La presente guía tiene como propósito ofrecer una visión general y accesible sobre la inteligencia artificial (IA) y su aplicación en la vida académica. En un contexto educativo en constante transformación, la IA se ha convertido en una herramienta clave que influye en la forma en que los estudiantes investigan, aprenden y producen conocimiento.

Esta guía está dirigida a estudiantes, docentes e investigadores interesados en comprender los fundamentos de la inteligencia artificial y aprovechar sus beneficios de manera responsable en actividades académicas.

Fecha de publicación: 28/ABRIL/2026

1912 — Leonardo Torres Quevedo, desarrollo un sistema de control remoto y autómata ajedrecista (telekino), una máquina capaz de jugar al ajedrez de manera autónoma; no jugaba la partida completa sino que realizaba una jugada final de mate sencillo de torre y rey contra rey.
1950 — Alan Turing en el artículo «Computing machinery and intelligence» propone una prueba práctica para evaluar si una máquina puede exhibir un comportamiento inteligente indistinguible del humano.
1959-1961 — Robert K. Lindsay desarrolla «Sad Sam», un programa para la lectura de oraciones en inglés y la inferencia de conclusiones a partir de su interpretación.
1968-1970 — Terry Winograd desarrolló el algoritmo SHRDLU, que permitía interrogar y dar órdenes a un robot apilaba y movía diversos bloques en un entorno.
1966-1972 — Charles Rosen, Nils Nilsson y Peter Hart desarrollaron el «Robot Shakey», fue el primer robot móvil de propósito general con la capacidad de percibir y razonar sobre su entorno.
1973 — Alain Colmenauer y y Robert Kowalski en la Universidad de Aix-Marseille crean el lenguaje de programación PROLOG (del francés PROgrammation en LOGique) el cual tiene un paradigma declarativo que lo diferencia de lenguajes como C o Java. Se usa principalmente en aplicaciones de inteligencia artificial y permite representar conocimiento de forma modular y polimórfica.
1981 — Kazuhiro Fuchi anuncia el proyecto japonés de «Fifth Generation Computer Systems»; cuyo objetivo era el desarrollo de una nueva clase de computadoras que usarían técnicas y tecnologías de inteligencia artificial tanto en el plano del hardware como del software.
1997 — Deep Blue, una avanzada computadora de ajedrez desarrollada por IBM, derrotó al campeón mundial Garri Kaspárov.
2011 — IBM desarrolló un superordenador llamado Watson, el cual ganó un partido especial de dos juegos en el concurso de televisión estadounidense Jeopardy!, venciendo a sus dos máximos campeones, y ganando un premio de 1 millón de dólares que IBM luego donó a obras de caridad,
2016 — El software AlphaGo, desarrollado por la compañía Google DeepMind, ganó cinco a cero a Fan Hui, triple campeón de Europa de Go,
2016 — El programa informático AlphaGo derrota a Lee Sedol (campeón mundial de Go), Lo hizo a los 186 movimientos y tras casi tres horas y media de partida.
2017 — Google sacudió a la comunidad de la IA con su innovador artículo «Attention is all you need». Este artículo presentó la arquitectura Transformer, que revolucionó el modelado de secuencias utilizando mecanismos de autoatención.
2018 — Se lanza el primer televisor con inteligencia artificial por parte de LG Electronics con una plataforma de inteligencia artificial denominada ThinQ utiliza el aprendizaje profundo para comprender las necesidades y hábitos del usuario al interactuar con los distintos productos de LG.
2019 — Google presentó su primer Doodle que, mediante inteligencia artificial, es capaz de generar armonías y componer una pieza musical. El resultado es una melodía inspirada en el estilo barroco característico de Johann Sebastian Bach, como homenaje a su legado.
2022 — OpenAISe lanzó ChatGPT, aplicación de chatbot de inteligencia artificial generativa, basado en modelos de lenguaje (LLM) como GPT-4o y está diseñado para mantener conversaciones fluidas, responder preguntas, redactar textos, generar código y realizar tareas creativas, imitando el lenguaje humano.

Un prompt es la instrucción, pregunta o conjunto de indicaciones que un usuario proporciona a un sistema de inteligencia artificial para obtener una respuesta.

Constituye el punto de partida de la interacción con herramientas como ChatGPT, Gemini o Microsoft Copilot.

Importancia en el ámbito académico
El diseño adecuado de un prompt permite obtener resultados más precisos, relevantes y útiles para actividades como la búsqueda de información, la redacción académica, la generación de ideas o el análisis de contenidos.

Características de un buen prompt

• • Claridad: Expresar de forma directa lo que se necesita.
  • Especificidad: Incluir detalles (tema, extensión, formato, enfoque).
  • Contexto: Indicar el propósito (por ejemplo, “para un ensayo académico”).
  • Restricciones: Señalar límites (número de palabras, estilo, idioma, etc.).

Ejemplo

• • Prompt básico: “Explica inteligencia artificial.”
  • Prompt mejorado: “Explica el concepto de inteligencia artificial en 150 palabras, con enfoque académico y ejemplos en educación superior.”

Recomendaciones
Se sugiere formular prompts que incluyan términos académicos, criterios de búsqueda y contexto disciplinar, lo que facilita la recuperación de información más pertinente.

La inteligencia artificial ofrece múltiples aplicaciones que facilitan y enriquecen el trabajo académico, optimizando procesos que antes demandaban mayor tiempo y esfuerzo:

Apoyo en la investigación: permite identificar fuentes relevantes a través de búsquedas avanzadas en bases de datos académicas, filtrar información confiable y actualizada, así como resumir artículos científicos de manera rápida. Además, ayuda a detectar tendencias en la literatura y a organizar referencias bibliográficas, lo que fortalece la calidad del marco teórico y el estado del arte.

Redacción y corrección de textos: contribuye a mejorar la gramática, ortografía, coherencia y cohesión de los escritos académicos. También sugiere reformulaciones, mejora el estilo de redacción según el tipo de texto (ensayo, informe, artículo científico) y puede adaptar el contenido a normas académicas específicas, facilitando la producción de documentos más claros y profesionales.

Generación de ideas: facilita la lluvia de ideas al proponer temas innovadores, preguntas de investigación y posibles enfoques para abordar un problema. Asimismo, ayuda a estructurar trabajos académicos mediante esquemas, índices y propuestas de organización lógica del contenido, lo que resulta especialmente útil en las etapas iniciales de un proyecto.

Análisis de datos: contribuye al procesamiento de grandes volúmenes de información en investigaciones cuantitativas y cualitativas.
Permite identificar patrones, realizar análisis estadísticos, generar visualizaciones (gráficos, tablas) y apoyar en la interpretación de resultados, favoreciendo una toma de decisiones más fundamentada.

Traducción y aprendizaje de idiomas: permite traducir textos académicos con mayor precisión y comprender contenidos en diferentes idiomas. Además, apoya el aprendizaje lingüístico al ofrecer explicaciones de vocabulario, estructuras gramaticales y uso contextual, lo que facilita el acceso a literatura científica internacional.

En conjunto, estas aplicaciones no solo incrementan la eficiencia del trabajo académico, sino que también potencian la capacidad de análisis, creatividad y aprendizaje autónomo de los estudiantes e investigadores.

USO DE INTELIGENCIA ARTIFICIAL EN EDUCACION SUPERIOR

Annamalai, N., Bervell, B., Mireku, D. O., & Andoh, R. P. K. (2025). Artificial intelligence in higher education: Modelling students’ motivation for continuous use of ChatGPT based on a modified self-determination theory. Computers and Education: Artificial Intelligence, 8, 100346. https://doi.org/10.1016/j.caeai.2024.100346

Cabero-Almenara, J., Barroso-Osuna, J., Loaiza Aguirre, M. I., & Palacios-Rodríguez, A. (2026). Artificial Intelligence in higher education: Cognitive, emotional, behavioral and ethical attitudes of Latin American students. Journal of New Approaches in Educational Research, 15. https://link.springer.com/content/pdf/10.1007/s44322-026-00060-5.pdf

Cordero, J., Torres-Zambrano, J., & Cordero-Castillo, A. (2024). Integration of generative artificial intelligence in higher education: Best practices. Education Sciences, 15(1), 32. https://doi.org/10.3390/educsci15010032

Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: the state of the field. International Journal of Educational Technology in Higher Education, 20(1), 1–22. https://doi.org/10.1186/s41239-023-00392-8

Jwair, A. A. B. (2025). Generative artificial intelligence in higher education: Students’ journey through opportunities, challenges, and the horizons of academic transformation. Cogent Education, 12(1), 2589495. https://doi.org/https://doi.org/

Murni, S. (2026). Artificial intelligence in higher education management a bibliometric analysis of challenges opportunities and future research directions. Discover Education, 5. https://doi.org/10.1007/s44217-026-01165-x

Rajki, Z., Dringo-Horvath, I., & Nagy, J. T. (2025). Artificial Intelligence in higher education: Students’ Artificial Intelligence use and its influencing factors. Journal of University Teaching and Learning Practice, 22(2), 1-21. https://doi.org/10.53761/j0rebh67

Ren, X., & Wu, M. L. (2025). Examining teaching competencies and challenges while integrating artificial intelligence in higher education. TechTrends, 69(3), 519-538. https://doi.org/10.1007/s11528-025-01055-3

Schmidt, D. A., AlBloushi, B., Thomas, A., & Magalhaes, R. (2025). Integrating artificial intelligence in higher education: Perceptions, challenges, and strategies for academic innovation. Computers and Education Open, 100274. https://doi.org/10.1016/j.caeo.2025.100274

Torres-Gordillo, J. J., & Sanhueza, C. (2025). Artificial intelligence in higher education: Ethical and pedagogical challenges and the role of public policies. Journal of Education and E-Learning Research, 12(3), 355-364. https://doi.org/10.20448/jeelr.v12i3.6900

Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252, 124167. https://doi.org/10.1016/j.eswa.2024.124167.

Las herramientas de mapeo de citas son aplicaciones o plataformas que permiten visualizar las relaciones entre trabajos académicos a partir de sus citas y referencias bibliográficas. Su objetivo es ayudar a los investigadores a comprender cómo se conecta la literatura científica, identificar las fuentes más influyentes y descubrir líneas de investigación emergentes.

Estas herramientas facilitan la exploración inteligente de la literatura científica, mejoran las estrategias de búsqueda y fomentan una comprensión más profunda de la estructura del conocimiento académico.

El desarrollo de las herramientas de mapeo de citas tiene su origen en la evolución de la bibliometría y la cienciometría, disciplinas que estudian la producción y comunicación científica mediante el análisis de publicaciones y citas. Su historia puede dividirse en varias etapas:

La presente infoGuía ofrece una visión general sobre la escritura académica, entendida como una competencia fundamental en la formación universitaria y en el desarrollo de la investigación. Su propósito es orientar al lector sobre los aspectos esenciales que garantizan una comunicación científica clara, coherente y rigurosa.

Se organiza en cuatro partes. En primer lugar, se aborda la importancia de la escritura académica en la investigación, destacando su papel en el impulso del aprendizaje y la investigación . En segundo lugar presenta los principios de estructura y estilo, donde se explican las características formales  que debe reunir un texto académico. Luego se dedica a desarrollar los sistemas de citación, que implica tres tipos: autor (fecha), numérico y de notas. Finalmente, se revisan los principales estilos de citación empleados en la comunidad académica, como APA, MLA, Chicago, IEEE, Vancouver y Harvard.

En conjunto, esta guía busca fortalecer las habilidades de redacción académica y promover el uso ético y responsable de la información en la producción investigativa.

Fecha de publicación: 14/NOV/2025

Aunque puede variar según el tipo de documento (ensayo, informe, tesis, artículo, etc.), la mayoría de los trabajos académicos presentan una estructura básica que incluye las siguientes partes:

a. Portada.- Contiene los datos de identificación del trabajo: título, autor(es), institución, curso, docente, fecha, entre otros.

b. Resumen (o abstract).- Es un párrafo breve que sintetiza el propósito, la metodología, los resultados y las conclusiones del trabajo. Se redacta al final, pero se ubica al inicio del documento.

c. Introducción.- Presenta el tema, los objetivos, la relevancia del estudio y, en algunos casos, el planteamiento del problema o la hipótesis. Debe captar el interés del lector y contextualizar la investigación.

d. Marco teórico o fundamentación.- Reúne los conceptos, teorías y antecedentes que sustentan el trabajo. Aquí se demuestra el conocimiento de la literatura existente y se citan las fuentes utilizadas.

e. Desarrollo o cuerpo del trabajo.- Es la parte central, donde se exponen los argumentos, el análisis y la interpretación de la información. Cada párrafo debe desarrollar una idea principal y estar conectado con el siguiente mediante transiciones lógicas.

f. Conclusiones.- Recogen los resultados o hallazgos más importantes, responden a los objetivos planteados y pueden incluir recomendaciones o proyecciones para futuras investigaciones.

g. Referencias bibliográficas.- Incluyen todas las fuentes citadas en el texto, siguiendo una norma específica de citación (APA, MLA, Chicago, etc.). Es fundamental para dar crédito a los autores y evitar el plagio.

Los sistemas de citación son los métodos que se utilizan para indicar dentro del texto de un trabajo académico de dónde proviene la información usada (ideas, datos, textos, etc.). Su función es dar crédito a los autores originales y permitir que el lector localice las fuentes en la lista de referencias o bibliografía.

Existen tres sistemas principales de citación, que varían según el estilo bibliográfico empleado: