Autor principal: Derek Daniel Gonzalez Razo<\/p>\n
Vol. XXI; n\u00ba 7; 113<\/p>\n
<\/p>\n
REVISI\u00d3N<\/strong><\/p>\n Uso de herramientas de inteligencia artificial en estudiantes universitarios: beneficios, riesgos e implicaciones \u00e9ticas<\/strong><\/p>\n Use of Artificial Intelligence Tools among University Students: Benefits, Risks, and Ethical Implications<\/em><\/strong><\/p>\n Derek Daniel Gonzalez Razo, Eduardo Mendoza Gracia, Irma Aida Leon Diaz de Leon, Estefania Jimenez Salcedo, Cristian Daniel Cobieya Guill\u00e9n<\/p>\n Incluido en Revista Electr\u00f3nica de PortalesMedicos.com, Volumen XXI. N\u00famero 07 \u2013 Primera quincena de Abril de 2026<\/a> \u2013 P\u00e1gina inicial: Vol. XXI; n\u00ba 7; 113 \u2013 DOI: https:\/\/doi.org\/10.64396\/v21-0113<\/a> \u2013 C\u00f3mo citar este art\u00edculo<\/em><\/a><\/p>\n Sobre los autores<\/a> | Sobre el art\u00edculo<\/a> | Referencias<\/a><\/p>\n El uso de herramientas de inteligencia artificial (IA) en estudiantes universitarios ha experimentado un crecimiento acelerado, integr\u00e1ndose de manera progresiva en diversas actividades acad\u00e9micas, como la redacci\u00f3n de textos, la b\u00fasqueda de informaci\u00f3n, la resoluci\u00f3n de problemas y el apoyo en la programaci\u00f3n. El presente estudio tiene como objetivo analizar la evidencia disponible sobre el impacto de la IA en la educaci\u00f3n superior, considerando sus beneficios, riesgos e implicaciones \u00e9ticas.<\/p>\n La literatura muestra que la IA puede favorecer el aprendizaje aut\u00f3nomo, mejorar la eficiencia acad\u00e9mica y facilitar la personalizaci\u00f3n del proceso educativo mediante sistemas adaptativos y asistentes inteligentes. Sin embargo, tambi\u00e9n se han identificado riesgos importantes, entre ellos la dependencia tecnol\u00f3gica, la disminuci\u00f3n del pensamiento cr\u00edtico y los desaf\u00edos relacionados con la integridad acad\u00e9mica. Asimismo, el uso de estas herramientas plantea interrogantes en torno a la autor\u00eda del conocimiento, la equidad en el acceso y la protecci\u00f3n de datos.<\/p>\n Se concluye que la inteligencia artificial representa una herramienta con alto potencial para transformar la educaci\u00f3n superior; no obstante, su implementaci\u00f3n requiere un enfoque cr\u00edtico, acompa\u00f1ado de formaci\u00f3n \u00e9tica, alfabetizaci\u00f3n digital y el establecimiento de pol\u00edticas institucionales claras que regulen su uso en el \u00e1mbito acad\u00e9mico.<\/p>\n Inteligencia artificial; educaci\u00f3n superior; estudiantes universitarios; aprendizaje aut\u00f3nomo; \u00e9tica.<\/p>\n 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.<\/p>\n 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.<\/p>\n 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.<\/p>\n Artificial intelligence; higher education; university students; autonomous learning; ethics.<\/p>\n La inteligencia artificial (IA) ha evolucionado de ser una propuesta te\u00f3rica en inform\u00e1tica a convertirse en un componente cada vez m\u00e1s visible de la vida acad\u00e9mica y profesional. En el \u00e1mbito universitario, su incorporaci\u00f3n ha transformado la manera en que los estudiantes acceden a la informaci\u00f3n, elaboran textos, resuelven problemas y organizan sus procesos de aprendizaje. Herramientas como asistentes conversacionales, sistemas de generaci\u00f3n de contenido, plataformas adaptativas y programas de apoyo a la escritura se han integrado progresivamente en la din\u00e1mica educativa, particularmente en la educaci\u00f3n superior (1,6,7,10).<\/p>\n El inter\u00e9s por la IA en la universidad no solo responde a su capacidad para optimizar tareas y mejorar la eficiencia acad\u00e9mica, sino tambi\u00e9n a su potencial para personalizar la experiencia formativa. Diversos estudios se\u00f1alan que estas tecnolog\u00edas pueden favorecer el aprendizaje aut\u00f3nomo, facilitar la comprensi\u00f3n de contenidos complejos y ofrecer retroalimentaci\u00f3n inmediata, lo que las convierte en recursos atractivos para estudiantes de distintas disciplinas (3,10,12,15). No obstante, su uso tambi\u00e9n plantea interrogantes relevantes sobre la calidad del aprendizaje, la dependencia tecnol\u00f3gica y el desarrollo de competencias intelectuales fundamentales.<\/p>\n Uno de los principales desaf\u00edos asociados a la expansi\u00f3n de la IA en educaci\u00f3n superior es su impacto sobre la integridad acad\u00e9mica. La posibilidad de generar textos, resolver tareas o producir ideas con m\u00ednima intervenci\u00f3n humana ha generado preocupaci\u00f3n por pr\u00e1cticas como el plagio asistido, la p\u00e9rdida de autor\u00eda y la disminuci\u00f3n del pensamiento cr\u00edtico (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 tecnol\u00f3gicos (4,13).<\/p>\n En paralelo, la percepci\u00f3n 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 \u00e9ticos y formativos asociados a su uso indiscriminado (9,10,12). Esta tensi\u00f3n refleja la necesidad de comprender no solo qu\u00e9 herramientas se utilizan, sino tambi\u00e9n c\u00f3mo, por qu\u00e9 y con qu\u00e9 criterios se incorporan en la pr\u00e1ctica acad\u00e9mica.<\/p>\n En este contexto, resulta fundamental analizar de manera cr\u00edtica la evidencia disponible sobre el uso de la inteligencia artificial en estudiantes universitarios. Comprender sus principales aplicaciones, beneficios, limitaciones e implicaciones \u00e9ticas permite delinear estrategias educativas m\u00e1s 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 \u00e9nfasis en sus efectos sobre el aprendizaje, la integridad acad\u00e9mica y la necesidad de pol\u00edticas institucionales claras que orienten su implementaci\u00f3n (2,3,11,13).<\/p>\n Se realiz\u00f3 una revisi\u00f3n 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, as\u00ed como sus beneficios, riesgos e implicaciones \u00e9ticas. Este tipo de dise\u00f1o permite analizar de manera cr\u00edtica y contextual la informaci\u00f3n existente, identificando patrones y tendencias en el \u00e1rea de estudio (6,7).<\/p>\n La b\u00fasqueda bibliogr\u00e1fica se llev\u00f3 a cabo en bases de datos acad\u00e9micas y repositorios cient\u00edficos, incluyendo Scopus, Google Scholar, Redalyc y Latindex, considerando publicaciones en espa\u00f1ol e ingl\u00e9s entre enero de 2018 y abril de 2025. Se utilizaron t\u00e9rminos relacionados con inteligencia artificial, educaci\u00f3n superior, estudiantes universitarios, aprendizaje aut\u00f3nomo y \u00e9tica acad\u00e9mica, combinando descriptores en espa\u00f1ol e ingl\u00e9s para optimizar la sensibilidad de la b\u00fasqueda (3,7).<\/p>\n Se incluyeron art\u00edculos originales, revisiones narrativas, revisiones sistem\u00e1ticas y documentos acad\u00e9micos 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, art\u00edculos de opini\u00f3n sin sustento metodol\u00f3gico, documentos duplicados y publicaciones previas a 2018, con el objetivo de garantizar la actualidad y calidad de la evidencia seleccionada (7).<\/p>\n La selecci\u00f3n de los estudios se realiz\u00f3 en dos etapas: inicialmente mediante la revisi\u00f3n de t\u00edtulos y res\u00famenes, seguida de la evaluaci\u00f3n del texto completo de los art\u00edculos potencialmente relevantes. Posteriormente, la informaci\u00f3n fue organizada en categor\u00edas tem\u00e1ticas predefinidas, entre ellas: conceptualizaci\u00f3n de la inteligencia artificial, tipos de herramientas utilizadas, percepci\u00f3n estudiantil, impacto en el aprendizaje e implicaciones \u00e9ticas (3,6).<\/p>\n El an\u00e1lisis de la informaci\u00f3n fue de tipo cualitativo, basado en la identificaci\u00f3n de temas recurrentes y la s\u00edntesis cr\u00edtica de los hallazgos reportados en la literatura. Dado que se trat\u00f3 de una revisi\u00f3n de fuentes secundarias de acceso p\u00fablico, no fue necesario contar con aprobaci\u00f3n por comit\u00e9 de \u00e9tica ni consentimiento informado; sin embargo, se respetaron los principios de integridad cient\u00edfica mediante la adecuada citaci\u00f3n de las fuentes utilizadas (6).<\/p>\n Adicionalmente, se defini\u00f3 una estrategia de b\u00fasqueda estructurada mediante el uso de t\u00e9rminos clave como \u00abartificial intelligence\u00bb, \u00abhigher education\u00bb, \u00abuniversity students\u00bb, \u00abacademic integrity\u00bb y \u00abethics\u00bb, 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 aplicaci\u00f3n de los criterios de inclusi\u00f3n y exclusi\u00f3n, se seleccionaron 47 estudios para su an\u00e1lisis final. Asimismo, se llev\u00f3 a cabo una evaluaci\u00f3n cr\u00edtica de la calidad metodol\u00f3gica de los art\u00edculos incluidos, considerando su pertinencia, actualidad y rigor cient\u00edfico, con el objetivo de garantizar la validez y consistencia de los hallazgos presentados en esta revisi\u00f3n.<\/p>\n La inteligencia artificial (IA) se define como el campo de la inform\u00e1tica orientado al desarrollo de sistemas capaces de ejecutar tareas que requieren procesos cognitivos humanos, como el aprendizaje, el razonamiento, la resoluci\u00f3n de problemas y la comprensi\u00f3n del lenguaje natural (1). En el \u00e1mbito educativo, estas tecnolog\u00edas han evolucionado hacia aplicaciones pr\u00e1cticas que incluyen asistentes virtuales, sistemas de recomendaci\u00f3n y plataformas de aprendizaje adaptativo, los cuales permiten una interacci\u00f3n m\u00e1s din\u00e1mica entre el estudiante y el conocimiento.<\/p>\n En la educaci\u00f3n superior, la incorporaci\u00f3n de la IA ha transformado las estrategias de aprendizaje, facilitando el acceso inmediato a informaci\u00f3n, la generaci\u00f3n de contenido acad\u00e9mico y la resoluci\u00f3n asistida de tareas complejas. Estas herramientas no solo optimizan el tiempo de estudio, sino que tambi\u00e9n permiten una personalizaci\u00f3n del aprendizaje basada en las necesidades individuales del estudiante (3,7).<\/p>\n Las herramientas de IA empleadas en el entorno universitario pueden clasificarse seg\u00fan su funcionalidad en diversas categor\u00edas.<\/p>\n Los asistentes de escritura acad\u00e9mica<\/strong> permiten mejorar la calidad de los textos mediante correcci\u00f3n gramatical, reformulaci\u00f3n y sugerencias de estilo, favoreciendo la claridad y coherencia en la producci\u00f3n escrita (7).<\/p>\n Los generadores de contenido<\/strong> facilitan la creaci\u00f3n de borradores de ensayos, res\u00famenes y respuestas estructuradas, lo que incrementa la eficiencia en la elaboraci\u00f3n de trabajos acad\u00e9micos, aunque plantea interrogantes sobre la originalidad del contenido (2).<\/p>\n Las herramientas de programaci\u00f3n asistida<\/strong> son ampliamente utilizadas en disciplinas tecnol\u00f3gicas, ya que permiten generar c\u00f3digo, identificar errores y optimizar procesos de desarrollo (1).<\/p>\n Por otro lado, los sistemas de aprendizaje adaptativo<\/strong> ajustan el contenido educativo en funci\u00f3n del rendimiento del estudiante, promoviendo una ense\u00f1anza personalizada basada en datos (8).<\/p>\n Finalmente, los chatbots educativos<\/strong> permiten la interacci\u00f3n en lenguaje natural, proporcionando explicaciones, resoluci\u00f3n de dudas y apoyo continuo en el proceso de aprendizaje (3,14).<\/p>\n 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.<\/p>\n Uno de los principales mecanismos es la optimizaci\u00f3n de la carga cognitiva, ya que la IA proporciona informaci\u00f3n estructurada de manera inmediata, facilitando la comprensi\u00f3n de conceptos complejos y mejorando la eficiencia del aprendizaje (7). Sin embargo, este beneficio puede acompa\u00f1arse de un fen\u00f3meno de externalizaci\u00f3n del procesamiento cognitivo, en el cual el estudiante delega funciones como el an\u00e1lisis, la s\u00edntesis y la resoluci\u00f3n de problemas en la herramienta tecnol\u00f3gica, lo que puede afectar el desarrollo del pensamiento cr\u00edtico (2).<\/p>\n Asimismo, la disponibilidad constante de estas herramientas promueve un modelo de aprendizaje basado en la inmediatez, lo que puede limitar procesos m\u00e1s profundos de reflexi\u00f3n y consolidaci\u00f3n del conocimiento. Este fen\u00f3meno se asocia con una menor tolerancia a la frustraci\u00f3n y una reducci\u00f3n en la capacidad de resoluci\u00f3n aut\u00f3noma de problemas complejos (3).<\/p>\n Otro aspecto relevante es la modificaci\u00f3n de la autorregulaci\u00f3n del aprendizaje, ya que los estudiantes pueden depender de la IA para organizar informaci\u00f3n, generar ideas o validar respuestas, disminuyendo su autonom\u00eda real si el uso no es supervisado (7).<\/p>\n Desde una perspectiva \u00e9tica, la IA introduce ambig\u00fcedad en la autor\u00eda acad\u00e9mica, dificultando la distinci\u00f3n entre producci\u00f3n intelectual propia y contenido generado por sistemas automatizados, lo que impacta directamente en la integridad acad\u00e9mica (2,4).<\/p>\n El uso de herramientas de inteligencia artificial en el \u00e1mbito universitario plantea desaf\u00edos \u00e9ticos complejos que impactan directamente en la integridad acad\u00e9mica y en la producci\u00f3n del conocimiento. Uno de los principales problemas es la autor\u00eda y originalidad del contenido, ya que los sistemas generativos pueden producir textos completos, dificultando la delimitaci\u00f3n entre aporte propio y contenido automatizado (2,11).<\/p>\n Asimismo, la IA ha modificado las formas tradicionales de deshonestidad acad\u00e9mica, facilitando pr\u00e1cticas como el plagio asistido o la generaci\u00f3n autom\u00e1tica de trabajos, lo que obliga a replantear los sistemas de evaluaci\u00f3n y control en la educaci\u00f3n superior (2,11). En este contexto, se ha documentado que un n\u00famero considerable de estudiantes no percibe el uso de IA como una falta \u00e9tica en determinadas circunstancias, lo que evidencia una brecha entre normativa institucional y percepci\u00f3n individual (9,11).<\/p>\n Otro aspecto relevante es la privacidad y protecci\u00f3n de datos, ya que muchas herramientas de IA recopilan informaci\u00f3n personal y acad\u00e9mica sin un conocimiento pleno por parte del usuario, generando riesgos asociados al uso y almacenamiento de datos sensibles (4,13).<\/p>\n Adem\u00e1s, la desigualdad en el acceso a estas tecnolog\u00edas representa un problema emergente. La disponibilidad de herramientas avanzadas no es homog\u00e9nea, lo que puede generar ventajas acad\u00e9micas injustas entre estudiantes con distintos recursos tecnol\u00f3gicos (6,10). En conjunto, estos elementos resaltan la necesidad de establecer marcos regulatorios claros y promover una formaci\u00f3n \u00e9tica en el uso de la IA dentro de las instituciones educativas (3,9).<\/p>\n La percepci\u00f3n de los estudiantes universitarios respecto al uso de inteligencia artificial es predominantemente positiva, asoci\u00e1ndose con mejoras en la eficiencia acad\u00e9mica, la comprensi\u00f3n de contenidos y la optimizaci\u00f3n 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).<\/p>\n Sin embargo, esta percepci\u00f3n favorable coexiste con preocupaciones importantes. Entre ellas destacan la dependencia tecnol\u00f3gica, la posible disminuci\u00f3n de habilidades cognitivas y el uso inapropiado en contextos acad\u00e9micos (2,7,9). Adem\u00e1s, se ha observado que las actitudes hacia la IA est\u00e1n influenciadas por factores como el nivel de conocimiento tecnol\u00f3gico, la disciplina acad\u00e9mica y las creencias \u00e9ticas individuales (9,15).<\/p>\n En particular, investigaciones recientes han se\u00f1alado que los estudiantes con mayor familiaridad con herramientas digitales tienden a presentar una mayor aceptaci\u00f3n de la IA, aunque no necesariamente un uso m\u00e1s cr\u00edtico de la misma, lo que subraya la necesidad de fortalecer la alfabetizaci\u00f3n digital en el \u00e1mbito universitario (10,12).<\/p>\n El uso de herramientas de inteligencia artificial en el \u00e1mbito universitario presenta variaciones relevantes seg\u00fan la disciplina acad\u00e9mica, determinadas por las necesidades espec\u00edficas de cada \u00e1rea de conocimiento.<\/p>\n En t\u00e9rminos generales, los estudiantes de disciplinas tecnol\u00f3gicas, como ingenier\u00eda y ciencias computacionales, tienden a emplear estas herramientas con mayor frecuencia en actividades relacionadas con programaci\u00f3n, resoluci\u00f3n de problemas y automatizaci\u00f3n de procesos. Por otro lado, en \u00e1reas como las ciencias de la salud, su uso se orienta principalmente al apoyo en la comprensi\u00f3n de contenidos complejos y la organizaci\u00f3n de la informaci\u00f3n, manteniendo la necesidad de supervisi\u00f3n debido a la importancia del rigor cient\u00edfico.<\/p>\n En las ciencias sociales y humanidades, las herramientas de inteligencia artificial se utilizan predominantemente como apoyo en la redacci\u00f3n, s\u00edntesis y an\u00e1lisis de informaci\u00f3n, facilitando la producci\u00f3n de textos acad\u00e9micos. Asimismo, en \u00e1reas como econom\u00eda y negocios, su aplicaci\u00f3n se vincula con el an\u00e1lisis de datos y la interpretaci\u00f3n de informaci\u00f3n, favoreciendo la toma de decisiones acad\u00e9micas.<\/p>\n Estas diferencias reflejan que la integraci\u00f3n de la inteligencia artificial no es homog\u00e9nea, sino que depende de las caracter\u00edsticas propias de cada disciplina, as\u00ed como del nivel de alfabetizaci\u00f3n digital de los estudiantes. En este sentido, resulta fundamental que las estrategias de regulaci\u00f3n y formaci\u00f3n en el uso de estas herramientas se adapten a los contextos espec\u00edficos de cada \u00e1rea del conocimiento (3,6,10,12).<\/p>\n Los hallazgos de esta revisi\u00f3n sugieren que la inteligencia artificial se ha incorporado de forma r\u00e1pida y sostenida al entorno universitario, con especial utilidad en tareas de apoyo acad\u00e9mico como redacci\u00f3n, s\u00edntesis, b\u00fasqueda de informaci\u00f3n y resoluci\u00f3n 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 autonom\u00eda 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 an\u00e1lisis cr\u00edtico, la argumentaci\u00f3n y la verificaci\u00f3n de la informaci\u00f3n (2,7,11).<\/p>\n En este sentido, la literatura revisada coincide en que el principal desaf\u00edo no es la existencia de la IA en s\u00ed misma, sino la forma en que se integra en la pr\u00e1ctica acad\u00e9mica. Cuando se utiliza como sustituto del esfuerzo intelectual del estudiante, aumenta el riesgo de dependencia tecnol\u00f3gica, deshonestidad acad\u00e9mica y debilitamiento de competencias formativas clave (2,9,11). En cambio, cuando se emplea con orientaci\u00f3n pedag\u00f3gica, puede funcionar como un recurso complementario para reforzar la comprensi\u00f3n, estimular la exploraci\u00f3n de ideas y apoyar procesos de aprendizaje autorregulado (3,10,12).<\/p>\n Otro punto central es la dimensi\u00f3n \u00e9tica. El uso de IA en educaci\u00f3n superior obliga a redefinir la noci\u00f3n de autor\u00eda, transparencia y originalidad en los productos acad\u00e9micos. La evidencia muestra que muchos estudiantes aceptan estas herramientas como apoyo leg\u00edtimo, aunque no siempre distinguen con claridad entre asistencia y sustituci\u00f3n del trabajo propio (9,11,15). Esto refuerza la necesidad de que las universidades establezcan criterios expl\u00edcitos sobre su uso, acompa\u00f1ados de estrategias de alfabetizaci\u00f3n digital y \u00e9tica acad\u00e9mica (3,10,13). Adem\u00e1s, la preocupaci\u00f3n por privacidad y manejo de datos sigue siendo relevante, especialmente cuando se utilizan plataformas externas que pueden registrar informaci\u00f3n sensible sin plena comprensi\u00f3n del usuario (4,13).<\/p>\n Tambi\u00e9n se observan diferencias claras seg\u00fan la disciplina acad\u00e9mica. En \u00e1reas como ingenier\u00eda y ciencias computacionales, la adopci\u00f3n suele ser m\u00e1s alta por la utilidad directa en programaci\u00f3n y automatizaci\u00f3n; en cambio, en ciencias de la salud, aunque el inter\u00e9s 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 redacci\u00f3n, traducci\u00f3n y s\u00edntesis, mientras que en negocios y econom\u00eda se orienta al an\u00e1lisis de datos y la generaci\u00f3n de modelos predictivos (6,10,12). Esta variabilidad sugiere que cualquier regulaci\u00f3n institucional debe ser flexible y adaptada al perfil formativo de cada carrera.<\/p>\n En conjunto, la evidencia respalda una postura intermedia: ni prohibici\u00f3n absoluta ni uso irrestricto. La estrategia m\u00e1s s\u00f3lida es una integraci\u00f3n regulada, con formaci\u00f3n formal para estudiantes y docentes, lineamientos de uso, criterios de citaci\u00f3n y evaluaci\u00f3n, y una cultura acad\u00e9mica centrada en la honestidad intelectual (3,6,9,11). En t\u00e9rminos educativos, la IA debe asumirse como una herramienta de apoyo y no como una sustituci\u00f3n del razonamiento universitario.<\/p>\n El uso de la inteligencia artificial en estudiantes universitarios constituye un fen\u00f3meno en expansi\u00f3n que est\u00e1 redefiniendo las din\u00e1micas de aprendizaje en la educaci\u00f3n superior. La evidencia analizada demuestra que estas herramientas ofrecen ventajas significativas, entre ellas la optimizaci\u00f3n del tiempo, el acceso inmediato a informaci\u00f3n, la personalizaci\u00f3n del aprendizaje y el fortalecimiento de procesos de estudio aut\u00f3nomo. No obstante, estos beneficios coexisten con riesgos importantes, como la dependencia tecnol\u00f3gica, la disminuci\u00f3n del pensamiento cr\u00edtico y los desaf\u00edos asociados a la integridad acad\u00e9mica.<\/p>\n Desde una perspectiva educativa, el impacto de la inteligencia artificial no depende \u00fanicamente 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 integraci\u00f3n guiada puede potenciar el aprendizaje y enriquecer la experiencia acad\u00e9mica. En este sentido, la formaci\u00f3n en alfabetizaci\u00f3n digital y \u00e9tica se posiciona como un elemento clave para garantizar un uso responsable de estas tecnolog\u00edas.<\/p>\n Asimismo, la ausencia de lineamientos institucionales claros representa una limitaci\u00f3n relevante en el contexto actual. Resulta indispensable que las universidades establezcan pol\u00edticas espec\u00edficas que definan los alcances, l\u00edmites y condiciones de uso de la inteligencia artificial en actividades acad\u00e9micas, acompa\u00f1adas de estrategias de capacitaci\u00f3n tanto para estudiantes como para docentes.<\/p>\n En conclusi\u00f3n, la inteligencia artificial debe entenderse como una herramienta complementaria dentro del proceso educativo, cuyo valor radica en su capacidad para apoyar \u2014pero no sustituir\u2014 el razonamiento humano. El reto principal de la educaci\u00f3n superior no es restringir su uso, sino integrarla de manera cr\u00edtica, \u00e9tica y estructurada, mediante pol\u00edticas institucionales claras, estrategias de alfabetizaci\u00f3n digital y marcos normativos que garanticen la integridad acad\u00e9mica. Solo a trav\u00e9s de un enfoque equilibrado ser\u00e1 posible aprovechar su potencial sin comprometer la formaci\u00f3n de profesionales competentes, aut\u00f3nomos y responsables.<\/p>\n Derek Daniel Gonzalez Razo. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, M\u00e9xico. ORCID: 0009-0009-6111-7660<\/p>\n Eduardo Mendoza Gracia. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, M\u00e9xico. ORCID: 0009-0000-3723-5266<\/p>\n Irma Aida Leon Diaz de Leon. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, M\u00e9xico. ORCID: 0009-0009-5329-4421<\/p>\n Estefania Jimenez Salcedo. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, M\u00e9xico. ORCID: 0009-0004-2499-8087<\/p>\n Cristian Daniel Cobieya Guill\u00e9n. Facultad de Medicina, Universidad Xochicalco, Campus Mexicali, M\u00e9xico. ORCID: 0009-0003-4788-1343<\/p>\n Autor de correspondencia:<\/strong> Cristian Daniel Cobieya Guill\u00e9n @<\/a><\/p>\nResumen<\/h2>\n
Palabras clave<\/h2>\n
Abstract<\/h2>\n
Keywords<\/h2>\n
Introducci\u00f3n<\/h2>\n
Metodolog\u00eda<\/h2>\n
Desarrollo<\/h2>\n
Conceptualizaci\u00f3n de la inteligencia artificial en educaci\u00f3n superior<\/h3>\n
Tipos de herramientas de inteligencia artificial utilizadas por estudiantes<\/h3>\n
Mecanismos de impacto en el aprendizaje<\/h3>\n
Implicaciones \u00e9ticas en el uso de inteligencia artificial<\/h3>\n
Percepci\u00f3n estudiantil sobre el uso de inteligencia artificial<\/h3>\n
Diferencias en el uso de inteligencia artificial seg\u00fan disciplina acad\u00e9mica<\/h3>\n
Discusi\u00f3n<\/h2>\n
Conclusi\u00f3n<\/h2>\n
Referencias bibliogr\u00e1ficas<\/h2>\n
\n
Sobre los autores<\/h2>\n
Sobre el art\u00edculo<\/h2>\n