Autor principal: Derek Daniel Gonzalez Razo
Vol. XXI; nº 7; 113
REVISIÓN
Uso de herramientas de inteligencia artificial en estudiantes universitarios: beneficios, riesgos e implicaciones éticas
Use of Artificial Intelligence Tools among University Students: Benefits, Risks, and Ethical Implications
Derek Daniel Gonzalez Razo, Eduardo Mendoza Gracia, Irma Aida Leon Diaz de Leon, Estefania Jimenez Salcedo, Cristian Daniel Cobieya Guillén
Incluido en Revista Electrónica de PortalesMedicos.com, Volumen XXI. Número 07 – Primera quincena de Abril de 2026 – Página inicial: Vol. XXI; nº 7; 113 – DOI: https://doi.org/10.64396/v21-0113 – Cómo citar este artículo
Sobre los autores | Sobre el artículo | Referencias
Resumen
El uso de herramientas de inteligencia artificial (IA) en estudiantes universitarios ha experimentado un crecimiento acelerado, integrándose de manera progresiva en diversas actividades académicas, como la redacción de textos, la búsqueda de información, la resolución de problemas y el apoyo en la programación. El presente estudio tiene como objetivo analizar la evidencia disponible sobre el impacto de la IA en la educación superior, considerando sus beneficios, riesgos e implicaciones éticas.
La literatura muestra que la IA puede favorecer el aprendizaje autónomo, mejorar la eficiencia académica y facilitar la personalización del proceso educativo mediante sistemas adaptativos y asistentes inteligentes. Sin embargo, también se han identificado riesgos importantes, entre ellos la dependencia tecnológica, la disminución del pensamiento crítico y los desafíos relacionados con la integridad académica. Asimismo, el uso de estas herramientas plantea interrogantes en torno a la autoría del conocimiento, la equidad en el acceso y la protección de datos.
Se concluye que la inteligencia artificial representa una herramienta con alto potencial para transformar la educación superior; no obstante, su implementación requiere un enfoque crítico, acompañado de formación ética, alfabetización digital y el establecimiento de políticas institucionales claras que regulen su uso en el ámbito académico.
Palabras clave
Inteligencia artificial; educación superior; estudiantes universitarios; aprendizaje autónomo; ética.
Abstract
The use of artificial intelligence (AI) tools among university students has grown rapidly, becoming progressively integrated into academic activities such as writing, information retrieval, problem-solving, and programming support. This study aims to analyze the available evidence regarding the impact of AI in higher education, focusing on its benefits, risks, and ethical implications.
The literature indicates that AI can enhance autonomous learning, improve academic efficiency, and support personalized education through adaptive systems and intelligent assistants. However, significant risks have also been identified, including technological dependency, reduced critical thinking skills, and challenges related to academic integrity. Furthermore, the use of these tools raises concerns about authorship, equity of access, and data privacy.
In conclusion, artificial intelligence represents a powerful tool with the potential to transform higher education. Nevertheless, its implementation requires a critical approach, supported by ethical training, digital literacy, and the establishment of clear institutional policies to regulate its academic use.
Keywords
Artificial intelligence; higher education; university students; autonomous learning; ethics.
Introducción
La inteligencia artificial (IA) ha evolucionado de ser una propuesta teórica en informática a convertirse en un componente cada vez más visible de la vida académica y profesional. En el ámbito universitario, su incorporación ha transformado la manera en que los estudiantes acceden a la información, elaboran textos, resuelven problemas y organizan sus procesos de aprendizaje. Herramientas como asistentes conversacionales, sistemas de generación de contenido, plataformas adaptativas y programas de apoyo a la escritura se han integrado progresivamente en la dinámica educativa, particularmente en la educación superior (1,6,7,10).
El interés por la IA en la universidad no solo responde a su capacidad para optimizar tareas y mejorar la eficiencia académica, sino también a su potencial para personalizar la experiencia formativa. Diversos estudios señalan que estas tecnologías pueden favorecer el aprendizaje autónomo, facilitar la comprensión de contenidos complejos y ofrecer retroalimentación inmediata, lo que las convierte en recursos atractivos para estudiantes de distintas disciplinas (3,10,12,15). No obstante, su uso también plantea interrogantes relevantes sobre la calidad del aprendizaje, la dependencia tecnológica y el desarrollo de competencias intelectuales fundamentales.
Uno de los principales desafíos asociados a la expansión de la IA en educación superior es su impacto sobre la integridad académica. La posibilidad de generar textos, resolver tareas o producir ideas con mínima intervención humana ha generado preocupación por prácticas como el plagio asistido, la pérdida de autoría y la disminución del pensamiento crítico (2,11). A ello se suman inquietudes relacionadas con la privacidad de los datos, la transparencia de los sistemas y la desigualdad en el acceso a estas herramientas, lo cual puede ampliar brechas entre estudiantes con diferentes recursos tecnológicos (4,13).
En paralelo, la percepción estudiantil hacia la IA ha tendido a ser favorable, aunque no exenta de ambivalencias. Mientras algunos universitarios la consideran una aliada para estudiar con mayor rapidez y eficacia, otros reconocen riesgos éticos y formativos asociados a su uso indiscriminado (9,10,12). Esta tensión refleja la necesidad de comprender no solo qué herramientas se utilizan, sino también cómo, por qué y con qué criterios se incorporan en la práctica académica.
En este contexto, resulta fundamental analizar de manera crítica la evidencia disponible sobre el uso de la inteligencia artificial en estudiantes universitarios. Comprender sus principales aplicaciones, beneficios, limitaciones e implicaciones éticas permite delinear estrategias educativas más responsables y pertinentes. Por ello, el presente trabajo tiene como objetivo revisar la literatura reciente sobre el uso de IA en el entorno universitario, con énfasis en sus efectos sobre el aprendizaje, la integridad académica y la necesidad de políticas institucionales claras que orienten su implementación (2,3,11,13).
Metodología
Se realizó una revisión narrativa de la literatura con enfoque descriptivo e integrador, orientada a sintetizar la evidencia disponible sobre el uso de herramientas de inteligencia artificial en estudiantes universitarios, así como sus beneficios, riesgos e implicaciones éticas. Este tipo de diseño permite analizar de manera crítica y contextual la información existente, identificando patrones y tendencias en el área de estudio (6,7).
La búsqueda bibliográfica se llevó a cabo en bases de datos académicas y repositorios científicos, incluyendo Scopus, Google Scholar, Redalyc y Latindex, considerando publicaciones en español e inglés entre enero de 2018 y abril de 2025. Se utilizaron términos relacionados con inteligencia artificial, educación superior, estudiantes universitarios, aprendizaje autónomo y ética académica, combinando descriptores en español e inglés para optimizar la sensibilidad de la búsqueda (3,7).
Se incluyeron artículos originales, revisiones narrativas, revisiones sistemáticas y documentos académicos que abordaran de manera directa el uso de inteligencia artificial en contextos universitarios o sus implicaciones en el proceso de aprendizaje. Se excluyeron tesis no arbitradas, artículos de opinión sin sustento metodológico, documentos duplicados y publicaciones previas a 2018, con el objetivo de garantizar la actualidad y calidad de la evidencia seleccionada (7).
La selección de los estudios se realizó en dos etapas: inicialmente mediante la revisión de títulos y resúmenes, seguida de la evaluación del texto completo de los artículos potencialmente relevantes. Posteriormente, la información fue organizada en categorías temáticas predefinidas, entre ellas: conceptualización de la inteligencia artificial, tipos de herramientas utilizadas, percepción estudiantil, impacto en el aprendizaje e implicaciones éticas (3,6).
El análisis de la información fue de tipo cualitativo, basado en la identificación de temas recurrentes y la síntesis crítica de los hallazgos reportados en la literatura. Dado que se trató de una revisión de fuentes secundarias de acceso público, no fue necesario contar con aprobación por comité de ética ni consentimiento informado; sin embargo, se respetaron los principios de integridad científica mediante la adecuada citación de las fuentes utilizadas (6).
Adicionalmente, se definió una estrategia de búsqueda estructurada mediante el uso de términos clave como «artificial intelligence», «higher education», «university students», «academic integrity» y «ethics», combinados mediante operadores booleanos (AND, OR) para optimizar la sensibilidad y especificidad de los resultados. En una primera fase se identificaron un total de 142 publicaciones potencialmente relevantes; tras la aplicación de los criterios de inclusión y exclusión, se seleccionaron 47 estudios para su análisis final. Asimismo, se llevó a cabo una evaluación crítica de la calidad metodológica de los artículos incluidos, considerando su pertinencia, actualidad y rigor científico, con el objetivo de garantizar la validez y consistencia de los hallazgos presentados en esta revisión.
Desarrollo
Conceptualización de la inteligencia artificial en educación superior
La inteligencia artificial (IA) se define como el campo de la informática orientado al desarrollo de sistemas capaces de ejecutar tareas que requieren procesos cognitivos humanos, como el aprendizaje, el razonamiento, la resolución de problemas y la comprensión del lenguaje natural (1). En el ámbito educativo, estas tecnologías han evolucionado hacia aplicaciones prácticas que incluyen asistentes virtuales, sistemas de recomendación y plataformas de aprendizaje adaptativo, los cuales permiten una interacción más dinámica entre el estudiante y el conocimiento.
En la educación superior, la incorporación de la IA ha transformado las estrategias de aprendizaje, facilitando el acceso inmediato a información, la generación de contenido académico y la resolución asistida de tareas complejas. Estas herramientas no solo optimizan el tiempo de estudio, sino que también permiten una personalización del aprendizaje basada en las necesidades individuales del estudiante (3,7).
Tipos de herramientas de inteligencia artificial utilizadas por estudiantes
Las herramientas de IA empleadas en el entorno universitario pueden clasificarse según su funcionalidad en diversas categorías.
Los asistentes de escritura académica permiten mejorar la calidad de los textos mediante corrección gramatical, reformulación y sugerencias de estilo, favoreciendo la claridad y coherencia en la producción escrita (7).
Los generadores de contenido facilitan la creación de borradores de ensayos, resúmenes y respuestas estructuradas, lo que incrementa la eficiencia en la elaboración de trabajos académicos, aunque plantea interrogantes sobre la originalidad del contenido (2).
Las herramientas de programación asistida son ampliamente utilizadas en disciplinas tecnológicas, ya que permiten generar código, identificar errores y optimizar procesos de desarrollo (1).
Por otro lado, los sistemas de aprendizaje adaptativo ajustan el contenido educativo en función del rendimiento del estudiante, promoviendo una enseñanza personalizada basada en datos (8).
Finalmente, los chatbots educativos permiten la interacción en lenguaje natural, proporcionando explicaciones, resolución de dudas y apoyo continuo en el proceso de aprendizaje (3,14).
Mecanismos de impacto en el aprendizaje
El impacto de la inteligencia artificial en el aprendizaje universitario puede explicarse mediante una serie de mecanismos cognitivos y conductuales que modifican la forma en que los estudiantes adquieren, procesan y utilizan el conocimiento.
Uno de los principales mecanismos es la optimización de la carga cognitiva, ya que la IA proporciona información estructurada de manera inmediata, facilitando la comprensión de conceptos complejos y mejorando la eficiencia del aprendizaje (7). Sin embargo, este beneficio puede acompañarse de un fenómeno de externalización del procesamiento cognitivo, en el cual el estudiante delega funciones como el análisis, la síntesis y la resolución de problemas en la herramienta tecnológica, lo que puede afectar el desarrollo del pensamiento crítico (2).
Asimismo, la disponibilidad constante de estas herramientas promueve un modelo de aprendizaje basado en la inmediatez, lo que puede limitar procesos más profundos de reflexión y consolidación del conocimiento. Este fenómeno se asocia con una menor tolerancia a la frustración y una reducción en la capacidad de resolución autónoma de problemas complejos (3).
Otro aspecto relevante es la modificación de la autorregulación del aprendizaje, ya que los estudiantes pueden depender de la IA para organizar información, generar ideas o validar respuestas, disminuyendo su autonomía real si el uso no es supervisado (7).
Desde una perspectiva ética, la IA introduce ambigüedad en la autoría académica, dificultando la distinción entre producción intelectual propia y contenido generado por sistemas automatizados, lo que impacta directamente en la integridad académica (2,4).
Implicaciones éticas en el uso de inteligencia artificial
El uso de herramientas de inteligencia artificial en el ámbito universitario plantea desafíos éticos complejos que impactan directamente en la integridad académica y en la producción del conocimiento. Uno de los principales problemas es la autoría y originalidad del contenido, ya que los sistemas generativos pueden producir textos completos, dificultando la delimitación entre aporte propio y contenido automatizado (2,11).
Asimismo, la IA ha modificado las formas tradicionales de deshonestidad académica, facilitando prácticas como el plagio asistido o la generación automática de trabajos, lo que obliga a replantear los sistemas de evaluación y control en la educación superior (2,11). En este contexto, se ha documentado que un número considerable de estudiantes no percibe el uso de IA como una falta ética en determinadas circunstancias, lo que evidencia una brecha entre normativa institucional y percepción individual (9,11).
Otro aspecto relevante es la privacidad y protección de datos, ya que muchas herramientas de IA recopilan información personal y académica sin un conocimiento pleno por parte del usuario, generando riesgos asociados al uso y almacenamiento de datos sensibles (4,13).
Además, la desigualdad en el acceso a estas tecnologías representa un problema emergente. La disponibilidad de herramientas avanzadas no es homogénea, lo que puede generar ventajas académicas injustas entre estudiantes con distintos recursos tecnológicos (6,10). En conjunto, estos elementos resaltan la necesidad de establecer marcos regulatorios claros y promover una formación ética en el uso de la IA dentro de las instituciones educativas (3,9).
Percepción estudiantil sobre el uso de inteligencia artificial
La percepción de los estudiantes universitarios respecto al uso de inteligencia artificial es predominantemente positiva, asociándose con mejoras en la eficiencia académica, la comprensión de contenidos y la optimización del tiempo de estudio (3,10,12). Diversos estudios han mostrado que los estudiantes valoran especialmente la capacidad de estas herramientas para proporcionar respuestas inmediatas y apoyo continuo en el aprendizaje (12,15).
Sin embargo, esta percepción favorable coexiste con preocupaciones importantes. Entre ellas destacan la dependencia tecnológica, la posible disminución de habilidades cognitivas y el uso inapropiado en contextos académicos (2,7,9). Además, se ha observado que las actitudes hacia la IA están influenciadas por factores como el nivel de conocimiento tecnológico, la disciplina académica y las creencias éticas individuales (9,15).
En particular, investigaciones recientes han señalado que los estudiantes con mayor familiaridad con herramientas digitales tienden a presentar una mayor aceptación de la IA, aunque no necesariamente un uso más crítico de la misma, lo que subraya la necesidad de fortalecer la alfabetización digital en el ámbito universitario (10,12).
Diferencias en el uso de inteligencia artificial según disciplina académica
El uso de herramientas de inteligencia artificial en el ámbito universitario presenta variaciones relevantes según la disciplina académica, determinadas por las necesidades específicas de cada área de conocimiento.
En términos generales, los estudiantes de disciplinas tecnológicas, como ingeniería y ciencias computacionales, tienden a emplear estas herramientas con mayor frecuencia en actividades relacionadas con programación, resolución de problemas y automatización de procesos. Por otro lado, en áreas como las ciencias de la salud, su uso se orienta principalmente al apoyo en la comprensión de contenidos complejos y la organización de la información, manteniendo la necesidad de supervisión debido a la importancia del rigor científico.
En las ciencias sociales y humanidades, las herramientas de inteligencia artificial se utilizan predominantemente como apoyo en la redacción, síntesis y análisis de información, facilitando la producción de textos académicos. Asimismo, en áreas como economía y negocios, su aplicación se vincula con el análisis de datos y la interpretación de información, favoreciendo la toma de decisiones académicas.
Estas diferencias reflejan que la integración de la inteligencia artificial no es homogénea, sino que depende de las características propias de cada disciplina, así como del nivel de alfabetización digital de los estudiantes. En este sentido, resulta fundamental que las estrategias de regulación y formación en el uso de estas herramientas se adapten a los contextos específicos de cada área del conocimiento (3,6,10,12).
Discusión
Los hallazgos de esta revisión sugieren que la inteligencia artificial se ha incorporado de forma rápida y sostenida al entorno universitario, con especial utilidad en tareas de apoyo académico como redacción, síntesis, búsqueda de información y resolución de problemas. Su valor principal radica en la capacidad de ofrecer respuestas inmediatas, personalizar el aprendizaje y facilitar el acceso a contenidos complejos, lo que puede traducirse en mayor eficiencia y autonomía estudiantil (3,6,10,12). Sin embargo, estos beneficios no deben interpretarse como equivalentes a un aprendizaje profundo, ya que el uso no supervisado de estas herramientas puede desplazar procesos cognitivos esenciales, como el análisis crítico, la argumentación y la verificación de la información (2,7,11).
En este sentido, la literatura revisada coincide en que el principal desafío no es la existencia de la IA en sí misma, sino la forma en que se integra en la práctica académica. Cuando se utiliza como sustituto del esfuerzo intelectual del estudiante, aumenta el riesgo de dependencia tecnológica, deshonestidad académica y debilitamiento de competencias formativas clave (2,9,11). En cambio, cuando se emplea con orientación pedagógica, puede funcionar como un recurso complementario para reforzar la comprensión, estimular la exploración de ideas y apoyar procesos de aprendizaje autorregulado (3,10,12).
Otro punto central es la dimensión ética. El uso de IA en educación superior obliga a redefinir la noción de autoría, transparencia y originalidad en los productos académicos. La evidencia muestra que muchos estudiantes aceptan estas herramientas como apoyo legítimo, aunque no siempre distinguen con claridad entre asistencia y sustitución del trabajo propio (9,11,15). Esto refuerza la necesidad de que las universidades establezcan criterios explícitos sobre su uso, acompañados de estrategias de alfabetización digital y ética académica (3,10,13). Además, la preocupación por privacidad y manejo de datos sigue siendo relevante, especialmente cuando se utilizan plataformas externas que pueden registrar información sensible sin plena comprensión del usuario (4,13).
También se observan diferencias claras según la disciplina académica. En áreas como ingeniería y ciencias computacionales, la adopción suele ser más alta por la utilidad directa en programación y automatización; en cambio, en ciencias de la salud, aunque el interés es creciente, se requiere mayor cautela por la necesidad de exactitud conceptual y responsabilidad profesional (1,3,14). En humanidades y ciencias sociales, el uso tiende a centrarse en redacción, traducción y síntesis, mientras que en negocios y economía se orienta al análisis de datos y la generación de modelos predictivos (6,10,12). Esta variabilidad sugiere que cualquier regulación institucional debe ser flexible y adaptada al perfil formativo de cada carrera.
En conjunto, la evidencia respalda una postura intermedia: ni prohibición absoluta ni uso irrestricto. La estrategia más sólida es una integración regulada, con formación formal para estudiantes y docentes, lineamientos de uso, criterios de citación y evaluación, y una cultura académica centrada en la honestidad intelectual (3,6,9,11). En términos educativos, la IA debe asumirse como una herramienta de apoyo y no como una sustitución del razonamiento universitario.
Conclusión
El uso de la inteligencia artificial en estudiantes universitarios constituye un fenómeno en expansión que está redefiniendo las dinámicas de aprendizaje en la educación superior. La evidencia analizada demuestra que estas herramientas ofrecen ventajas significativas, entre ellas la optimización del tiempo, el acceso inmediato a información, la personalización del aprendizaje y el fortalecimiento de procesos de estudio autónomo. No obstante, estos beneficios coexisten con riesgos importantes, como la dependencia tecnológica, la disminución del pensamiento crítico y los desafíos asociados a la integridad académica.
Desde una perspectiva educativa, el impacto de la inteligencia artificial no depende únicamente de su disponibilidad, sino de la forma en que es utilizada. Un uso no regulado puede comprometer el desarrollo de competencias fundamentales, mientras que una integración guiada puede potenciar el aprendizaje y enriquecer la experiencia académica. En este sentido, la formación en alfabetización digital y ética se posiciona como un elemento clave para garantizar un uso responsable de estas tecnologías.
Asimismo, la ausencia de lineamientos institucionales claros representa una limitación relevante en el contexto actual. Resulta indispensable que las universidades establezcan políticas específicas que definan los alcances, límites y condiciones de uso de la inteligencia artificial en actividades académicas, acompañadas de estrategias de capacitación tanto para estudiantes como para docentes.
En conclusión, la inteligencia artificial debe entenderse como una herramienta complementaria dentro del proceso educativo, cuyo valor radica en su capacidad para apoyar —pero no sustituir— el razonamiento humano. El reto principal de la educación superior no es restringir su uso, sino integrarla de manera crítica, ética y estructurada, mediante políticas institucionales claras, estrategias de alfabetización digital y marcos normativos que garanticen la integridad académica. Solo a través de un enfoque equilibrado será posible aprovechar su potencial sin comprometer la formación de profesionales competentes, autónomos y responsables.
Referencias bibliográficas
- Russell SJ, Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Pearson; 2021.
- Luckin R, Holmes W, Griffiths M, Forcier LB. Intelligence Unleashed: An Argument for AI in Education. Pearson; 2016.
- Okonkwo CW, Ade-Ibijola A. Chatbots applications in education: A systematic review. Comput Educ Artif Intell. 2021;2:100033. doi:10.1016/j.caeai.2021.100033
- García-Peñalvo FJ, Corell A, Abella-García V, Grande M. Perceptions and use of artificial intelligence tools among university students. Educ Knowl Soc. 2023;24:e30731. doi:10.14201/eks.30731
- Fošner A. University students’ attitudes and perceptions towards AI tools: Implications for sustainable educational practices. Sustainability. 2024;16(19):8668. doi:10.3390/su16198668
- Cotton DRE, Cotton PA, Shipway JR. Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innov Educ Teach Int. 2023;61(2):228–239. doi:10.1080/14703297.2023.2190148
- Gruenhagen JH, Sinclair PM, Carroll JA, Baker PRA, Wilson A, Demant D. The rapid rise of generative AI and its implications for academic integrity. Comput Educ Artif Intell. 2024;7:100273. doi:10.1016/j.caeai.2024.100273
- Holstein K, McLaren BM, Aleven V. The classroom as a dashboard: Codesigning wearable cognitive augmentation for K-12 teachers. In: Proc 9th Int Conf Learn Anal Knowl. 2019. p. 79–88. doi:10.1145/3303772.3303793
- Phua JTK, Neo HF, Teo CC. Evaluating the impact of artificial intelligence tools on student academic performance. Big Data Cogn Comput. 2025;9(5):131. doi:10.3390/bdcc9050131
- Acosta-Enriquez BG, Arbulú Ballesteros MA, Arbulu Perez Vargas CG, et al. Knowledge, attitudes, and perceived ethics regarding the use of ChatGPT among generation Z university students. Int J Educ Integr. 2024;20:10. doi:10.1007/s40979-024-00157-4
- Liang H, Mao X. Students’ attitudes toward generative artificial intelligence in academic contexts: A multi-factor analysis. Int J Educ Dev. 2025;119:103434. doi:10.1016/j.ijedudev.2025.103434
- Güngören OC, Gür Erdoğan D, Horzum MB. University students’ acceptance of generative artificial intelligence tools: a mixed-methods study on opinions, attitudes, and behavioral intentions. BMC Psychol. 2026;14(1):238. doi:10.1186/s40359-026-03977-w
- Bienkowski M, Feng M, Means B. Enhancing teaching and learning through educational data mining and learning analytics. Washington: U.S. Department of Education; 2012.
- Kumar R, Rosé CP. Architecture for building conversational agents that support collaborative learning. IEEE Trans Learn Technol. 2011;4(1):21–34. doi:10.1109/TLT.2010.27
- Ratajczak P, Słowik O, Cynar J, Kopciuch D, Paczkowska A, Zaprutko T, et al. Perceptions of AI-based tools among Polish medical students. BMC Med Educ. 2025;25(1):1765. doi:10.1186/s12909-025-08326-w
Sobre los autores
Derek Daniel Gonzalez Razo. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, México. ORCID: 0009-0009-6111-7660
Eduardo Mendoza Gracia. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, México. ORCID: 0009-0000-3723-5266
Irma Aida Leon Diaz de Leon. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, México. ORCID: 0009-0009-5329-4421
Estefania Jimenez Salcedo. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, México. ORCID: 0009-0004-2499-8087
Cristian Daniel Cobieya Guillén. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, México. ORCID: 0009-0003-4788-1343
Autor de correspondencia: Cristian Daniel Cobieya Guillén @
Sobre el artículo
Fecha de recepción: 21 de febrero de 2026
Fecha de aceptación: 9 de abril de 2026
Fecha de publicación: 14 de abril de 2026
DOI: https://doi.org/10.64396/v21-0113
Conflictos de interés: ninguno
Consentimiento informado: No aplicable
Financiación: ninguna
Declaración ética: Los autores declaran que este trabajo se ha realizado de acuerdo con los principios éticos y las normas internacionales de investigación biomédica, respetando los criterios de confidencialidad, integridad científica y buenas prácticas editoriales.
Autoría y responsabilidad: Todos los autores declaran haber participado activamente en el desarrollo del trabajo, haber revisado y aprobado la versión final del manuscrito y asumir responsabilidad pública por su contenido, conforme a los criterios internacionales de autoría.