales se mueven entre la búsqueda de información,
la generación y organización de ideas y la redacción en general.
Figura 2. Nube de palabras de usos de la IA en la escritura
Nota. Esta nube de palabras muestra cuáles fueron los diferentes usos que los estudiantes le dieron a las IA en la escritura.
Buscar información
Hay acciones comunes en las respuestas de los dos periodos académicos tales como “buscar
información en general”, “guía para hacer un mapa conceptual”, “deniciones”, “resolución de
34
dudas” y “encontrar información con mayor facilidad”. Así, pues, se identica que, en la mayoría
de los casos, los estudiantes rerieron la IA como un buscador que permite “encontrar información
con fuentes ables, de forma de que se me facilitará la investigación”.
Las entrevistas también coincidieron en este uso: “Me ha servido como para buscar bibliografía,
digamos, a veces hay conceptos que no entiendo y que no tengo un profesor a quién consultarle
o no tengo un libro a la mano. Ahí puedo entrar y preguntarle a la IA” (Est. 6). En este orden de
ideas, desde la perspectiva de estas respuestas, la IA permite identicar respuestas más completas
en un solo lugar, en contraposición de lo que puede suceder con los buscadores tradicionales, en
donde se deben revisar varias páginas para reconstruir una respuesta a la búsqueda que se está
haciendo. Además, se ve en la IA una guía que “ayuda para ir buscando los artículos que nos iban
a servir” (Est. 4).
Sin embargo, también se reconoce en algunas herramientas un límite para la búsqueda de información,
debido a que algunas de ellas fueron entrenadas con fuentes producidas en un período corto. El
ejemplo más corto es ChatGPT, que tiene información hasta enero de 2022, además de estar oine.
Esto lleva a que en temas actuales sea “muy difícil encontrar información, por lo que era algo que
hasta ahora estaba empezando” (Est. 3).
Generación de ideas
Los cuestionarios muestran que esta primera fase del ejercicio de argumentación está vinculada
al uso de las IA y se evidencia en respuestas como: “idea del tema”, “los primeros pasos o ideas”,
“encontrar ideas para realizar un ensayo”, “generar ideas sobre propuestas”, “encontrar un tema
sobre el cual escribir” y “ayudarme a dar ideas”. Sin duda alguna, uno de los retos más importantes
para los estudiantes es la selección de un tema que pueda dar lugar a un texto argumentativo
académico y la IA ha constituido una herramienta útil para asumir esta actividad compleja.
Organización de ideas
En contraposición a la categoría anterior, algunos participantes indicaron que no usan la IA en el
proceso de generación de ideas, sino en la organización de las propias ideas. Se pudieron identicar
respuestas como “yo le daba la idea y qué quería escribir para que me lo corrigiera”, “organizar mis
ideas”, “yo plasmaba mi idea que no estaba del todo organizada y se la planteaba a la IA y le solicitaba
que me ayudara a organizarla” y “organizar mejor las ideas”. A estas respuestas de los cuestionarios
se suman algunas respuestas de las entrevistas: “todas estas ideas, no sé cómo organizarlas,
entonces lo que hice fue como redactar algo y que la inteligencia lo que hiciera fue como mejorar
un poco eso que yo había escrito” (Est. 8), “había fuentes como que no entendía mucho porque era
un lenguaje muy avanzado o cosas por el estilo, entonces lo copiaba, le pegaba y le pedía que me
lo explicara” (Est. 2) o “le preguntamos y ya teniendo una idea, íbamos y lo buscábamos” (Est. 4).
Redacción en general
Si bien hubo respuestas que centraron el uso de la IA en el ejercicio de redacción como una categoría
general a partir de respuestas como “redacción”, “alternativas a textos que ya había escrito”, “uniera
unos párrafos de un ensayo y revisara su redacción”, “mejorar la redacción” y “correcciones de
estilo”, hubo otras que fueron mucho más especícas con respecto al uso de la IA para garantizar
coherencia en el texto, mejorar la puntuación y garantizar una buena ortografía.
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
35
Coherencia: Se identicaron respuestas como “relación entre diferentes temas”, “generar una
argumentación más coherente”, y “coherencia”. Con ello se describe un enfoque colaborativo que
utiliza la IA para asistencia y renamiento de escritura: “La usamos para asistencia en escritura,
coherencia y para profundizar en el tema” (Est. 5). Con ello se destaca el proceso iterativo de
renamiento, al armar que “copiamos todo el texto y le decimos: ‘Por favor, corrige cualquier error
y asegúrate de que todo sea coherente’. O no sabemos de qué estamos hablando en este tema, así
que les damos el párrafo y le pedimos que lo reescriba para nosotros, más o menos bien.” (Est. 4).
Además, en contraposición, se enfatiza la importancia de mantener conexiones lógicas entre
párrafos e ideas, sugiriendo que la IA podría obstaculizar este proceso: “La persona ya no va a ver
la necesidad de encontrar la lógica detrás de conectar un párrafo con otro porque la Inteligencia
lo hace por ellos.” (Est. 1). Aquí se reconoce una problemática al dejar el proceso de conexiones
coherentes en los textos a la IA, arguyendo la idea de que este ejercicio de conexión lógica es
enriquecedor para aquel que escribe.
Puntuación y ortografía: Se identicaron respuestas como: “poner signos de puntuación”,
“ortotipográcas” y “signos de puntuación”. Asimismo, con la puntuación se reconoce un estilo
propio de escritura de la IA (Alafnan y Mohdzuki, 2023). Se identicaron varias respuestas explícitas
asociadas a “corregir ortografía”. Con ello se identica el uso de la IA como asistente de corrección,
pues se encuentra que los estudiantes la usan “para vericar si estaba bien escrito o si había errores
de ortografía” (Est. 5).
En las entrevistas dan cuenta de que la IA brinda una manera más académica de escribir, por lo que
existe una preferencia a usarla en los ambientes académicos, ya que se percibe que es lo que será
apreciado, por lo menos en forma: “Le da un enfoque muy académico, como muy serio” (Est. 4).
También indican “escribe bien, pero me gusta más como escribo yo, pero digamos que yo sé que
para mis profesores les gusta más como escribe la inteligencia porque es más profesional” (Est. 2).
Como se puede apreciar, en términos de la redacción, los estudiantes han identicado actividades
muy concretas que puede desarrollar la IA, aparentemente de forma eciente, pues no requiere un
proceso asociado al pensamiento, sino al seguimiento de reglas microestructurales. Sin embargo, se
reconoce que no todo el trabajo de redacción recae solo en la IA, sino que se encuentra el proceso
de relectura, y reescritura de lo que escribe la IA: “A veces veo lo que escribe la Inteligencia Articial
y digo: ‘eso no está bien’. Así que necesito leerlo y agregar cosas” (Est. 1). En las entrevistas, estos
usos también fueron permanentes:
Para el momento de la escritura, la importancia de los conectores que a veces uno no sabe
que poner, eso también sirve como herramienta para poder construir textos, no para que los
haga, sino para poder ayudar a construir los textos. Por ejemplo, la ortografía, la redacción y la
conexión entre los diferentes párrafos (Est.10).
A pesar de que los últimos dos usos mencionados tuvieron una baja incidencia, entre una y cuatro
veces en los cuestionarios, se considera relevante exponerlos para explorar las posibilidades menos
conocidas de la IA en el ámbito de la escritura académica.
36
Síntesis del propio texto
En la evaluación de los CNLE, los estudiantes deben entregar su texto nal cumpliendo la
característica de un número mínimo y máximo de palabras. Por esta razón, no es extraño encontrar
respuestas tales como “sintetizar mi ensayo” y “para acortar ideas”. Dado que en el escenario
académico es muy común que los ejercicios de escritura cuenten con un canon de extensión, sin
duda la IA puede hacer ese ejercicio de síntesis a partir del texto que le ofrezca el autor.
Las entrevistas también evidenciaron que este uso es muy común: “En una asignatura nos limitaban
la entrega de un preinforme a 3 páginas. Entonces ahí lo usaba para resumir lo que había hecho”
(Est. 7), “la uso para los resúmenes, ya que debo leer y escribir demasiado” (Est. 2) y “me parece
muy buena herramienta porque yo tiendo a extenderme mucho en lo que yo escribo y realmente hay
cosas en las que uno debe ser muy concreto” (Est. 6). Así, pues, resulta válida la pregunta en torno
a cómo un autor garantiza que la IA sí mantuvo las ideas nucleares de su documento o si justamente
en los espacios de formación de escritura académica se debería desarrollar esta competencia de
evaluación de síntesis de la IA.
Otros usos
En términos de escritura, en los cuestionarios se identicaron usos como “títulos”, “pasar la
bibliografía a APA”, realizar y revisar traducciones y “orientación de un proceso como hacer un mapa
conceptual”. Sin embargo, resultó curioso que, pese a que las preguntas eran explícitas con respecto
a escritura, hubo muchas respuestas que rerieron a la lectura y las síntesis de los documentos: “le
suministraba información consultada, y luego esta hacía una síntesis”, “resumir textos que no
consideraba muy relevantes o que eran muy extensos”, “entender mejor oraciones o párrafos que
fueran complicados”, “una herramienta para diseñar resúmenes”, “en textos tan viejos me ayudó
a encontrar los puntos clave del texto” y “para buscar si en el texto que encontré estaba lo que
necesito”.
Por supuesto, el proceso de escritura exige un ejercicio de lectura con ciertas características; sin
embargo, dado que en este no se aborda con profundidad, quedan preguntas importantes en
torno a cómo están asumiendo los estudiantes la lectura académica en su contexto universitario
y qué implicaciones tienen estos ejercicios en su formación. El problema queda explícito con el
reconocimiento de la falta de precisión de las IA y con la decisión de seguirla utilizando en la escritura:
“Creo que la Inteligencia Articial sirve mucho más en el ámbito de lo que se escribe. Porque allí
puedes ser más ambiguo con opiniones, mientras que con números su falta de precisión es un
problema” (Est. 5). Asimismo, los estudiantes encuestados relatan diversos usos de la IA, a menudo
confundiéndola con otras aplicaciones informáticas, como Calendar, motores de búsqueda como
Google, o sistemas operativos como Windows.
Por otra parte, la Figura 3 da cuenta de las razones más recurrentes por las cuales los estudiantes
preeren evitar el uso de las IA en su proceso de escritura académica y de aprendizaje en general. De
hecho, justamente la noción de aprendizaje y la intención en el proceso de formación son algunas
de las razones más importantes para descartar su uso: “preero aprender de mis errores y mejorar
mi escritura teniendo en cuenta los consejos de mis docentes”, “la idea era hacer yo el ejercicio”.
Se asume, en algunos casos, que usar las IA impide un proceso de aprendizaje eciente; al llegar
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
37
más rápido a los resultados, los estudiantes interpretan que esta rapidez es sinónimo de inecacia
en el proceso de aprendizaje.
Figura 3. Análisis del conglomerado de razones de abstención para usar las IA
Nota. Realización propia. Este análisis del conglomerado muestra cuáles fueron las razones de abstención para no usar las IA.
Se observaron diferentes perspectivas respecto al uso de la IA en el proceso de aprendizaje. Mientras
que una voz expresó preocupación por la posible disminución en la calidad del aprendizaje al depender
de la IA, señalando que “no sería la misma calidad de aprendizaje, siento que no tendría el mismo
sentido” (Est. 3), otra reconoció su utilidad como una herramienta rápida para resolver dudas, pero
hizo hincapié en la importancia de utilizarla con precaución, ya que “la idea es aprender” (Est. 4).
Las entrevistas también reejaron una idea en el hecho de que la IA impide que los estudiantes
aprendan de sus propios errores en niveles básicos de la formación en escritura académica:
“permitir equivocarse es importante. Yo no utilizaría la IA en esa materia en particular [reriéndose
a los CNLE], porque no me permite equivocarme, aprender y generar unos procesos de escritura
propios” (Est.9). Esto se rearma con la respuesta: “Yo he sido bastante reacia, me ha costado
adaptarme a la Inteligencia Articial un montón, porque yo siempre fui de ‘hay que producir desde
tu cabeza y desde lo que te dice lo que tú sabes y si tienes que embarrarla”’ (Est. 1).
Adicionalmente, hay otras razones que también señalan los estudiantes en los cuestionarios, tales
como la perspectiva ética del uso de la IA: “Me parece deshonesto”, “podría verse un poco como
plagio o algo simplemente copiado y no redactado por mí”. En entrevista, se dijo que “en los
informes no los utilizo para redacción porque considero que es importante que yo te demuestre las
habilidades que aprendí” (Est. 10). Además, se señalan errores en la herramienta: “todavía contiene
muchos errores” y “desconanza en la calidad de producción de textos escritos”. En las entrevistas
también surgieron respuestas como estas: “Decidí no usarla porque se me hace que aún es una
inteligencia muy ineciente, es una inteligencia que no ha tenido tanto desarrollo y, por ende, aunque
los resultados puedan llegar a ser parcialmente certeros, no son totalmente correctos” (Est. 9) o que
se abstiene de usar la IA “primero por miedo al plagio y segundo porque dejarlo muy robótico se
sentía como si ChatGPT estaba haciendo el ensayo por mí” (Est. 2). Finalmente, las ideas de que
38
las IA son innecesarias en el ejercicio de la escritura académica o que los estudiantes desconocen
su uso también estuvieron presentes.
En las respuestas del cuestionario de las personas que no usan la IA, surgió una razón interesante
en torno a la diferencia entre lo humano y lo tecnológico en función del propósito de quien escribe:
“Aunque intentaba utilizarla, esta herramienta no lograba expresar mis ideas de la manera en que
yo las planteaba”. Esta explicación se encuentra en una de las entrevistas en donde surgió:
He aprendido a escribir mucho en primera persona y la Inteligencia Articial no sabe hacer eso.
No reeja lo que yo quiero reejar, entonces para mí el uso es porque es como porque necesito
algo muy técnico. O que yo no sé organizar las ideas, que ha sido contadísimas veces, pero
jamás en un ensayo o en un trabajo investigativo. También tiene que ver con la manera misma
en como yo escribo (Est. 8).
Ahora bien, quienes señalan una abstención en el uso de la IA, no descartan del todo recurrir a ella.
Al preguntarles sobre su posible uso, quienes señalaron desconocimiento en la herramienta o dudas
con respecto a los errores de la herramienta señalan que, en la escritura académica, la IA podría
serles útil para mejorar la redacción de sus textos, centrados, principalmente en la microestructura
y en lo normativo, tal como se aprecia en la Figura 4.
Figura 4. Nube de palabras de posibles usos de las IA en personas que se abstuvieron.
Nota. Realización propia. Esta nube de palabras muestra cuáles fueron los posibles usos de las IA en personas que se abstuvieron
de usarla.
Aunque esta exploración se centró en la escritura académica, las respuestas de algunos estudiantes
en entrevistas muestran el potencial que ven en otros contextos de tutor:
Bueno, realmente me parece que el tema de la Inteligencia Articial en la Academia es muy
debatible, por el hecho de que hay dos posiciones: quienes realmente lo satanizan o rechazan y
dicen que desarrolla el pensamiento crítico. Mientras que otros realmente sí tienen esa perspectiva
de verlo como un vehículo para quienes necesiten realmente un apoyo, porque no todos
aprendemos de la misma manera, no todos tenemos el mismo método de aprendizaje del
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
39
profesor para cuando no esté. Yo concluyo que la Inteligencia Articial toma el papel de ser un
tutor, un monitor (Est. 10).
Esta respuesta logra recoger parcialmente algunas de las funciones que Mora-Monroy y Fuerte-
Blanco (2021) señalan como propias del quehacer de un tutor del área de lectura y escritura.
Discusión
El primer rastreo del uso de IA en la escritura deja en evidencia que, en el contexto de esta
investigación, la lista que provee Chen (2023) de Inteligencias Articiales en la escritura académica
solo coincide con el uso de ChatGPT. Además, también da cuenta de que existen algunas confusiones
con respecto a qué es una Inteligencia Articial en contraposición con una herramienta digital, como
se puede ver en el apartado Otros usos.
Los resultados muestran una tendencia positiva hacia el uso de herramientas de IA para la escritura
en la universidad, con un notable incremento en su adopción entre los dos semestres analizados. Esto
sugiere una creciente integración de la IA en el proceso educativo, lo que podría tener implicaciones
signicativas en la forma en que los estudiantes abordan y desarrollan sus habilidades de escritura
en el contexto universitario. Entender y aprovechar la presencia de la IA sugiere una cautela sobre
la dependencia excesiva de la IA y enfatiza la importancia de mantener un papel humano central
en el proceso creativo y académico, lo cual coincide con la importancia del proceso de supervisión
que mencionan Huang y Tan (2023).
Con respecto al primer acercamiento de los estudiantes a las IA para la escritura académica, se
evidencia que los estudiantes desde un inicio reconocen límites sobre el uso de las IA. Por supuesto,
estas respuestas ubican a los docentes en un lugar importante asociado al uso de las IA, pues, por
un lado, resulta fundamental establecer procesos de apertura a su uso para garantizar percepciones
informadas de las herramientas (Juca-Maldonado, 2023). Por el otro, su buen uso en el desarrollo
de las asignaturas exige un proceso de formación y actualización docente para garantizar ejercicios
que apoyen el proceso de enseñanza-aprendizaje (Fernández-Bringas y Chinchay, 2023; Kwan y
Becker, 2023; Sánchez, 2023).
Por su parte, en lo que reere a los usos concretos de las IA en la escritura académica, se tiene que
la IA es útil a la hora de buscar información y se concibe como una herramienta que va a ayudar y
hacer más ligero el trabajo de la búsqueda de la información, lo cual coincide con investigaciones
como las de Kwan y Becker (2023) y Sánchez (2023). No obstante, también reconocen el sesgo de
comprobación (De Vito, 2023) que tienen algunas IA. Es decir, que en ocasiones se dan referencias
o citas que no existen.
Además, el proceso de generación de ideas, identicado como uno de los primeros momentos
en el proceso de construcción del texto argumentativo en los CNLE (Mora-Monroy et al., 2021)
suscita algunas preguntas asociadas a si este ejercicio limita, en alguna medida, la competencia de
búsqueda de información y toma de decisiones. Incluso, según la categorización de Lebrun (2020),
cabe preguntarse si este tipo de textos serían una creación nueva y creativa de la IA o un texto
40
escrito por un autor humano y ajustado por la máquina. No obstante, también suscita preguntas en
torno a si al ejecutar la generación de ideas de forma más sencilla, es posible dedicar más tiempo
y energía a organizar y estructurar la argumentación.
Como se evidencia en las respuestas de cuestionarios y entrevistas, hay una parte de los estudiantes
que preeren desarrollar el proceso de generación de ideas para garantizar un componente humano
en la planeación y planteamiento de las ideas en la escritura académica. Es decir, un texto que se crea
a partir de la alimentación del algoritmo con otros textos o ideas suministradas por el autor (Lebrun,
2020). Eso indica que, desde esta perspectiva, la IA se usa como una herramienta que sería útil para
garantizar que la comprensión del lector sea más sencilla, pero se resalta la importancia de que sea
el estudiante quien postule dichas ideas. A partir del contraste con la categoría de generación de
ideas, vale la pena cuestionar si, dependiendo del nivel de formación (escolar, pregrado o posgrado),
alguna de estas dos categorías cobraría mayor o menor sentido de acuerdo con los propósitos
pedagógicos y académicos que se esté buscando desarrollar a través de la escritura académica.
Finalmente, en el uso de la IA surgen dos preguntas asociadas al tema de la redacción. La primera
es por qué razón se preere la IA en lugar de los procesadores tradicionales de texto que ya hacen
el ejercicio de marcar los errores ortográcos y hacer sugerencias en torno a la puntuación y sintaxis.
La segunda es si las normas ortográcas y la puntuación, como competencia de la redacción
académica, podrían perder vigencia en los próximos años (Corredor y Romero, 2020; Jáuregui, 2008).
Conclusiones
En denitiva, los resultados obtenidos de este estudio ofrecen una visión detallada y matizada sobre
la percepción y el uso de la Inteligencia Articial (IA) en la escritura académica universitaria por parte
de estudiantes de los CNLE. A través de encuestas y entrevistas, se revela un panorama diverso
en cuanto a la adopción y las actitudes hacia estas herramientas. A continuación, se presentan las
conclusiones de las cuatro grandes categorías descritas en los resultados; a saber: reconocimiento
de la herramienta, primer acercamiento, uso de la IA en la escritura y abstención. Adicionalmente,
se presentan algunas reexiones en torno a las posibilidades de investigación en el campo de la IA,
así como las limitaciones propias de esta investigación.
Con respecto a la primera categoría, se evidencia que ChatGPT fue la IA más utilizada, seguida
por Bing y Perplexity. Asimismo, se destaca una actitud positiva hacia la IA, pues se reconoce su
valor en la educación, pero también la preocupación sobre la dependencia y la necesidad de usarla
como una ayuda, no un reemplazo. En el primer acercamiento a las IA para la escritura académica,
se maniesta que los estudiantes conocieron la IA principalmente en los CNLE o por medio de las
redes sociales. Además, se hace visible que la instrucción docente fue clave para el uso inicial de la
IA, lo que resalta la importancia de la formación adecuada del profesorado para aprovechar estas
herramientas en la escritura académica.
Los datos muestran una creciente familiarización con la IA, reejada con un aumento signicativo
en su uso entre los dos semestres estudiados. Si bien la IA se emplea principalmente para tareas
como búsqueda de información, generación y organización de ideas, así como corrección de estilo
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
41
y ortografía, también surgen preocupaciones éticas y de calidad en su aplicación, especialmente en
cuanto a la pérdida de autonomía y aprendizaje genuino por parte de los estudiantes.
Mientras algunos expresan preocupaciones éticas y de calidad, otros ven en la IA un recurso valioso
para brindar apoyo personalizado y mejorar la eciencia en el aprendizaje. Esta diversidad de
perspectivas resalta la necesidad de una reexión continua sobre el papel de la IA en la educación,
equilibrando los benecios potenciales con las preocupaciones éticas y pedagógicas para garantizar
un uso responsable y signicativo de estas tecnologías en el ámbito académico. También exige la
actualización y formación del personal docente en el uso de la IA, pues, tal como se evidenció en
las respuestas de los estudiantes, su uso en las aulas es inminente y el prohibicionismo no será
efectivo ante una herramienta que se nutre todos los días.
Indudablemente, el tema de la Inteligencia Articial es un tópico que tiene avances y cambios
acelerados; por esa razón, no dudamos de que el uso de esta herramienta en la escritura académica
asuma debates vertiginosos y propuestas diversas en los próximos meses. En ese orden de ideas,
si bien la población con la cual se presenta este artículo es reducida tanto en cuestionarios, como
en entrevistas, permite identicar una serie de coincidencias, en las respuestas de los estudiantes,
que pueden dar lugar a resolver diferentes interrogantes que se exponen a lo largo del texto, a
ampliar la población del estudio para conrmar los resultados de este documento o desarrollar
intervenciones que aborden los interrogantes o incomodidades que expusieron las intervenciones
de los estudiantes.
Agradecimientos
Este artículo no habría sido posible sin el interés y apoyo de los estudiantes que pasaron por los
CNLE. Cada una de sus respuestas, tanto en cuestionarios como entrevistas, permiten que nuestro
quehacer docente cada vez sea más reexivo y enfocado en las necesidades prácticas de sus
procesos de aprendizaje. Gracias por estar dispuestos a colaborar en esta investigación con sus
sinceras experiencias y opiniones.
Referencias bibliográcas
Abarca, A., Alpízar, F., Sibaja, G. y Rojas, C. (2013). Técnicas cualitativas de investigación. Editorial
Universidad de Costa Rica.
Alafnan, M., & Mohdzuki, S. (2023). Do Articial Intelligence Chatbots Have a Writing Style? An
Investigation into the Stylistic Features of ChatGPT-4. Journal of Articial Intelligence and Tech-
nology, 3(3), 85–94. https://doi.org/10.37965/jait.2023.0267
Anthropic. (2023). Introducing Claude. https://www.anthropic.com/news/introducing-claude
Bell, S. (2023). The Write Algorithm: Promoting Responsible Articial Intelligence Usage and Ac-
countability in Academic Writing. BMC Med, 21. https://doi.org/10.1186/s12916-023-03039-7
Camargo, S. y Ahumada, L. (2023). Literacidad, un enfoque de Lectura necesario para contribuir a la
utilización crítica de la Inteligencia Articial en la Educación. Ciencia Latina Revista Cientíca
Multidisciplinar, 7(3), 3745–3760. https://doi.org/10.37811/cl_rcm.v7i3.6437
42
Camps, A. (2003). Miradas diversas a la enseñanza y el aprendizaje de la composición escrita. Revista
Latinoamericana de Lectura, 24, 2–11.
Carlino, P. (2002, abril 6). Enseñar a escribir en todas las materias: cómo hacerlo en la universidad
[ponencia]. Panel sobre “Enseñanza de la escritura”, Seminario Internacional de Inauguración
Subsede Cátedra UNESCO Lectura y escritura: nuevos desafíos, Universidad Nacional de Cuyo.
Carlino, P. (2013). Escribir, leer y aprender en la universidad: Una introducción a la alfabetización
académica. Fondo de Cultura Económica.
Carrillo, C., Herrera, V. y Cortes, J. (2023). Inteligencia Articial para la escritura académica en
investigación. Ciencia Latina Revista Cientíca Multidisciplinar, 7(4), 4604–4621. https://doi.
org/10.37811/cl_rcm.v7i4.7304
Cassany, D. y Castelló, M. (2010). Aproximación a la literacidad crítica. Perspectiva, 28(2), 353–274.
Cassidy, C. (2023, enero 10). Australian Universities to Return to ‘Pen and Paper’ Exams After Stu-
dents Caught Using AI to Write Essays. The Guardian. https://www.theguardian.com/austral-
ia-news/2023/jan/10/universities-to-return-to-pen-and-paper-exams-after-students-caught-
using-ai-to-write-essays
Chen, T. (2023). ChatGPT and Other Articial Intelligence Applications Speed up Scientic Writ-
ing. Journal of the Chinese Medical Association, 86(4), 351–353. https://doi.org/10.1097/
JCMA.0000000000000900
Corredor, J. y Romero, C. (2020). Enseñanza de la ortografía: de camino agreste a experiencia
investigativa y psicosociolingüística. Cuadernos de Lingüística Hispánica, 35, 81–94. https://
doi.org/10.19053/0121053X.n35.2020.10743
Culp, W. (2023). Articial Intelligence and ChatGPT: Bane or Boon for Academic Writing? Journal of
Education in Perioperative Medicine, XXV(2), 1–3.
De Vito, E. (2023). Inteligencia Articial y chatGPT. ¿Usted leería a un autor articial? Medicina (Bue-
nos Aires), 83, 329–332.
Dergaa, I., Chamari, K., Zmijewski, P., & Ben, H. (2023). From Human Writing to Articial Intelligence
Generated Text: Examining the Prospects and Potential Threats of ChatGPT in Academic Writing.
Biology of Sport, 40(2), 615–622. https://doi.org/10.5114/BIOLSPORT.2023.125623
Duymaz, Y., & Tekin, A. (2023). Harnessing Articial Intelligence in Academic Writing: Potential, Eth-
ics, and Responsible Use. European Journal of Therapeutics, 1–2. https://doi.org/10.58600/
eurjther1755
Fernández-Bringas, T. y Chinchay, A. (2023). Competencia digital de información e Inteligencia
Articial en docentes universitarios en el Perú: retos de la pospandemia. Blanco y Negro, 14(1), 1–10.
https://revistas.pucp.edu.pe/index.php/enblancoynegro/article/view/28188
García, O. (2023). Uso y percepción de ChatGPT en la educación superior. Revista de Investigación en
Tecnologías de la Información, 11(23), 98–107. https://doi.org/10.36825/RITI.11.23.009
CUADERNO DE PEDAGOGÍA UNIVERSITARIA | VOL. 21 NÚMERO 42 | PP 25 - 44
43
Guriev, S. (2023, enero 27). Sciences Po Interdit sans mention par l’étudiant l’utilisation de
l’outil ChatGPT. Sciences Po. https://newsroom.sciencespo.fr/sciences-po-interdit-lutilisa-
tion-de-loutil-chatgpt/
Hernández, R., Fernández, C. y Baptista, M. (2014). Metodología de la investigación (6.ª ed.).
McGraw Hill.
Huang, J., & Tan, M. (2023). The Role of ChatGPT in Scientic Communication: Writing Better Sci-
entic Review Articles. Am J Cancer Res, 13(4), 1148–1154.
Jáuregui, R. (2008). El problema de la ortografía. Educere, 12, 625–627. http://ve.scielo.org/scielo.
php?script=sci_arttextypid=S1316-49102008000300023ynrm=iso
Johnson, D., Johnson, R. y Smith, K. (1997). El Aprendizaje Cooperativo regresa a la Universidad:
¿qué evidencia existe de que funciona? Edina, Minnesota, Interaction Book Company.
Juca-Maldonado, F. (2023). Inteligencia Articial en motores de búsqueda: percepciones de los do-
centes universitarios y su impacto en el proceso de enseñanza y aprendizaje. INNOVA Research
Journal, 8(3.1), 45–58. https://doi.org/10.33890/innova.v8.n3.1.2023.2336
Kwan, C. y Becker, S. (2023). Adopción de la Inteligencia Articial ChatGPT en la educación su-
perior: perspectiva de los docentes universitarios en Paraguay. Company Games y Business
Simulation Academic Journal, 3(2), 23–30.
Lebrun, T. (2020). Pour Une typologie des oeuvres littéraires générées par Intelligence Articielle. Les
objets nativement numériques: transformations et nouveaux enjeux documentaires?, 1–19.
https://doi.org/10.35562/balisages.304
Marx, K. (2007). Elementos fundamentales para la crítica de la economía política (Grundrisse) 1857-
1858 (Vol. 2). Siglo XXI.
Mora-Monroy, G., Díaz-Cuevas, A. y Henríquez-Gómez, J. (2021). Diálogos entre teoría y práctica
para la enseñanza del texto argumentativo en la educación superior. Cuaderno de Pedagogía
Universitaria, 18(36), 55–71.
Mora-Monroy, G. y Fuerte-Blanco, M. (2021). Estrategias tutoriales para la argumentación escrita en
educación superior. Enunciación, 26(2), 172–187. https://doi.org/10.14483/22486798.17776
Niño-Carrasco, S. y Castellanos-Ramírez, J. (2020). Estrategias de regulación y procesos de escritura
colaborativa en línea para el aprendizaje en estudiantes universitarios. Nova Scientia, 12(25).
https://doi.org/10.21640/ns.v12i25.2499
Ocina Internacional de Educación de la UNESCO. (2016). Marco conceptual para la evaluación de
competencias. https://unesdoc.unesco.org/ark:/48223/pf0000245195_spa
Organización para la Cooperación y el Desarrollo Económico. (2019). Estrategia de Competencias
de la OCDE 2019. Competencias para construir un futuro mejor. https://www.oecd.org/publi-
cations/estrategia-de-competencias-de-la-ocde-2019-e3527cfb-es.htm
OpenAI. (2022). Introducing ChatGPT. https://openai.com/blog/chatgpt
44
Pérez, M. y Rincón, G. (Coords.). (2013). ¿Para qué se lee y se escribe en la universidad colom-
biana?: Un aporte a la consolidación de la cultura académica del país. Ponticia Universidad
Javeriana.
Pichai, S. (2023). An Important Next Step on our AI Journey. Google, The keyword. https://blog.
google/intl/en-africa/products/explore-get-answers/an-important-next-step-on-our-ai-journey/
Rectoría de la Universidad Nacional de Colombia. (2009, abril 3). RESOLUCIÓN 469 DE 2009. Por
la cual se reglamentan la inscripción y la calicación de los estudiantes con necesidades de
nivelación en matemáticas, lecto-escritura, lengua extranjera y otras áreas del conocimiento.
http://www.legal.unal.edu.co/rlunal/home/doc.jsp?d_i=35019#0
Russell, S., & Norvig, P. (2016). Articial Intelligence. A Modern Approach (3rd. ed.). Pearson.
Sala-Bubaré, A., & Castelló, M. (2018). Writing Regulation Processes in Higher Education: a Re-
view of Two Decades of Empirical Research. Reading and Writing, 31(4), 757–777. https://doi.
org/10.1007/s11145-017-9808-3
Sánchez, M. (2023). La Inteligencia Articial como recurso docente: usos y posibilidades para el
profesorado. EDUCAR, 60(1), 33–47. https://doi.org/10.5565/rev/educar.1810
Schmohl, T., Watanabe, A., Fröhlich, N., & Herzberg, D. (2020). How can Articial Intelligence Im-
prove the Academic Writing of Students? Filodiritto Editore – 10th International Conference the
Future of Education – Virtual Edition, 168–171.
Serani, M. (1994). Cómo se escribe. Paidós.
Spataro, J. (2023). Introducing Microsoft 365 Copilot – your copilot for work. https://blogs.micro-
soft.com/blog/2023/03/16/introducing-microsoft-365-copilot-your-copilot-for-work/
Torres, K. y Blanco, I. (2023). Arquitectura de prompt académicos para el uso de inteligencias arti-
ciales (AI) en Areandina: desafíos, experiencias y obstáculos. Investigaciones ANDINA, 24(46),
1–24. https://doi.org/10.33132/01248146.2258
Viñas, R., Secul, S., Viñas, C. y Cammertoni, M. (2023, del 14 al 16 de septiembre). La escritura
académica y el rol de la Inteligencia Articial (IA) [ponencia]. Primer Congreso Internacional
WEDUCI de Wikimedia, Educación y Culturas Digitales, Universidad Nacional de La Plata, La
Plata.
Zhao, A., Huang, D., Xu, Q., Lin, M., Liu, Y.-J., & Huang, G. (2023). ExpeL: LLM Agents Are Expe-
riential Learners. Arxiv. https://doi.org/10.48550/arXiv.2308.10144
Zhou, H., Song, L., Chen, J., Zhou, Y., Wang, G., Yuan, J., & Zhang, Q. (2021). Rethinking soft
labels for knowledge distillation: A bias-variance tradeo perspective. https://doi.org/10.48550/
arXiv.2102.00650
