2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
27
e-ISSN: 2992-8184
ARTÍCULO
Aprender con inteligencia artificial generativa: experiencias y
saberes de futuros profesionales de la información
Luis Roberto Rivera Aguilera Julio César Rivera Aguilera
Universidad Autónoma de San Luis Potosí, México
Rafael Benjamín Culebro Tello
Universidad Pedagógica Nacional, México
Recibido: 25/03/2026 Revisado: 19/05/2026
Aceptado: 18/06/2026
Resumen. El estudio aborda el problema de la incorporación acelerada de la inteligencia artificial
generativa (IAG) en la formación de las ciencias de la información y el conocimiento limitado sobre
su uso formativo entre estudiantes, lo que abre brechas en su perfil profesional. Su objetivo fue
analizar las experiencias de aprendizaje y los saberes que construyen futuros profesionales al usar
herramientas de inteligencia artificial (IA) durante su trayectoria académica. Se empleó un diseño
cuantitativo, descriptivo y no experimental con una muestra por conveniencia de 92 estudiantes de
programas universitarios en ciencias de la información, en el ciclo escolar 2025-2026. Se aplicó en
línea un cuestionario estructurado con cinco dimensiones: uso y familiaridad, saberes desarrollados,
valor educativo, ética y actitudes profesionales; se realizó análisis estadístico descriptivo. Los
hallazgos muestran alta preferencia hacia plataformas conversacionales y un uso centrado en
búsqueda y síntesis de información, apoyo para comprender conceptos, redacción académica y
generación de ideas. Emergen aprendizajes como la capacidad de sintetizar, comprender conceptos
especializados y formular preguntas eficaces. A la par, los estudiantes reconocen riesgos:
dependencia tecnológica, posible disminución del pensamiento crítico, información imprecisa,
plagio, desigualdad de acceso y privacidad. El estudio concluye que la IA opera como mediadora del
aprendizaje y reconfigura competencias informativas, por lo que las instituciones deben integrar su
uso crítico y ético en planes de estudio, fortaleciendo alfabetización informacional en IA, evaluación
de contenidos generados y criterios de integridad; además, se perfila un modelo que articula uso
tecnológico, saberes, reflexión ética y prospectiva profesional.
Palabras clave: inteligencia artificial, inteligencia artificial generativa, ética en la inteligencia
artificial, ciencias de la información, competencias informativas, educación superior.
Learning with generative artificial intelligence: experiences and knowledge of future
information professionals
Abstract. The study addresses the problem of the accelerated incorporation of artificial intelligence
generative (AIG) in information science training and the limited knowledge regarding its formative
use among students, which creates gaps in their professional profile. Its objective was to analyze the
learning experiences and knowledge constructed by future professionals when using artificial
intelligence (AI) tools during their academic trajectory. A quantitative, descriptive, and non-
experimental design was used with a convenience sample of 92 students from university information
Rivera Aguilera, L. R. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
28
science programs during the 2025-2026 academic cycle. A structured questionnaire with five
dimensions was applied online: use and familiarity, developed knowledge, educational value, ethics,
and professional attitudes; descriptive statistical analysis was performed. Findings show a high
preference for conversational platforms and a focus on information search and synthesis, support
for understanding concepts, academic writing, and idea generation. Learning outcomes emerge,
such as the ability to synthesize, understand specialized concepts, and formulate effective questions.
Simultaneously, students recognize risks: technological dependence, potential decrease in critical
thinking, inaccurate information, plagiarism, unequal access, and privacy. The study concludes that
AI operates as a learning mediator and reshapes information competencies, therefore institutions
must integrate its critical and ethical use into curricula, strengthening AI literacy, evaluation of
generated content, and integrity criteria; additionally, a model is outlined that articulates
technological use, knowledge, ethical reflection, and professional foresight.
Keywords: artificial intelligence, generative artificial intelligence, ethics in artificial intelligence,
information science, information literacy, higher education.
Cómo citar: Rivera Aguilera, R. L., Rivera Aguilera, J. C., & Culebro Tello, R. B. (2026). Aprender con
inteligencia artificial generativa: experiencias y saberes de futuros profesionales de la información.
Revista Estudios de la Información, 4(1), 27-51. https://doi.org/10.54167/rei.v4i1.2259
Introducción
La irrupción de la Inteligencia Artificial (IA) en la educación superior está reconfigurando los
modos de localizar, organizar y producir conocimiento en las ciencias de la información. Aunque su
uso se ha vuelto cotidiano entre estudiantes, la formación profesional avanza más lento: faltan
experiencias sistemáticas de enseñanza y lineamientos éticos que orienten su aprovechamiento, lo
cual compromete la consolidación de competencias informativas acordes con entornos digitales
complejos. Atender esta brecha es estratégico para el desarrollo profesional y la actualización
curricular.
Este estudio analiza cómo se apropian de estas herramientas los estudiantes del área de
ciencias de la información y qué aprendizajes y competencias emergentes derivan de su
incorporación en la vida académica. Se plantea un estudio cuantitativo de alcance descriptivo,
aplicado en contexto universitario, que indaga de manera estructurada componentes de uso,
aprendizaje y consideraciones éticas. La contribución principal es ofrecer evidencia reciente y un
esquema integrador que vincula prácticas de uso, aprendizajes formativos, consideraciones éticas y
proyección profesional, con implicaciones para una integración curricular crítica y responsable de la
IAG.
Contexto educativo y tecnológico actual
Los avances en las tecnologías de la información y la comunicación (TIC) han permitido la
aparición de tecnologías emergentes que están revolucionando el sector educativo, como la
inteligencia artificial generativa (IAG), la realidad virtual (RV) y el análisis de datos (Mena-Guacas et
al., 2025), las cuales pueden optimizar el proceso de enseñanza-aprendizaje. Para que dichas
herramientas cumplan eficazmente su propósito, es necesario tener en cuenta que el objetivo de su
Rivera Aguilera, L. R. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
29
utilización en el ámbito educativo, de acuerdo con Kerimbayev et al. (2025), es mejorar el proceso
de aprendizaje para cada estudiante, considerando sus necesidades, lo que implica una
personalización basada en atributos de cada alumno, por ejemplo, nivel de conocimientos, intereses
y métodos de aprendizaje.
Es claro que la incorporación de TIC en educación ha modificado escenarios, métodos,
procesos, estrategias y herramientas. Por ello, es importante considerar que Valverde-Berrocoso et
al. (2025) sostienen que la transformación digital de los sistemas educativos es un proceso que no
puede abordarse únicamente desde una perspectiva instrumental (dispositivos e infraestructura) o
económica (inversión), sino que se requiere, según Çelik y Baturay (2024) de un enfoque equilibrado
que enfatice la integración tecnológica y la innovación pedagógico-didáctica, como elementos
esenciales para preparar a los estudiantes hacia el éxito en un mundo cada vez más exigente.
Relevancia del uso de IAG en la educación superior
En el abanico de tecnologías a utilizar en el ámbito educativo se encuentra la IAG, y aunque
brinda una amplia gama de posibilidades para la formación, trae consigo desafíos complejos como
resistencia de docentes, problemas éticos, brechas digitales y altos costos (Garzón et al., 2025),
aspectos que requieren de una colaboración interdisciplinaria para promover un uso responsable y
equitativo en entornos educativos. La incorporación de la IAG en educación, de acuerdo con Reyes
Rosales et al. (2025), cuestiona estructuras pedagógicas, modifica el rol de docentes y estudiantes,
y redefine también criterios éticos.
Briceño-Álvarez et al. (2025) señalan que el uso y la aplicación de la IAG en procesos
formativos de nivel superior demandan que los docentes se capaciten y conozcan los pros y contras,
ya que su correcto uso (Mosha et al., 2026) favorece la generación de nuevas ideas, la síntesis de
información y el resumen de grandes cantidades de datos textuales, apoyando a investigadores y
estudiantes en el análisis de datos y en la redacción de textos académicos, lo que optimiza el proceso
de enseñanza-aprendizaje, logrando ventajas, por ejemplo, según Tan et al. (2025) al brindar apoyo
en las prácticas docentes como la generación automática de preguntas, retroalimentación
personalizada y automatización de evaluaciones, entre otras. Es importante resaltar que incorporar
tecnología en el aula, según Mekheimer (2025), no garantiza la transformación pedagógica ni la
mejora de los resultados de los estudiantes, se requiere de profesores que posean además de
habilidades técnicas, una profunda comprensión de cómo aprovechar pedagógicamente estas
herramientas para lograr un aprendizaje significativo.
En el caso del uso de herramientas de IAG en el ámbito de las ciencias de la información, es
importante resaltar según Ayinde et al. (2026), la importancia de capacitar a los profesionales de la
información en el desarrollo de nuevas competencias y en la gestión de herramientas tecnológicas
mejoradas con IAG, incluyendo la integración de chatbots y la ingeniería de prompts. En el ámbito
de la información, la IAG optimiza procesos como el análisis de contenido, el reconocimiento óptico
de caracteres (OCR), la búsqueda de contenido, la catalogación y la gestión de metadatos (Aljazi,
2025). Según Gabdo et al. (2025), los profesionales de la información ahora tienen nuevas tareas
derivadas de los servicios de información impulsados por IA, como la curaduría digital, el análisis de
datos y la capacitación de usuarios. Aminu (2024) señala que se deben especializar en el desarrollo
de competencias en áreas como ciencia de datos, ciberseguridad y codificación, además, fomentar
Rivera Aguilera, L. R. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
30
el aprendizaje continuo a través de talleres, cursos en línea e intercambio de conocimientos entre
pares.
Problema de investigación y justificación del estudio
Hoy en día, la incorporación de tecnologías en el ámbito académico ha cambiado la forma
en que se genera, organiza, difunde y recupera información. En el campo de las ciencias de la
información ha tenido un impacto significativo en la formación profesional de estos expertos,
quienes deben desarrollar competencias enfocadas al manejo de plataformas y sistemas de
información, que permitan una eficiente gestión de los datos que se generan día a día.
Aunque el uso de herramientas y aplicaciones de IAG en el contexto escolar ha aumentado
en los últimos años (Digital Education Council, 2025), existe un limitado conocimiento del correcto
manejo de estas herramientas por parte de los estudiantes del área de la información, ya que
experimentan pocas o nulas experiencias de aprendizaje relacionadas con esta temática,
probablemente porque no se consideran en sus planes y programas de estudio, lo que deja un vacío
en la formación de su perfil profesional como expertos en la gestión digital de datos. Con base en lo
anterior, el problema de investigación se centra en analizar cómo los futuros profesionales de la
información aprenden sobre esta herramienta, si han tenido alguna experiencia en el uso de estas
herramientas, así como determinar los conocimientos que deben poseer como expertos en esta área
con respecto a la IAG como parte de su proceso formativo.
En ese sentido, la justificación del estudio se fundamenta, en el avance y desarrollo, las
cuales han traído consigo grandes oportunidades en el ámbito de las ciencias de la información,
específicamente en las formas en cómo se genera, organiza, difunde y recupera la información, así
como también en la definición de los servicios informativos que se ofrecen a los usuarios. Estos
aspectos ponen de manifiesto la necesidad de que las instituciones de educación superior (IES)
integren en su currículo, contenidos enfocados a estos tópicos, y que los promuevan a través de
procesos de enseñanza-aprendizaje en las aulas, tanto de manera teórica como práctica.
Considerando según Kumar (2025) que la mayoría de los profesionales de la información no están
capacitados en ciencia de datos, aprendizaje automático o integración de IAG. Esta idea la confirma
Raghavendra y Nataraju (2025) al señalar que los profesionales necesitan capacitación continua para
adaptarse a los flujos de trabajo integrados a estos servicios.
Con base en lo anterior, es necesario analizar los conocimientos y experiencias que los
estudiantes de ciencias de la información han tenido en este contexto, ya que son ellos los
responsables de planear, diseñar, implementar y evaluar propuestas para el manejo de sistemas y
plataformas de IAG. Es de vital importancia conocer el funcionamiento de estas herramientas, para
determinar los conocimientos que deben poseer a fin de fortalecer su proceso formativo y
conformar de manera integral su perfil de egreso.
El presente estudio tiene alta relevancia en el ámbito académico, ya que sirve de evidencia
sobre los tópicos emergentes que se deben integrar en lo referente a IAG, como parte del perfil de
los expertos en ciencias de la información. Los resultados del estudio que aquí se presenta, sirven
de referencia para diseñar estrategias de aprendizaje que coadyuven al uso correcto y ético de la
IAG por parte de los profesionales. En síntesis, la investigación se justifica porque aporta a la
generación de conocimiento sobre IA y ciencias de la información, considerando esta última como
Rivera Aguilera, L. R. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
31
una disciplina en desarrollo, la cual demanda estudios que fundamenten el uso de estas
herramientas, en la formación de especialistas en gestión de datos y de información digital.
Objetivos
Objetivo general
Analizar las experiencias de aprendizaje y los saberes que construyen los futuros
profesionales de la información a partir del uso de herramientas de IAG en su proceso de formación
académica.
Objetivos específicos
a) Identificar las principales herramientas de IAG utilizadas por los estudiantes de ciencias de
la información.
b) Analizar las experiencias y percepciones de los futuros profesionales de la información
respecto al uso de IAG como apoyo en la generación, organización y análisis de información.
c) Describir las competencias y aprendizajes emergentes que los estudiantes requieren a partir
de la integración de herramientas de IAG en su formación profesional.
Marco teórico
IA y transformación de los procesos de información
En la actualidad, la expansión de la IA ha reconfigurado múltiples ámbitos de la vida social,
posicionándose como un elemento clave en las dinámicas cotidianas de los individuos, por lo que es
necesario adquirir habilidades que permitan desempeñarse adecuadamente en el ámbito social que
corresponda, para lograrlo, es necesario desarrollar competencias que aseguren la adaptación a los
nuevos escenarios de la vida actual, algunas de ellas se orientan a la comunicación y colaboración
en contextos de IAG, la ética de la IAG y la creación de contenido basado en IAG (Chee et al., 2025),
competencias afectivas en el uso de la IAG, y competencias de IAG específicas para cada disciplina.
En el ámbito de las ciencias de la información, resulta fundamental analizar la relación entre
la IA y los procesos propios del área, así como el impacto que las tecnologías emergentes generan
en esta disciplina. Un estudio realizado por Ayinde et al. (2026) menciona las áreas de esta ciencia
que se han modificado con la incorporación de IAG, catalogación, clasificación, recuperación y
servicios de información, estos, de acuerdo con Prakash y Nasir (2025) pueden ser escalables,
eficientes y personalizados, para lograr satisfacer las demandas de las comunidades de usuarios en
la era digital. Esto es posible porque la IAG (Biswas, 2024) permite agilizar procesos, aumentar la
efectividad organizacional y crear nuevos servicios de información, además (Hussain, 2025) su
integración promete mejoras significativas en operaciones como búsqueda y descubrimiento,
catalogación, circulación, preservación digital y servicios de Chatbot.
En el caso del servicio de referencia, de acuerdo con Emin (2025) ha incorporado el uso de
chatbots que hacen eficiente el tiempo de los profesionales para responder a preguntas complejas.
Los chatbots y la IAG, son dos innovaciones que han impactado de manera considerable en el ámbito
de las ciencias de la información y documentación, y que han generado cambios que obligan a los
profesionales a buscar nuevas formas de aprovechar de manera eficiente, las herramientas de IA
para satisfacer las necesidades informativas de los usuarios. Para lograrlo, Baber et al. (2024) señalan
Rivera Aguilera, L. R. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
32
que es necesario un ecosistema entre el profesional de la información y la IA, el cual proteja la
privacidad y logre la satisfacción del usuario.
La literatura revisada coincide en que la IAG representa una reconfiguración profunda de los
procesos centrales de las ciencias de la información. Sin embargo, cabe contrastar estas perspectivas
optimistas con las advertencias de Biswas (2024) y Hussain (2025), quienes reconocen que la
automatización de procesos como la catalogación o la recuperación de información no elimina la
necesidad de criterio profesional, sino que la desplaza hacia nuevas formas de supervisión,
validación y curaduría crítica. Esta tensión entre eficiencia tecnológica y juicio experto resulta
determinante para comprender qué tipo de formación requieren los futuros profesionales de la
información: no solo el dominio técnico de las herramientas, sino la capacidad de evaluar sus límites,
gestionar sus sesgos y garantizar la calidad de los servicios informativos en entornos mediados por
IAG.
IA en la formación de profesionales de la información
El tema de la formación profesional de los expertos en manejo de datos y de información
digital, requiere que las Instituciones de Educación Superior (IES) analicen las tendencias en el
ámbito de la información, e integren en sus planes de estudio, contenidos que permitan a estos
expertos responder a los requerimientos y exigencias que se presentan en la actualidad con relación
al manejo eficiente de datos. A través de su experiencia en el manejo de información, pueden
apoyar, según Cox y Mazumdar (2022) a comunidades de científicos, ofreciendo servicios como
búsqueda y recuperación, asesoría en derechos de autor, gestión y preservación de datos entre
otros.
Es importante aproximarse a las temáticas que deben integrarse en los planes de estudio.
Algunos tópicos por considerar según Tait y Pierson (2022) son: (1) asignaturas que cubran la IAG:
funcionamiento, limitaciones, beneficios, problemas actuales y potenciales; (2) realizar investigación
sobre IA y robótica dentro del contexto de la disciplina; (3) desarrollar materiales de acceso abierto;
(4) promover ética en el uso de la información y capacitación en gestión de datos digitales; y (5)
adquirir microcredenciales sobre las habilidades específicas para los profesionales de la información.
Otros tópicos que se recomienda integrar en los planes de estudio de los expertos en esta disciplina,
hacen referencia al correcto manejo de datos y de la información digital que se generan día a día.
Con base en lo anterior, Harper (2025) considera importante que los profesionales sean
capaces de dar mantenimiento a los sistemas de catalogación a través del uso de metadatos,
implementar procesos de indexación y manejo de estándares, así como la definición de estructuras
para la clasificación de información digital. Estos retos han generado un cambio en la denominación
de estos expertos, en opinión de Prakash y Nasir (2025), se conocen también como curadores
digitales, gestores de datos y arquitectos de información.
Lo anterior sugiere una brecha entre la formación vigente y las demandas emergentes en la
formación de los profesionales de la información: mientras la literatura especializada (Kumar, 2025;
Tait y Pierson, 2022) reclama urgentemente la integración curricular de contenidos sobre IA, los
planes de estudio vigentes avanzan a un ritmo notoriamente más lento que la transformación
tecnológica del campo. Esta brecha no es meramente técnica, sino estructural: refleja las tensiones
entre la lógica institucional de las IES, los perfiles de egreso consolidados y las demandas emergentes
Rivera Aguilera, L. R. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
33
del mercado informacional. En consecuencia, la reformulación de identidades profesionales, de
bibliotecólogo a curador digital o arquitecto de información, no puede reducirse a un cambio de
denominación, sino que exige una reorientación profunda de las competencias formativas y de los
marcos epistemológicos que sustentan la disciplina.
Alfabetización Informacional en IA
Como punto de partida conviene hacer una revisión de las competencias que los
profesionales de la información deben desarrollar en el contexto de las TIC. La American Library
Association (ALA, 2023) refiere habilidades tecnológicas, identificación y selección de tecnologías
adecuadas, consideraciones éticas y culturales en la aplicación de TIC, y evaluación de tecnologías
existentes y emergentes. Tomando como base la propuesta de la ALA, se hace necesario identificar
las competencias que estos profesionales deben desarrollar en el ámbito de la IA. Una aproximación
de Walter (2024) considera la ingeniería de Prompts, Alfabetización Informacional en IA y el cultivo
de habilidades de pensamiento crítico.
Con base en lo anterior, un aspecto relevante a considerar es la Alfabetización Informacional
en IA, que se refiere a un conjunto de habilidades necesarias para vivir, aprender y trabajar con
tecnologías basadas en IA (Steinbauer et al., 2021). Para lograr una formación integral en el uso de
IA, Stolpe y Hallström (2024) plantean integrar un marco que considere Alfabetización Informacional
en IA y alfabetización tecnológica, lo que llaman multialfabetización. Para lograr una adecuada
Alfabetización Informacional en IA, Ng et al. (2024) proponen que los estudiantes posean no solo
conocimientos y habilidades técnicas, sino afectivas, conductuales y éticas.
Para que la Alfabetización Informacional en IAG logre su objetivo, se deben tener en cuenta
las dimensiones que la conforman, de acuerdo con Mansoor et al. (2024), son: (1) comprensión de
la IAG; (2) aplicación práctica de la IAG; (3) evaluación de las aplicaciones de IAG; y (4)
consideraciones éticas de la IAG. En relación con el uso que hacen los estudiantes, es importante
que la Alfabetización Informacional permita la evaluación de la aplicación de este tipo de
herramientas tecnológicas como parte del proceso de aprendizaje. En este sentido, Wang et al.
(2025) proponen cuatro dimensiones clave de la Alfabetización Informacional en IAG: conciencia,
uso, evaluación y ética, y afirman que es necesaria una comprensión de la Alfabetización
Informacional entre estudiantes universitarios, para prepararlos a los futuros desafíos del ámbito
laboral.
La revisión de los marcos de Alfabetización Informacional en IAG evidencia una convergencia
teórica relevante: Mansoor et al. (2024), Wang et al. (2025) y Stolpe y Hallström (2024) coinciden en
que la dimensión ética no es un componente adicional, sino constitutivo de la Alfabetización
Informacional misma. Sin embargo, cabe cuestionar si los modelos propuestos trascienden la
enunciación de principios para ofrecer dispositivos didácticos concretos que permitan desarrollar
ese componente ético en contextos universitarios específicos. En el caso de los estudiantes de
ciencias de la información, esta dimensión adquiere una carga particular: son futuros mediadores
del conocimiento, por lo que su Alfabetización Informacional en IAG no puede limitarse al uso
competente de herramientas, sino que debe incluir la capacidad de evaluar críticamente los sesgos,
las limitaciones epistémicas y los efectos sociales de los sistemas algorítmicos sobre los que
sustentarán sus prácticas profesionales.
Rivera Aguilera, L. R. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
34
Competencias emergentes en el uso de IAG
Otro aspecto clave en la educación superior es el desarrollo de competencias emergentes
que permitan responder a los desafíos de la sociedad actual. En este sentido, (Yang et al., 2025)
proponen el desarrollo de competencias para comprender, evaluar y utilizar tecnologías de IAG. Por
su parte, (Lintner, 2024) sugiere habilidades de orden superior, específicamente para la creación y
evaluación crítica. Una propuesta integral de competencias tecnológicas emergentes para el uso de
la IAG considera, según Chee et al. (2025): (1) conocimiento de dispositivos, software, aplicaciones
y plataformas de IAG; (2) comprensión y aplicación básicas de algoritmos de IAG/datos; y (3)
resolución de problemas utilizando software de IAG.
Resulta esencial tener un panorama amplio acerca de las competencias que se deben
desarrollar en el marco de la IA, y aunque existen varios referentes a nivel internacional, para fines
de la presente investigación se considera la propuesta de 12 competencias específicas para la
Alfabetización Informacional sobre estas plataformas. Para esta investigación se adopta el modelo
de Annapureddy et al. (2024), que integra 12 competencias clave de Alfabetización Informacional en
IA, agrupadas en: conocimientos (modelos, contextos, límites), habilidades (uso, evaluación,
prompting, ajuste), y dimensiones críticas (detección, ética, legalidad y aprendizaje continuo).
El desarrollo personal de los estudiantes es de vital importancia en el ámbito de las
competencias emergentes en IAG, en este sentido Ng et al. (2024) proponen cuatro dimensiones:
(1) aprendizaje afectivo (motivación intrínseca y autoeficacia/confianza); (2) aprendizaje
comportamental (compromiso conductual y colaboración); (3) aprendizaje cognitivo (conocer y
comprender; aplicar, evaluar y crear); y, (4) aprendizaje ético. Lo anterior cobra una alta relevancia
ya que, si la IAG se implementa de forma ética y pedagógica, puede mejorar las competencias
sociales, siempre que esté respaldada por una formación integral y por políticas que promuevan una
transformación digital centrada en el ser humano (Rosero-Mellizo y Martínez-Arias, 2026).
El panorama de competencias delineado por Annapureddy et al. (2024) y por Chee et al.
(2025) es exhaustivo, pero plantea un interrogante crítico: ¿en qué medida estos marcos resultan
operativos en contextos formativos con recursos limitados, frecuentes en algunos programas de
ciencias de la información en América Latina? La propuesta de Ng et al. (2024) de integrar
dimensiones afectivas, comportamentales, cognitivas y éticas ofrece una visión más holística, pero
su implementación efectiva requiere no solo voluntad institucional, sino también docentes formados
en esta perspectiva. En ese sentido, la tensión entre la amplitud de las competencias requeridas y
las condiciones reales de los entornos universitarios constituye uno de los desafíos centrales que los
hallazgos del presente estudio deberán iluminar y, en la medida de lo posible, contribuir a resolver
con propuestas situadas y contextualmente pertinentes.
En última instancia, la discusión sobre estas competencias emergentes subraya un giro
fundamental hacia habilidades de orden superior. La verdadera competencia en IAG no reside en la
capacidad de generar contenido masivo, sino en la facultad de ajustar, verificar y contextualizar
críticamente esos resultados dentro de marcos legales y éticos específicos. Al contrastar una visión
instrumental con una perspectiva crítica, se hace evidente que el dominio instrumental es
insuficiente sin una base cognitiva sólida. En consecuencia, la implementación de estas
competencias en la formación bibliotecológica y archivística debe centrarse en el ser humano; de lo
Rivera Aguilera, L. R. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
35
contrario, se corre el riesgo de formar profesionales dependientes de la tecnología en lugar de
líderes de la transformación digital que utilicen la IAG para potenciar la equidad informativa y la
integridad del conocimiento.
Metodología
Enfoque y tipo de estudio
El estudio se fundamenta en un enfoque metodológico de corte cuantitativo con alcance
descriptivo y diseño no experimental. Esta aproximación permite analizar de manera sistemática las
experiencias y saberes de los futuros profesionales de la información, facilitando la identificación de
tendencias y variables críticas asociadas a la integración de la IA.
Población y muestra
La investigación se centró en la comunidad estudiantil de las licenciaturas en Gestión de la
Información y Gestión Documental y Archivística (Plan 2014) durante el ciclo escolar 2025-2026. La
población total estuvo conformada por 166 estudiantes inscritos, logrando la participación de 92
participantes voluntarios. Se empleó un muestreo no probabilístico de tipo por conveniencia,
condicionado por la accesibilidad y la voluntariedad de participación. En consecuencia, los
resultados se interpretan como evidencia descriptiva de la población accesible y no pretenden
generalización estadística; no obstante, la muestra incluyó estudiantes de distintos programas y
semestres, lo que favorece la heterogeneidad de perfiles analizados.
Instrumento de recolección
Se diseñó un cuestionario estructurado que considera cinco dimensiones: i) uso y
familiaridad con la IAG, ii) saberes desarrollados, iii) percepciones sobre su valor educativo, iv)
dimensión ética y v) actitudes hacia su incorporación profesional. Cada dimensión se tradujo en
indicadores observables que abarcan desde conocimiento técnico y frecuencia de uso, hasta
orientaciones deontológicas y responsabilidad ética en entornos digitales. El instrumento combina
ítems con escalas Likert para estimar percepciones y disposición entre los estudiantes. La validez de
contenido se aseguró con una matriz de categorías e indicadores que alineó cada ítem con los
objetivos del estudio. Para diseñar el cuestionario se utilizó Microsoft Forms (Suite Office 365).
Operacionalmente, las variables se definieron como constructos observables a través de
indicadores y reactivos organizados en cinco dimensiones analíticas. El cuestionario integró: (1)
preguntas dicotómicas sobre uso de herramientas de IA generativa; (2) reactivos de selección
múltiple sobre fines de uso, saberes y riesgos percibidos; (3) preguntas abiertas orientadas a
recuperar experiencias de aprendizaje; y (4) reactivos tipo Likert de 5 puntos (1 = Totalmente en
desacuerdo a 5 = Totalmente de acuerdo) para estimar percepciones, disposiciones y
posicionamientos éticos.
La validez de contenido se abordó a partir de una matriz de categorías e indicadores que
aseguró la correspondencia entre los objetivos del estudio, las dimensiones analíticas y los reactivos
del instrumento. Este procedimiento permitió garantizar coherencia conceptual y alineación interna
en la construcción del cuestionario. Con el propósito de fortalecer el rigor metodológico en futuras
aplicaciones, se contempla la incorporación de procesos de validación mediante juicio de expertos
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4, 27-51
https://doi.org/10.54167/rei.v4i1.2259
36
y pruebas piloto orientadas a evaluar la claridad semántica, pertinencia y consistencia de los
reactivos.
En términos de confiabilidad, se estimó la consistencia interna del bloque de reactivos tipo
Likert (8 ítems; escala de 5 puntos) con los datos obtenidos en la aplicación final (n = 92), registrando
un coeficiente alfa de Cronbach de α = 0.81, valor considerado adecuado para estudios de carácter
descriptivo.
Procedimiento de aplicación y recolección de datos
El instrumento se aplicó en modo asíncrono mediante el envío de un enlace de acceso
directo remitido al correo institucional de los estudiantes. El procedimiento se gestionó a través de
Microsoft Forms, lo que proporcionó un entorno digital confiable y garantizó la participación
anónima y voluntaria. Los participantes completaron la batería de ítems organizada conforme a la
matriz de categorías e indicadores previamente definida; el tiempo promedio de resolución fue de
11 minutos. Este esquema de aplicación permitió la captura y almacenamiento de respuestas en una
base de datos centralizada, preservando la integridad de la información para su posterior
tratamiento. La estandarización del flujo aseguró la correspondencia entre dimensiones, indicadores
e ítems durante la colecta de datos.
Estrategias de análisis
El procesamiento de la información inició con la exportación de registros desde Microsoft
Forms hacia Microsoft Excel para las fases de depuración, codificación y organización tabular.
Posteriormente, el análisis estadístico descriptivo se realizó mediante el software IBM SPSS Statistics.
Se aplicaron técnicas de distribución de frecuencias y porcentajes para las variables categóricas, así
como medidas de tendencia central para los ítems medidos en escala Likert. Este tratamiento
permitió analizar sistemáticamente las cinco dimensiones de la matriz de categorías. Los resultados
se presentan mediante tablas de frecuencia y gráficos de barras para facilitar su interpretación.
Para el tratamiento analítico, las respuestas tipo Likert se codificaron en una escala ordinal
de 1 a 5 (de “Totalmente en desacuerdo” a “Totalmente de acuerdo”). En los reactivos de selección
múltiple se generaron variables dicotómicas por categoría, lo que permitió estimar frecuencias y
porcentajes de respuesta, en congruencia con el enfoque descriptivo del estudio.
Consideraciones éticas
El estudio se realizó bajo principios de autonomía, confidencialidad y anonimato. El
cuestionario mostró un consentimiento informado y el propósito estrictamente académico del
proyecto: analizar percepciones, saberes y actitudes de futuros profesionales de la información
frente a la IAG. Se garantizó la voluntariedad del participante y la posibilidad de desistir en cualquier
momento. El tratamiento de datos se hizo en agregado dentro de la plataforma institucional, sin
vinculación con identificadores personales y con resguardo adecuado. El formulario se configuró sin
autenticación obligatoria; no se recolectaron nombres, matrículas ni correos; se desasociaron
metadatos; se restringió el acceso y se cifró la base; La información se destinó exclusivamente a
orientar estrategias formativas y lineamientos éticos en el campo de la información.
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
37
Resultados
La presentación de los resultados se estructura conforme a la matriz de categorías que
orientó el diseño del instrumento. Esta matriz articula dimensiones de uso tecnológico, construcción
de saberes, reflexión ética y proyección profesional, permitiendo organizar los hallazgos por
dimensiones analíticas y describir patrones de uso, percepciones y proyecciones formativas.
De este modo, cada conjunto de reactivos se interpreta no como dato aislado, sino como
indicador de procesos de apropiación, regulación crítica y reconfiguración del rol profesional en
contextos mediados por IA. Se presentan frecuencias absolutas (n) y porcentajes (%) calculados
sobre el total de participantes (n = 92).
Perfil general de la muestra
El estudio se realizó con una muestra de 92 estudiantes en formación dentro del campo de
las ciencias de la información. Este grupo constituye una cohorte particularmente relevante para el
análisis, dado que su futura inserción profesional se vincula con la gestión, organización y mediación
del conocimiento, ámbitos que actualmente experimentan transformaciones significativas derivadas
de la incorporación de estos servicios.
La composición de la muestra permite interpretar los resultados como expresión de una
comunidad formativa en proceso de profesionalización, no de usuarios ocasionales de tecnología.
Este rasgo es relevante ya que las percepciones registradas no emergen de una experiencia
instrumental aislada, sino de trayectorias académicas en consolidación. Los resultados reflejan alta
familiaridad, específicamente aquellas orientadas a la producción y procesamiento de información
textual.
En términos descriptivos, la muestra incluyó estudiantes de distintos programas y semestres,
lo que permite observar patrones de uso y percepción de la IAG a lo largo de la trayectoria formativa.
Esta caracterización delimita el alcance de los hallazgos como evidencia contextual de una
comunidad académica específica.
Uso de herramientas de IAG en el aprendizaje académico
Los resultados evidencian una alta concentración de herramientas de IAG entre los
estudiantes encuestados. La plataforma más utilizada es ChatGPT, empleada por el 91.3% de los
participantes (n = 84). En menor proporción aparecen otras herramientas como Gemini (59.8%; n =
55), Copilot (43.5%; n = 40) y Meta AI (26.1%; n = 24).
Este patrón de uso sugiere una concentración tecnológica en torno a herramientas
conversacionales, las cuales facilitan la interacción directa con modelos de lenguaje para tareas de
consulta, redacción o síntesis de información.
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
38
Figura 1. Distribución del uso de herramientas de IA entre los estudiantes
Fuente: Elaboración propia con base en datos de la encuesta (n = 92).
En conjunto, el patrón evidencia predominio de herramientas conversacionales para tareas
académicas vinculadas con consulta, síntesis y producción textual.
Funciones académicas atribuidas al uso de IAG
Más allá del acceso a las herramientas, los resultados permiten identificar las funciones
cognitivas y académicas que los estudiantes atribuyen al uso de IA.
Las funciones más frecuentes reportadas fueron:
a) Búsqueda y síntesis de información: 65.2% (n = 60)
b) Apoyo para comprender conceptos complejos: 63.0% (n = 58)
c) Redacción de textos académicos: 45.7% (n = 42)
d) Generación de ideas o reflexión crítica: 37.0% (n = 34)
Figura 2. Funciones académicas del uso de IA en el aprendizaje
Generación deideascríticas 37.0%
Redacción académica 45.7%
Comprensión de conceptos 63.0%
Búsqueday síntesisdeinformación 65.2%
0.0% 10.0% 20.0% 30.0% 40.0% 50.0% 60.0% 70.0% 80.0%
Fuente: Elaboración propia con base en datos de la encuesta (n = 92).
100%
91.3%
90%
80%
70%
59.8%
60%
50%
43.5%
40%
30%
26.1%
20%
10%
0%
ChatGPT
Gemini
Copilot
Meta AI
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
39
Las frecuencias muestran que la IAG se utiliza principalmente para gestionar información
académica (buscar, sintetizar, comprender) y, en menor medida, para producción de textos y
generación de ideas.
Saberes formativos asociados al uso de IAG
El análisis de los resultados permitió identificar que el uso no se limita a una dimensión
instrumental, sino que también se vincula con la emergencia de nuevos saberes formativos.
Entre los principales aprendizajes reportados destacan:
a) Capacidad para sintetizar información compleja
b) Comprensión de conceptos especializados
c) Mejora en la redacción académica
d) Desarrollo de habilidades para formular preguntas o Prompts
Los resultados indican que el uso de IAG se asocia con habilidades de síntesis, comprensión
conceptual, mejora en escritura y formulación estratégica de consultas (Prompts), describiendo un
aprendizaje práctico vinculado a su uso académico.
Conciencia crítica y consideraciones éticas
A pesar del uso extendido de estas herramientas, los estudiantes también identifican riesgos
y dilemas asociados a su utilización en contextos educativos.
Entre los principales riesgos percibidos destacan:
a) Dependencia excesiva de la tecnología: 79.3% (n = 73)
b) Posible disminución del pensamiento crítico: 75.0% (n = 69)
c) Información incorrecta o imprecisa: 48.9% (n = 45)
d) Riesgo de plagio académico: 37.0% (n = 34)
e) Desigualdad en el acceso a herramientas: 10.9% (n = 10)
f) Problemas relacionados con la privacidad: 6.5% (n = 6)
Estos resultados evidencian que el uso de IAG en el ámbito educativo se acompaña de una
conciencia crítica emergente, donde los estudiantes reconocen tanto los beneficios como los riesgos
potenciales de estas tecnologías. En conjunto, los datos reflejan una percepción ambivalente:
coexistencia entre beneficios instrumentales y reconocimiento explícito de riesgos.
Prospectiva profesional y transformación del campo informacional
En relación con el impacto futuro en el ámbito profesional, la mayoría de los participantes
considera que con estas tecnologías se anticipan cambios las prácticas laborales vinculadas con la
gestión de información y conocimiento.
Desde la perspectiva de los estudiantes, su uso podría contribuir a:
a) Optimizar procesos de búsqueda y análisis de información,
b) Automatizar tareas repetitivas de organización documental,
c) Ampliar las posibilidades de mediación informacional.
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
40
Sin embargo, también se reconoce la necesidad de desarrollar nuevas competencias
profesionales, especialmente en áreas como:
a) Alfabetización Informacional en estos medios
b) Evaluación crítica de contenidos generados por IAG
c) Ética de la información
Síntesis de resultados por dimensiones analíticas
La integración de los resultados permite identificar cuatro dimensiones principales que
estructuran la experiencia estudiantil con estas herramientas: uso tecnológico, saberes formativos,
conciencia ética y prospectiva profesional.
Tabla 1. Síntesis de resultados por dimensiones analíticas
Dimensión
Indicador con mayor
frecuencia
F
%
Tendencia interpretativa
Uso y familiaridad
con IA
Uso de ChatGPT
84
91.3
Integración estructural de la IA en la
práctica académica
Saberes
formativos
Búsqueda y síntesis de
información
60
65.2
Fortalecimiento del saber procedimental
y organizativo
Conciencia ética
Riesgo de dependencia
tecnológica
73
79.3
Alta conciencia de riesgo cognitivo
Prospectiva
profesional
Transformación del campo
profesional
59
64.1
Visión transformadora y no sustitutiva
Fuente: Elaboración propia con base en datos de la encuesta (n = 92)
La tabla sintetiza los hallazgos más relevantes del estudio y permite observar cómo el uso
de IAG se articula con procesos más amplios de transformación del aprendizaje y construcción de
saberes profesionales.
Modelo conceptual emergente
A partir de la integración de los resultados empíricos y su vinculación con la matriz de
categorías analíticas, se propone un modelo conceptual emergente que describe la relación entre
cuatro dimensiones fundamentales:
a) Uso de herramientas de IAG
b) Construcción de saberes formativos
c) Conciencia ética
d) Prospectiva profesional
El modelo sugiere que el uso cotidiano de estas herramientas en contextos académicos
funciona como punto de partida para la generación de nuevos saberes y competencias
informacionales. A su vez, este proceso se acompaña del desarrollo progresivo de reflexiones críticas
sobre las implicaciones éticas del uso de estas tecnologías, lo que finalmente se proyecta hacia una
reconfiguración de las prácticas profesionales en el campo informacional.
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
41
Figura 3. Modelo conceptual emergente sobre aprendizaje con IA.
Fuente: Elaboración propia a partir del análisis de resultados
El modelo se propone como una interpretación integradora de patrones observados en un
estudio descriptivo, por lo que su alcance es heurístico y requiere contrastación en estudios
posteriores con diseños comparativos o longitudinales.
Limitaciones y fortalezas del estudio
Entre las principales limitaciones del estudio se encuentra el carácter exploratorio de la
muestra, circunscrita a estudiantes de dos programas académicos específicos, lo que limita la
generalización de los resultados a otros contextos educativos. De este modo, el uso de datos
autodeclarados puede introducir sesgos relacionados con la percepción individual del uso de
herramientas de IAG.
Sin embargo, el estudio presenta fortalezas relevantes. En primer lugar, ofrece una
aproximación empírica actualizada sobre la integración de la IAG en el aprendizaje universitario, un
fenómeno aún en proceso de consolidación. En segundo lugar, la articulación entre resultados
empíricos y matriz de categorías analíticas permitió construir un modelo conceptual emergente que
contribuye a comprender la relación entre tecnología, saberes formativos y prospectiva profesional
en el campo de las ciencias de la información.
Los resultados obtenidos permiten identificar patrones significativos en torno al uso de
herramientas de IA, así como su influencia en los procesos de aprendizaje, construcción de saberes
y percepción de riesgos entre los estudiantes universitarios. A partir de estos hallazgos, la sección
siguiente profundiza en su interpretación teórica y contextual, situándolos en diálogo con la
literatura reciente sobre IA en educación superior y con los debates actuales sobre transformación
del trabajo informacional.
Discusión
Los resultados del estudio permiten interpretar la incorporación de herramientas de IAG en
el aprendizaje universitario no como una innovación instrumental aislada, sino como parte de una
reconfiguración sociotécnica de los procesos de producción, mediación y validación del
conocimiento en la educación superior. En este sentido, la evidencia empírica no solo confirma
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
42
tendencias reportadas en la literatura reciente, sino que también introduce matices y tensiones que
complejizan su comprensión.
Adopción acelerada de herramientas de IAG en el aprendizaje universitario
La alta frecuencia de uso de herramientas como ChatGPT y otras plataformas
conversacionales indica que la IAG ha transitado rápidamente de condición emergente a
infraestructura cognitiva cotidiana en el aprendizaje universitario. Este hallazgo coincide con
estudios que documentan su expansión en educación superior; sin embargo, va más allá al
evidenciar un proceso de normalización de la mediación algorítmica en prácticas académicas básicas
como la búsqueda, síntesis y producción de información.
Este proceso coincide con investigaciones recientes que documentan la expansión de la IAG
en la educación superior y su impacto en procesos de enseñanza - aprendizaje. Diversos estudios
señalan que plataformas conversacionales basadas en modelos de lenguaje están siendo utilizadas
cada vez con mayor frecuencia para apoyar tareas académicas como la redacción de textos, síntesis
de información o comprensión de conceptos complejos (Perdomo y González, 2025).
Dicho incremento en el uso refleja además una marcada tendencia sobre la expansión de
herramientas de IAG en ambientes universitarios, suceso que la literatura especializada coincide en
señalarlo como uno de los cambios tecnológicos de mayor relevancia en la formación profesional
contemporánea (Sánchez et al., 2025).
En el contexto latinoamericano, esta expansión tecnológica se inserta además dentro de
procesos más amplios de transformación digital de las universidades, en los que la IAG comienza a
desempeñar un papel relevante en la gestión del conocimiento y la mediación informacional
(Valentini, 2025). En este sentido, la adopción observada en los resultados puede interpretarse como
parte de una transición hacia nuevos escenarios de aprendizaje mediados por tecnologías
inteligentes.
Los niveles de adopción observados coinciden con estudios recientes, indican que los
estudiantes universitarios utilizan cada vez más estas herramientas de IAG para resolver dudas
escolares, localizar información y apoyar la elaboración de tareas y proyectos académicos, lo que
permite identificar una integración gradual de estas tecnologías como parte de sus hábitos de
estudio (Carrasco Valenzuela et al., 2024).
No obstante, la adopción intensiva no equivale necesariamente a apropiación crítica ni a
confianza epistémica en las salidas generadas. Estudios recientes reportan que, aun cuando los
estudiantes reconocen utilidad para tareas académicas, valoran estas herramientas como menos
confiables para proporcionar información o para sostener aprendizajes profundos, y sus
percepciones varían según factores contextuales y socioculturales. En esta línea, también se han
documentado preocupaciones persistentes por precisión, privacidad y efectos sobre el desarrollo
personal, lo que sugiere que la “normalización” puede coexistir con reservas y resistencias que
complejizan la narrativa de adopción lineal (Chan y Hu, 2023; Ravšelj et al., 2025).
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
43
La IAG como mediadora de procesos cognitivos
Un segundo eje interpretativo se vincula con el papel de la IAG como mediadora de procesos
cognitivos en el aprendizaje académico. Los resultados permiten inferir que los estudiantes utilizan
estas herramientas principalmente para actividades relacionadas con la búsqueda, síntesis y
comprensión de información, lo que sugiere que la IAG está funcionando como un mecanismo de
apoyo para procesar nuevos conocimientos.
En tal sentido, se ha identificado en algunas investigaciones que los estudiantes
universitarios reconocen estas herramientas como un complemento en sus procesos de aprendizaje,
el cual les permite resolver dudas, organizar contenidos y comprender diversidad de temas
complejos (Mena de la Rosa et al., 2024). Este hallazgo coincide también con estudios recientes que
señalan que las herramientas de IAG pueden facilitar procesos de organización conceptual y
producción de contenidos académicos, actuando como recursos de apoyo en el aprendizaje
(Verdezoto Bayas y Castro Castillo, 2025).
Sin embargo, algunos autores advierten que el uso intensivo de estas tecnologías también
puede generar formas de dependencia cognitiva, especialmente cuando los estudiantes delegan en
sistemas automatizados procesos fundamentales de análisis o elaboración intelectual (Blake, 2026).
Desde esta perspectiva, la IAG puede entenderse como una herramienta de mediación cognitiva
ambivalente, capaz de ampliar las posibilidades de acceso al conocimiento, pero también de
plantear desafíos para el desarrollo del pensamiento crítico. Del mismo modo, estudios recientes
señalan que la IAG favorece el progreso hacia esquemas de aprendizaje personalizado, en los que
cada estudiante podrá adaptar el ritmo y la profundidad de estudio a sus necesidades específicas
(Cabello et al., 2024).
Esta ambivalencia no es solo pedagógica sino también cognitiva y conductual. Evidencia
reciente ha encontrado que el uso de ChatGPT puede asociarse con efectos no deseados como
incremento de posponer acciones, reportes de memory loss y disminución del desempeño
académico, particularmente cuando la herramienta se usa como sustituto de procesos de
elaboración. En consecuencia, la mediación algorítmica debería analizarse no únicamente por su
frecuencia de uso, sino por las condiciones didácticas y evaluativas que delimitan si opera como
andamiaje o como externalización acrítica del trabajo intelectual (Abbas et al., 2024). En estudios
globales, la herramienta ha sido percibida como menos útil para el desarrollo del pensamiento crítico
frente a otras habilidades instrumentales.
Construcción de nuevos saberes en interacción con sistemas algorítmicos
El tercer eje analítico se refiere a la emergencia de nuevos saberes formativos asociados al
uso de IAG. Los resultados revelan que la interacción con herramientas generativas no se limita a un
uso instrumental, sino que contribuye al desarrollo de habilidades relacionadas con la síntesis de
información, comprensión conceptual y formulación estratégica de consultas a sistemas
algorítmicos.
Este fenómeno puede interpretarse como parte de una transformación más amplia de las
competencias informativas en entornos digitales, donde los estudiantes deben aprender no solo a
localizar información, sino también a interactuar con sistemas automatizados capaces de generar
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
44
contenido textual. En este sentido, la alfabetización informacional contemporánea incorpora nuevas
habilidades relacionadas con la evaluación, interpretación y contextualización de información
generada por IAG (Mieles-Briones et al., 2025).
Por tanto, el uso de IAG en el aprendizaje universitario no solo modifica las prácticas
académicas, sino que también contribuye a la reconfiguración de los saberes necesarios para la
formación profesional en contextos digitales. En tal sentido, la literatura académica refiere que el
uso de herramientas de IAG en contextos educativos, puede fortalecer procesos de análisis,
comprensión y síntesis de información, con la intención de generar nuevos conocimientos, sobre
todo, si su integración se acompaña de metodologías didácticas pertinentes (Cabello et al., 2024).
Conciencia ética y dilemas emergentes en el uso de IAG
Un cuarto eje interpretativo se relaciona con la dimensión ética del uso de IAG en contextos
educativos. A pesar del uso extendido de estas herramientas, los estudiantes identifican diversos
riesgos asociados a su utilización, particularmente en relación con la dependencia tecnológica,
posible disminución del pensamiento crítico y desafíos para la integridad académica. En ese sentido,
investigaciones recientes indican que, pese a que los estudiantes reconocen múltiples beneficios
vinculados a la herramienta, también manifiestan inquietudes relacionadas con la ética e integridad
académica y con el uso responsable de estas tecnologías (Niño-Carrasco et al., 2025).
Este reconocimiento de riesgos coincide con la literatura reciente, que ha señalado que la
integración de IAG en la educación superior plantea importantes dilemas relacionados con la
veracidad de la información, la autoría intelectual y la responsabilidad en el uso de tecnologías
automatizadas (Ramos Luna, 2026). Por lo tanto, la formación universitaria enfrenta el desafío de
promover criterios éticos claros para el uso de IAG, integrando principios de responsabilidad
académica, evaluación crítica de información y uso consciente de tecnologías digitales.
Estas inquietudes ponen de manifiesto la necesidad de delinear marcos institucionales
pertinentes que guíen el uso responsable y ético de la IAG en las universidades (Rentería García,
2024). Sin embargo, el reconocimiento de riesgos no se traduce automáticamente en prácticas
responsables. Se ha documentado que una proporción relevante de estudiantes puede desconfiar
de la información generada por ChatGPT y, simultáneamente, considerar “justo” su uso académico,
en un contexto donde también aparece la preocupación por plagio accidental. Además,
investigaciones cualitativas muestran que docentes y estudiantes pueden coincidir en criterios de
“aprendizaje”, pero divergir en lo que consideran “trampa”, evidenciando tensiones normativas
sobre el uso legítimo de la IAG. Esto refuerza la necesidad de marcos institucionales explícitos
(criterios, ejemplos, rúbricas) y de una Alfabetización Informacional ética que clarifique fronteras
prácticas más allá de la sensibilización (Bikanga Ada, 2024; Mah et al., 2024).
Prospectiva profesional: entre innovación y desplazamiento
El último eje analítico se refiere a las implicaciones que la IAG puede tener para el futuro
profesional de estudiantes en áreas vinculadas con la información y el conocimiento. Los resultados
muestran que los participantes perciben que estas tecnologías transformarán significativamente las
prácticas laborales relacionadas con la búsqueda, organización y análisis de información.
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
45
Esta percepción coincide con investigaciones recientes que señalan que la IA está
redefiniendo diversas funciones profesionales, particularmente en ámbitos vinculados con la gestión
del conocimiento y los sistemas de información (Valentini, 2025). Por consiguiente, el desafío para
las IES no consiste únicamente en incorporar herramientas tecnológicas en los procesos de
enseñanza, sino también en reconfigurar los programas formativos para preparar a los estudiantes
hacia un entorno profesional cada vez más mediado por sistemas algorítmicos.
La prospectiva profesional también se intersecta con dimensiones institucionales: aunque
los estudiantes suelen expresar interés por desarrollar capacidades vinculadas a IA para su futuro
laboral, se ha observado desconocimiento de políticas universitarias sobre su uso y una demanda
explícita de acompañamiento para integrarla de manera formativa. Esto sugiere que la preparación
profesional no depende solo de la disponibilidad tecnológica, sino de la gobernanza académica y la
Alfabetización Informacional en IA que las instituciones logren sostener en el tiempo (Thomson et
al., 2024).
Bajo esta perspectiva, se coincide, desde distintos aportes teóricos, en que la incorporación
de la IA en las IES demanda necesariamente el desarrollo de nuevas competencias digitales y
académicas tanto en estudiantes como en docentes (Villanueva Valadez y Torres Flores, 2025). La
automatización de tareas tradicionalmente asociadas a los profesionales de la información obliga a
replantear su identidad y funciones. En este contexto, el valor profesional ya no radica únicamente
en el dominio técnico, sino en la capacidad de interpretar, supervisar y contextualizar sistemas
automatizados.
Integración teórica del modelo conceptual emergente
Los resultados del estudio permitieron identificar una relación estructural entre cuatro
dimensiones analíticas: uso de herramientas de IAG, construcción de saberes formativos, conciencia
ética y prospectiva profesional. A partir de esta relación se propone un modelo conceptual
emergente que explica cómo la interacción cotidiana con sistemas de IAG puede influir en la
configuración de nuevas formas de aprendizaje y en la redefinición de competencias profesionales.
En este modelo, el uso de herramientas de IAG constituye el punto de entrada del proceso.
La interacción con estas tecnologías facilita el acceso a información y apoyo en tareas académicas; y
al mismo tiempo, genera nuevas formas de mediación entre los estudiantes y el conocimiento. En
esta interacción se configura una segunda dimensión: la construcción de saberes formativos
mediada por IAG, en la cual los estudiantes desarrollan habilidades relacionadas con la síntesis de
información, formulación de consultas a sistemas generativos y evaluación crítica de respuestas
automatizadas.
La mediación tecnológica también activa una tercera dimensión del modelo: la conciencia
ética emergente. Los resultados muestran que los estudiantes reconocen tanto los beneficios como
los riesgos asociados al uso de estas herramientas, lo que demuestra un proceso de reflexión crítica
sobre las implicaciones académicas y profesionales de la IAG. En este sentido, la integración de IAG
es considerada cada vez más, como una dimensión estratégica para las IES, tanto en lo referente a
innovación educativa como en excelencia académica (Chamba-Eras et al., 2026).
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
46
El modelo conceptual sugiere que la articulación entre uso tecnológico, construcción de
saberes y reflexión ética se proyecta hacia una cuarta dimensión: la prospectiva profesional, en la
que los estudiantes anticipan transformaciones significativas en las prácticas laborales vinculadas
con la gestión del conocimiento. En conjunto, el modelo conceptual emergente permite interpretar
el uso de IAG en el aprendizaje universitario como un proceso dinámico de intermediación
sociocultural, en el que la interacción con sistemas algorítmicos contribuye a la transformación de
procesos educativos y de las competencias profesionales requeridas en el campo informativo.
Estos cambios sugieren que la IAG no solo está modificando el uso de herramientas de apoyo
académico, sino también los procesos de aprendizaje y generación de conocimientos en el ámbito
de la educación superior (Carrasco Valenzuela et al., 2024). Desde una lectura más estructural,
revisiones recientes subrayan que la integración de ChatGPT enfrenta desafíos que trascienden el
aula: infraestructura, obsolescencia tecnológica, seguridad y gestión de datos, sesgos, equidad y la
necesidad de supervisión humana continua, lo que sugiere que el modelo propuesto también debe
pensarse como articulado a condiciones institucionales y no solo a decisiones individuales de uso
(García-López et al., 2025).
Conclusiones
A partir de un enfoque cuantitativo, descriptivo y no experimental, los hallazgos del estudio
muestran que el uso de herramientas de IAG se ha incorporado con rapidez a las prácticas de
aprendizaje de estudiantes universitarios en ciencias de la información. Se observa predominio de
herramientas conversacionales, especialmente ChatGPT. Su integración se concentra especialmente
en actividades de búsqueda, organización, comprensión y producción de información académica, lo
que sugiere que la mediación algorítmica ya forma parte de tareas centrales del trabajo universitario.
En términos formativos, los resultados evidencian que la IAG no opera únicamente como
recurso instrumental, sino que se asocia con experiencias de apoyo cognitivo: clarificación de
conceptos, síntesis de contenidos y asistencia en escritura, y con la emergencia de aprendizajes
vinculados a la formulación estratégica de consultas (Prompts), la evaluación de pertinencia y la
verificación de respuestas generadas. En este sentido, el uso sostenido de IAG apunta a una
reconfiguración de competencias informacionales, donde se vuelve indispensable no solo acceder a
información, sino interpretarla, contrastarla y contextualizarla con criterios disciplinares.
De manera convergente, el estudio identifica una conciencia crítica emergente sobre riesgos
asociados a estas tecnologías, particularmente la dependencia tecnológica, la confiabilidad de la
información y los desafíos para la integridad académica. Esta tensión confirma que la adopción
tecnológica no es un proceso neutro: sus beneficios académicos coexisten con dilemas formativos y
éticos que requieren orientación explícita.
En términos de implicaciones para las instituciones de educación superior, los hallazgos
sugieren la necesidad de transitar de una adopción espontánea a una integración formativa y
regulada de la IAG. Ello implica fortalecer Alfabetización Informacional crítica en IAG, delimitar
criterios de uso responsable y rediseñar prácticas de enseñanza y evaluación para favorecer
autonomía, pensamiento crítico, transparencia y trazabilidad del aprendizaje cuando estas
herramientas intervienen en procesos de producción académica.
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
47
Finalmente, dado el carácter descriptivo del estudio, circunscrito a una muestra por
conveniencia y basado en datos autodeclarados, los resultados deben interpretarse como evidencia
contextual que abre líneas de investigación futura. Se recomienda profundizar mediante diseños
comparativos y longitudinales que exploren relaciones entre intensidad de uso, prácticas de
verificación, desempeño académico y posicionamientos éticos. En suma, la IAG no debe entenderse
solo como una tecnología emergente, sino como un factor que está reconfigurando prácticas de
aprendizaje, producción de conocimiento y formación profesional en educación superior.
Declaración de contribución de autoría CRediT:
Luis Roberto Rivera-Aguilera: Conceptualization (lead), Investigation (equal), Writing –
review & editing (equal).
Julio César Rivera Aguilera: Investigation (equal), Methodology (lead), Writing – review &
editing (equal).
Rafael Benjamín Culebro Tello: Investigation (equal), Writing – review & editing (equal).
Referencias
Abbas, M., Jam, F. A., & Khan, T. I. (2024). Is it harmful or helpful? Examining the causes and
consequences of generative AI usage among university students. International Journal of
Educational Technology in Higher Education, 21, Article 10. https://doi.org/10.1186/s41239-
024-00444-7
Aljazi, Y. S. (2025). The role of artificial intelligence in library and information science: Innovations,
challenges, and future prospects. Information and Knowledge Management, 15(2), 100–107.
https://doi.org/10.7176/IKM/15-2-09
American Library Association. (2023). 2022 update to ALA’s core competences of librarianship.
https://www.ala.org/educationcareers/2022-update-alas-core-competences-
librarianship
Aminu, M. B. (2024). Impact of artificial intelligence in library operations. BW Academic Journal, 1(3),
56–62. https://www.bwjournal.org/index.php/bsjournal/article/view/2137
Annapureddy, R., Fornaroli, A., & Gatica-Perez, D. (2024). Generative AI literacy: Twelve defining
competencies. Cornell University. https://doi.org/10.48550/arXiv.2412.12107
Ayinde, L., Ebiefung, R., & Oladokun, B. D. (2026). Adoption of artificial intelligence in academic
libraries: A systematic review of current practices, challenges, and research opportunities. The
Journal of Academic Librarianship, 52(1), 103185.
https://doi.org/10.1016/j.acalib.2025.103185
Baber, M., Islam, K., Ullah, A., & Ullah, W. (2024). Libraries in the age of intelligent information: AI-
driven solutions. International Journal of Applied and Scientific Research, 2(1), 153–176.
https://doi.org/10.59890/ijasr.v2i1.1295
Bikanga Ada, M. (2024). It helps with crap lecturers and their low effort: Investigating computer
science students’ perceptions of using ChatGPT for learning. Education Sciences, 14(10), 1106.
https://doi.org/10.3390/educsci14101106
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
48
Biswas, G. (2024). The application of artificial intelligence (AI) in library and information centre.
International Journal of Scientific Research in Engineering and Management (IJSREM), 8(7).
https://doi.org/10.55041/IJSREM36481
Blake, J. (2026). Docencia e inteligencia artificial generativa en educación superior en América Latina:
Focos y vacíos de la investigación emergente (revisión sistemática 2023–2025). Revista Realidad
Educativa, 6(1), 153–189. https://doi.org/10.38123/rre.v6i1.600
Briceño-Álvarez, I., Hernández-Arroyo, W., y Murillo-González, A. (2025). Tecnología educativa en
ascenso: La integración de inteligencia artificial en la enseñanza. Informatio, 30(1), e211.
https://doi.org/10.35643/info.30.1.1
Cabello, J. D., Moreno Beltrán, R. y Hernández Valerio, J. S. (2024). Inteligencia artificial en la
educación universitaria: perspectivas, retos y oportunidades. Revista Transdigital, 5(9).
https://doi.org/10.56162/transdigital423
Carrasco Valenzuela, A. C., Martínez García, V. M., Vázquez Meza, J. A. y Díaz Romero, Y. (2024).
Percepción de los estudiantes sobre el uso de la inteligencia artificial en el nivel superior. Revista
Digital de Tecnologías Informáticas y Sistemas, 8(1).
https://doi.org/10.61530/redtis.vol8.n1.2024.187
Çelik, F., & Baturay, M. H. (2024). Technology and innovation in shaping the future of education.
Smart Learning Environments, 11, 54. https://doi.org/10.1186/s40561-024-00339-0
Chamba-Eras, L., Cumbicus Pineda, O., Coronel Romero, E., Gaona Alvarado, J., & Barba Guamán, L.
(2026). Marco IA593: Modelo de gobernanza, ética y estrategia para la integración de la
inteligencia artificial en la educación superior. Cornell University.
https://arxiv.org/abs/2602.09246
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and
challenges in higher education. International Journal of Educational Technology in Higher
Education, 20, Article 43. https://doi.org/10.1186/s41239-023-00411-8
Chee, H., Ahn, S., & Lee, J. (2025). A competency framework for AI literacy: Variations by different
learner groups and an implied learning pathway. British Journal of Educational Technology, 56(5),
2146–2182. https://doi.org/10.1111/bjet.13556
Cox, A. M., & Mazumdar, S. (2022). Defining artificial intelligence for librarians. Journal of
Librarianship and Information Science, 56(8), 1-22.
https://doi.org/10.1177/09610006221142029
Digital Education Council Global AI Faculty Survey (2025). AI Meets academia: what faculty think.
Digital Education Council. https://www.digitaleducationcouncil.com/post/digital-
education-council-global-ai-faculty-survey
Emin, D. (2025). The rise of artificial intelligence in academic libraries: Opportunities and concerns.
Emerging Library & Information Perspectives, 7(1), 29-43.
https://doi.org/10.5206/elip.v7i1.22214
Gabdo, A. M., Ado, A. A., & Hassan, M. A. (2025). AI-powered information services: A guide for LIS
professionals. International Journal of Multidisciplinary Research and Development, 12(11), 47–
50. https://www.allsubjectjournal.com/assets/archives/2025/vol12issue11/12279.pdf
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
49
García-López, I. M., González González, C. S., Ramírez-Montoya, M.-S., & Molina-Espinosa, J.-M.
(2025). Challenges of implementing ChatGPT on education: Systematic literature review.
International
Journal
of
Educational
Research
Open,
8,
100401.
https://doi.org/10.1016/j.ijedro.2024.100401
Garzón, J., Patiño, E., & Marulanda, C. (2025). Systematic review of artificial intelligence in education.
Multimodal Technologies and Interaction, 9(8), 84. https://doi.org/10.3390/mti9080084
Harper, C. A. (2025). The librarian skillset and the needs of artificial intelligence. Cataloging &
Classification Quarterly, 26(2), 187-212. https://doi.org/10.1080/01639374.2025.2539787
Hussain, A. (2025). Unlocking the potential of artificial intelligence in academic libraries. En E. P.
Dadios, Artificial Intelligence: Social, Ethical and Legal Issues. IntechOpen.
https://doi.org/10.5772/intechopen.1008234
Kerimbayev, N., Adamova, K., Shadiev, R., & Altinay, Z. (2025). Intelligent educational technologies in
individual learning. Smart Learning Environments, 12(1), 1-30.
https://doi.org/10.1186/s40561-024-00360-3
Kumar, D. N. (2025). The role of artificial intelligence in enhancing digital library services.
International Research Journal of Library and Information Sciences, 2(8), 9–17.
https://aimjournals.com/index.php/irjlis/issue/view/116
Lintner, T. (2024). A systematic review of AI literacy scales. NPJ Science of Learning, 9(1), 50.
https://doi.org/10.1038/s41539-024-00264-4
Mah, C., Walker, H., Phalen, L., Levine, S., Beck, S. W., & Pittman, J. (2024). Beyond CheatBots:
Examining tensions in teachers’ and students’ perceptions of cheating and learning with
ChatGPT. Education Sciences, 14(5), 500. https://doi.org/10.3390/educsci14050500
Mansoor, H. M. H., Bawazir, A., Alsabri, M. A., Alharbi, A., & Okela, A. H. (2024). Artificial intelligence
literacy among university students a comparative transnational survey. Frontiers in
Communication, 9, 1478476. https://doi.org/10.3389/fcomm.2024.1478476
Mekheimer, M. A. (2025). Effective technology integration in higher education. Education and
Information Technologies, 30, 25013–25058. https://doi.org/10.1007/s10639-025-13750-y
Mena de la Rosa, R., Cruz-Romero, R., & Silva-Payró, M. P. (2024). Percepción de la inteligencia
artificial por estudiantes universitarios como acompañante en el proceso de aprendizaje.
European Public & Social Innovation Review, 9, 1-18. https://doi.org/10.31637/epsir-2024-
738
Mena-Guacas, A. F., López-Catalán, L., Bernal-Bravo, C., & Ballesteros-Regaña, C. (2025). Educational
transformation through emerging technologies. Education Sciences, 15(3), 368.
https://doi.org/10.3390/educsci15030368
Mieles-Briones, W., Moreira-Mieles, L., Quidemil-Torrijo, E., & Molina-Arteaga, K. (2025). Producción
científica sobre IA en educación superior. Revista General de Información y Documentación,
35(2). https://doi.org/10.5209/rgid.104581
Mosha, N. F. V., Chigwada, J., Fitong Ketchiwou, G., & Ngulube, P. (2026). AI in higher education
institutions. Education Sciences, 16(2), 185. https://doi.org/10.3390/educsci16020185
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
50
Ng, D. T. K., Wu, W., Leung, J. K. L., Chiu, T. K. F., & Chu, S. K. W. (2024). Design and validation of the
AI literacy questionnaire: The affective, behavioural, cognitive and ethical approach. British
Journal of Educational Technology, 55(3), 1082–1104. https://doi.org/10.1111/bjet.13411
Niño-Carrasco, S. A., Castellanos-Ramírez, J. C., Pérezchica Vega, J. E. y Sepúlveda Rodríguez, J. A.
(2025). Percepciones de estudiantes universitarios sobre los usos de inteligencia artificial en
educación. Revista Fuentes, 27(1), 94–106
https://doi.org/10.12795/revistafuentes.2025.26356
Perdomo, B., & González, O. A. (2025). Inteligencia artificial en educación superior. Cuadernos de
Investigación Educativa, 16(2), e205. https://doi.org/10.18861/cied.2025.16.2.4034
Prakash, & Nasir, M. (2025). Bridging librarianship and AI: A study on technological relevance in
information science. Globus Journal of Progressive Education, 15(1), 61-65.
https://globusedujournal.in/wp-content/uploads/2025/02/GE-151-JJ25-10-Prakash.pdf
Raghavendra, M., & Nataraju, N. (2025). Role of AI in future library services. International Journal for
Research Trends in Social Science & Humanities, 3(6), 1-4. https://ijrtssh.com/wp-
content/uploads/ijrtssh.vol_.3.issue6_115.pdf
Ramos Luna, L. L. (2026). Inteligencia artificial predictiva y mercantilización de la educación superior
latinoamericana: Un análisis desde las lógicas institucionales. Reencuentro. Análisis De
Problemas Universitarios, 36(88), 233–254. https://doi.org/10.24275/uamxoc-
dcsh/reencuentro/202488-12
Ravšelj, D., Keržič, D., Tomaževič, N., Umek, L., Brezovar, N., Iahad, N. A., Abdulla, A. A., Akopyan, A.,
Aldana Segura, M. W., AlHumaid, J., Allam, M. F., Alló, M., Andoh, R. P. K., Andronic, O., Arthur,
Y. D., Aydın, F., Badran, A., Balbontín-Alvarado, R., Ben Saad, H., ... Zhou, M. (2025). Higher
education students’ perceptions of ChatGPT: A global study of early reactions. PLOS ONE, 20(2),
e0315011. https://doi.org/10.1371/journal.pone.0315011
Rentería García, C. D. (2024). El impacto de la Inteligencia Artificial en la Educación Superior:
representaciones sociales y transformación institucional. TIES, Revista de Tecnología e
Innovación en Educación Superior, (11), 53–71.
https://doi.org/10.22201/dgtic.26832968e.2024.11.47
Reyes Rosales, L. L., Alonso Alonso, M., Reyes Rosales, C., y Salas García, J. (2025). Incorporación de
la IA en diferentes niveles educativos. Diversidad Académica, 5(1), 57-77.
https://diversidadacademica.uaemex.mx/article/view/26623
Rosero-Mellizo, L. S., y Martínez-Arias, A. M. (2026). Uso de IA para desarrollo de habilidades
blandas: revisión sistemática de la literatura. Revista Colombiana de Educación, (98), e22795.
https://doi.org/10.17227/rce.num98-22795
Sánchez, N. E., Michay, G. C., y Calderón, J. V. (2025). Inteligencia artificial generativa en educación
superior: una revisión sistemática de literatura hispanohablante. Revista Espacios, 46(6).
https://doi.org/10.48082/espacios-a25v46n06p02
Steinbauer, G., Kandlhofer, M., Chklovski, T., Heintz, F., & Koenig, S. (2021). A differentiated
discussion about AI education K-12. KI - Künstliche Intelligenz, 35(4), 1-7.
https://doi.org/10.1007/s13218-021-00724-8
Rivera Aguilera, R. L. et al. (2026)
2026 | Revista Estudios de la Información, 4(1), 27-51
https://doi.org/10.54167/rei.v4i1.2259
51
Stolpe, K., & Hallström, J. (2024). Artificial intelligence literacy for technology education. Computers
and Education Open, 6, 100159. https://doi.org/10.1016/j.caeai.2024.100159
Tait, E., & Pierson, C. M. (2022). Artificial intelligence and robots in libraries: Opportunities in LIS
curriculum for preparing the librarians of tomorrow. Journal of the Australian Library and
Information Association, 71(3), 256–274.
https://doi.org/10.1080/24750158.2022.2081111
Tan, X., Cheng, G., & Ling, M. H. (2025). Artificial intelligence in teaching. Computers and Education:
Artificial Intelligence, 8, 100355. https://doi.org/10.1016/j.caeai.2024.100355
Thomson, S. R., Pickard-Jones, B. A., Baines, S., & Otermans, P. C. J. (2024). The impact of AI on
education and careers: What do students think? Frontiers in Artificial Intelligence, 7, 1457299.
https://doi.org/10.3389/frai.2024.1457299
Valentini, A. (2025). Educación superior y transformación digital. SciComm Report, 5(1), 1-13.
https://doi.org/10.32457/scr.v5i1.2830
Valverde-Berrocoso, J., Fernández-Sánchez, M. R., & Montes-Rodríguez, R. (2025). Digitalization and
innovation in secondary education. Discover Education, 4, 571.
https://doi.org/10.1007/s44217-025-01069-2
Verdezoto Bayas, L. M. y Castro Castillo, G. J. (2025). Inteligencia Artificial Generativa aplicada a la
educación superior. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 6(4),
1-15. https://doi.org/10.56712/latam.v6i4.4561
Villanueva Valadez, C. y Torres Flores, S. G. (2025). Percepciones estudiantiles y retos docentes ante
la inteligencia artificial generativa en la educación superior. INNOVACADEMIA, 1(3), 34–44.
https://doi.org/10.29105/innoacad.v1i3.51
Walter, Y. (2024). Embracing the future of artificial intelligence in the classroom: The relevance of AI
literacy, prompt engineering, and critical thinking in modern education. International Journal of
Educational Technology in Higher Education, 21(1), 15. https://doi.org/10.1186/s41239-024-
00448-3
Wang, K., Cui, W., & Yuan, X. (2025). Artificial intelligence in higher education: The impact of need
satisfaction on artificial intelligence literacy mediated by self-regulated learning strategies.
Behavioral Sciences, 15(2), 165. https://doi.org/10.3390/bs15020165
Yang, Y., Zhang, Y., Sun, D., He, W., & Wei, Y. (2025). Navigating the landscape of AI literacy education:
insights from a decade of research (2014–2024). Humanities and Social Sciences
Communications, 12(1), 374. https://doi.org/10.1057/s41599-025-04583-8
