ISSN: 3091-1540
Vol. 4, Núm. 2 | Julio – Diciembre 2026 | e2026056
DOI: https://doi.org/10.70171/c5gw3f52
Percepción de los Estudiantes Universitarios sobre la Inteligencia Artificial en la Escritura Académica
University Students’ Perception of Artificial Intelligence in Academic Writing
Marjorie Selenny Navarrete-Almeida1*
https://orcid.org/0009-0002-3217-6388
Janeth Rocío Jácome-Gómez1
https://orcid.org/0000-0001-7023-5911
1 Universidad Laica Eloy Alfaro de Manabí Sede Santo Domingo, Ecuador
Recibido: 2 de julio de 2026. Aceptado: 8 de septiembre de 2026. Publicado en línea: 25 de septiembre de 2026
*Autor de correspondencia: marjorie.navarreteal@gmail.com
Resumen
Justificación: La inteligencia artificial ha modificado la forma en que los estudiantes producen textos, generando dudas sobre la autonomía, calidad y originalidad. Objetivo: Identificar y describir las actitudes, experiencias y expectativas de estudiantes universitarios frente al uso de herramientas de IA en la redacción académica. Metodología: Se aplicó un enfoque mixto, descriptivo y exploratorio, con diseño no experimental de corte transversal. Participaron 355 estudiantes de tres universidades privadas de Santo Domingo de los Tsáchilas, Ecuador. Se utilizó un cuestionario estructurado, con validez (IVC = 1) y consistencia interna (ω = 0,83) para evaluar la frecuencia de uso, utilidad percibida e impacto de la IA, complementado con preguntas abiertas para ampliar y contextualizar la información obtenida. Resultados: La mayoría de los estudiantes conoce y utiliza herramientas de IA como correctores gramaticales, detectores de plagio, asistentes de escritura, generadores de citas y traductores. Reportaron mejoras en la organización, claridad y coherencia de los textos, en la comprensión de materiales complejos y en la autoedición. Las razones para usar IA incluyen eficiencia, acceso a información y apoyo en la redacción, mientras que las preocupaciones se relacionan con pérdida de autonomía, falta de originalidad y riesgos éticos. Conclusión: Se concluye que la IA complementa las habilidades de los estudiantes, mejora la calidad de los textos y permite optimizar procesos de escritura, siempre que su uso sea crítico y controlado.
Palabras clave: automatización, competencias de escritura, herramientas de IA.
Abstract
Justification: Artificial intelligence has transformed the way students produce texts, raising concerns about autonomy, quality, and originality. Objective: To identify and describe the attitudes, experiences, and expectations of university students regarding the use of AI tools in academic writing. Methodology: A mixed, descriptive, and exploratory approach was applied, using a non-experimental cross-sectional design. A total of 355 students from three private universities in Santo Domingo de los Tsáchilas, Ecuador, participated. A structured questionnaire, with validated content (CVI = 1.00) and internal consistency (ω = 0.83), was used to assess frequency of use, perceived usefulness, and impact of AI, complemented by open-ended questions to expand and contextualize the information obtained. Results: Most students are familiar with and use AI tools such as grammar checkers, plagiarism detectors, writing assistants, citation generators, and translators. They reported improvements in text organization, clarity, coherence, comprehension of complex materials, and self-editing. Reasons for using AI include efficiency, access to information, and support in writing, while concerns relate to loss of autonomy, lack of originality, and ethical risks. Conclusion: AI complements students’ skills, enhances text quality, and optimizes writing processes, provided its use is critical and controlled.
Keywords: automation, writing skills, AI tools.
Cita: Navarrete-Almeida, M. S., & Jácome-Gómez, J. R. (2026). Percepción de los Estudiantes Universitarios sobre la Inteligencia Artificial en la Escritura Académica. Erevna Research Reports, 4(2), e2026056. https://doi.org/10.70171/c5gw3f52
Esta obra está sujeta a una Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
INTRODUCCIÓN
La escritura académica es considerada el elemento central en la formación universitaria, debido a que cumple una función epistémica que fuerza al estudiante a ir más allá de la memorización (Tynjälä, 2001; Guillén-Mendoza et al., 2026). Además de ser la herramienta para la construcción del saber, funciona como un medio de evaluación que permite a los docentes medir la comprensión, la capacidad de análisis y síntesis, así como la reflexión del estudiante, lo cual forma la evidencia tangible de que se han adquirido las competencias intelectuales y las habilidades de comunicación esperadas en el nivel superior (Campbell, 2019).
Presentar información e ideas por escrito implica competencias cognitivas complejas, que incluyen la planificación de contenidos, la selección de fuentes, la construcción de argumentos y la revisión del propio trabajo (Teng & Yue, 2023). En este sentido, la escritura académica favorece en el estudiante el desarrollo de habilidades de pensamiento crítico y analítico, capacidad para estructurar ideas de manera coherente, competencia para comunicar conocimientos de forma objetiva y habilidades de argumentación y expresión escrita. Sin embargo, no debe verse únicamente como la adquisición de habilidades, sino como una herramienta sociocultural que debe aprenderse (Gupta et al., 2022).
En las últimas décadas, el panorama educativo ha experimentado transformaciones significativas debido a la incorporación de tecnologías digitales. La aparición de procesadores de texto, correctores ortográficos y gramaticales, así como bases de datos en línea, ha modificado gradualmente las prácticas de escritura, facilitando el acceso a información y la edición de textos (Strobl et al., 2019). Más recientemente, la inteligencia artificial (IA) ha irrumpido en este ámbito, ofreciendo aplicaciones que asisten en la redacción, la corrección y la generación de contenido. Esta evolución tecnológica no solo cambia la manera en que los estudiantes producen textos, sino que también plantea interrogantes sobre la autenticidad, la autonomía y la calidad de la escritura académica (Golan et al., 2023; Tang et al., 2024).
Estudios previos han abordado el impacto de la IA en la producción de textos y educación superior, resaltando tanto sus ventajas como sus desafíos. Por un lado, la integración de estas herramientas puede mejorar la eficiencia en la redacción y ofrecer un acceso más rápido a información relevante (Khalifa & Albadawy, 2024). Además, la IA puede apoyar a los estudiantes en la organización de sus ideas y en la planificación de los textos, ayudándoles a superar bloqueos cognitivos iniciales y a generar borradores más completos y coherentes. Algunas aplicaciones proporcionan retroalimentación inmediata sobre gramática, estilo y claridad argumentativa, lo que permite al estudiante identificar errores de manera autónoma y mejorar la calidad de sus escritos de forma progresiva (Guillén-Mendoza et al., 2026). De esta manera, la IA se posiciona como una herramienta que no solo ahorra tiempo, sino que también puede potenciar la reflexión y la revisión metacognitiva del trabajo académico, favoreciendo un aprendizaje más activo y estructurado.
Por otro lado, también se han identificado riesgos asociados, como la dependencia tecnológica, que puede reducir la necesidad de planificar, analizar y revisar los textos de manera autónoma, limitando el desarrollo de habilidades propias de escritura académica (Bahammam et al., 2023). Además, existe el riesgo de comprometer la originalidad y la autoría de los contenidos, ya que los estudiantes podrían incorporar de manera excesiva ideas generadas por la IA sin un proceso de apropiación crítica (Colenda, 2025). La confianza desmedida en estas herramientas también puede conducir a la reproducción de errores o sesgos presentes en los algoritmos, afectando la calidad y la validez de la información utilizada. A esto se suma que el uso indiscriminado de IA puede desincentivar la lectura, la selección de fuentes y la elaboración personal de argumentos, prácticas fundamentales para la formación universitaria y para la construcción de conocimiento ético (Guillén-Mendoza et al., 2026).
Aunque estos hallazgos muestran una visión general del impacto de la IA en la educación, los matices subjetivos sobre cómo los estudiantes integran estas herramientas en sus procesos de escritura no han sido suficientemente explorados. Además, factores contextuales pueden incidir de manera importante en estas percepciones, pero aún carecen de un análisis sistemático.
En este marco, la pregunta que guía este estudio es ¿Cuál es la percepción de los estudiantes sobre el uso de las herramientas de IA en la escritura académica? A partir de esta interrogante, la presente investigación busca analizar la percepción de los estudiantes universitarios sobre el uso de la IA en la redacción académica. Para alcanzar este propósito, el estudio se propone identificar la frecuencia de uso, describir la utilidad percibida, identificar las percepciones de influencia, comprender las razones de aceptación o rechazo y determinar las herramientas más empleadas. Comprender estas perspectivas permitirá visibilizar oportunidades y desafíos, así como orientar prácticas pedagógicas que favorezcan el desarrollo de la escritura académica en un contexto educativo marcado por la incorporación de tecnologías digitales.
METODOLOGÍA
El estudio adoptó un enfoque mixto combinando métodos cuantitativos para medir, cuantificar y analizar las perspectivas de los estudiantes mediante el uso de la estadística; y cualitativos, para profundizar en las percepciones de los estudiantes sobre las razones para usar o no la IA y las herramientas más empleadas en la redacción académica. El alcance fue descriptivo y exploratorio, porque su objetivo central fue detallar las características y la distribución de las actitudes, experiencias y expectativas frente a la IA. A su vez, fue exploratorio debido a que la incorporación de herramientas de Inteligencia Artificial en la escritura académica es un tema novedoso y poco documentado en el contexto específico de la muestra. Se empleó un diseño no experimental de corte transversal. El diseño fue no experimental porque se limitó a medir el fenómeno tal como ocurre de forma natural, sin manipular intencionalmente ninguna variable. El corte transversal indicó que la recolección de los datos se realizó en un único momento específico, capturando una 'fotografía' de las variables de estudio en ese instante (Hernández-Sampieri & Mendoza, 2018).
Población y Muestra
La población estuvo conformada por 4.648 estudiantes de pregrado matriculados en tres instituciones privadas de educación superior de la provincia de Santo Domingo de los Tsáchilas. El tamaño de la muestra se determinó con un nivel de confianza del 95 % y un margen de error del 5 %, obteniendo una muestra de 355 estudiantes. Se aplicó un muestreo no probabilístico por cuotas con asignación proporcional al tamaño de cada institución. La distribución de la muestra fue U1 (156 estudiantes), U2 (104) y U3 (95). Del total de participantes, 187 (52,67 %) fueron mujeres y 168 (47,33 %) hombres, con una edad promedio de 20 años. Respecto al área de estudio, 153 estudiantes (43,10 %) pertenecían a Ciencias Sociales, 106 (29,85 %) a Ciencias de la Computación, 61 (17,38 %) a Ciencias de la Salud y 35 (9,86 %) a Ciencias de la Vida.
Instrumento
Para la recolección de datos se utilizó un cuestionario estructurado, diseñado para este estudio. El instrumento incluyó preguntas cerradas organizadas en tres dimensiones: 1) Frecuencia de uso de herramientas de IA: ítems que evaluaron con qué regularidad los estudiantes utilizan aplicaciones de IA para asistir en la escritura académica, 2) Percepción de utilidad: ítems orientados a conocer la valoración de los estudiantes sobre la ayuda de la IA en distintas etapas del proceso de redacción, incluyendo generación de ideas, organización de textos y revisión lingüística y, 3) Influencia percibida: ítems destinados a identificar cómo los estudiantes perciben el efecto de la IA en su autonomía, creatividad y calidad de la producción escrita. Para la medición de los ítems se utilizó una escala Likert de 5 puntos (1 = Totalmente en desacuerdo - 5 = Totalmente de acuerdo), que permitió a los participantes expresar el grado de acuerdo o frecuencia de sus percepciones, creencias y expectativas respecto al uso de la IA en la escritura académica.
El cuestionario fue sometido a un proceso de validación de contenido mediante juicio de expertos (4) en educación y tecnología. Siguiendo las recomendaciones metodológicas de Sousa et al. (2017) se calculó el Índice de Validez de Contenido (IVC); todos los ítems obtuvieron un IVC = 1,00 equivalente a una validez de contenido del instrumento aceptable. Además, se aplicó un piloto con un grupo reducido de estudiantes para evaluar la comprensión de las preguntas y realizar ajustes necesarios antes de la aplicación definitiva. La confiabilidad del cuestionario se determinó mediante el coeficiente de McDonald, obteniendo un valor global de ω = 0,83 (ω = 0,81 para frecuencia de uso, ω = 0,84 para percepción de utilidad y ω = 0,82 para influencia percibida).
Adicionalmente, se incorporó preguntas abiertas, al final del instrumento, para ampliar y contextualizar la información cuantitativa obtenida. Estas preguntas abordaron tres ejes: razones para usar IA, razones para no usar IA y herramientas de IA más utilizadas en los trabajos universitarios.
Procedimientos
En primera instancia, se obtuvo la autorización de las tres universidades participantes, después de informar sobre los objetivos del estudio y los procedimientos de recolección de datos. Posteriormente, se realizó la socialización del proyecto con los estudiantes, explicando el propósito de la investigación, la importancia de su participación y las características de la encuesta. La aplicación del cuestionario se realizó de manera presencial, utilizando la plataforma Google Forms para facilitar la recolección y organización de los datos.
Se tuvieron en cuenta consideraciones éticas en todo el proceso. Se aseguró la confidencialidad y el anonimato de los participantes, de modo que sus respuestas no pudieran ser identificadas individualmente. Además, se obtuvo el consentimiento informado de cada estudiante antes de participar, explicando que la participación era voluntaria y que podían retirarse del estudio en cualquier momento sin repercusiones. Finalmente, los datos recopilados fueron revisados y organizados para su posterior análisis estadístico.
Análisis de Datos
A los datos del cuestionario, se aplicaron estadísticas descriptivas, incluyendo frecuencias absolutas (n) y relativa (%) con el objetivo de identificar tendencias y patrones en las percepciones de los estudiantes sobre el uso de la IA en la redacción académica. Los datos cualitativos fueron analizados mediante un análisis de contenido temático, identificando categorías y subcategorías emergentes.
RESULTADOS
Los datos de la Tabla 1 indican que la mayoría de los participantes (38,60 % de acuerdo y 20,85 % totalmente de acuerdo) reconoció la existencia de herramientas de escritura potenciadas por IA. En cuanto al uso práctico, aproximadamente el 56,90 % habían empleado correctores de gramática y ortografía basados en IA (26,76 % de acuerdo y 30,14 % totalmente de acuerdo). De manera similar, un 62,81 % estaba familiarizado con técnicas de detección de plagio impulsadas por IA (27,31 % de acuerdo y 35,49 % totalmente de acuerdo).
El uso de IA para resumir contenidos de publicaciones fue más moderado, un 25,91 % de estudiantes reportó estar de acuerdo y 20 % totalmente de acuerdo con emplear estas herramientas. Por otro lado, los asistentes de IA para la generación de citas y referencias resultaron ampliamente utilizados por alrededor del 60,28 % de los participantes (34,08 % de acuerdo y 26,20 % totalmente de acuerdo), mientras que las herramientas de traducción basadas en IA presentaron la mayor adopción, con cerca del 80 % de respuestas (34,65 % de acuerdo y un 45,35 % totalmente de acuerdo).
Asimismo, los estudiantes indicaron que hacen uso de asistentes de escritura que sugieren palabras o frases según el contexto (35,21 % de acuerdo y 21,41 % totalmente de acuerdo) y esquemas generados por IA para organizar sus ideas antes de redactar (32,11 % de acuerdo y 26,76 % totalmente de acuerdo). Los servicios que recomiendan temas de investigación y fuentes fueron empleados por un gran número de estudiantes (30,70 % de acuerdo y 36,06 % totalmente de acuerdo). Finalmente, un 31,27 % de los participantes estuvo de acuerdo y 24,79 % totalmente de acuerdo con sentirse confiado en su conocimiento sobre el uso de herramientas de IA en la redacción académica.
Tabla 1. Uso de Herramientas de IA en la Redacción de Trabajos Académicos
|
Atributo |
(1) |
(2) |
(3) |
(4) |
(5) |
|
Estoy al tanto de que existen herramientas de escritura potenciadas por IA para trabajos académicos. |
28 (7,89 %) |
52 (14,65 %) |
64 (18.02 %) |
137 (38,60 %) |
74 (20,85 %) |
|
En la redacción de mis trabajos académicos, he utilizado correctores de gramática y ortografía basados en IA. |
26 (7,32 %) |
54 (15,21 %) |
73 (20,56 %) |
95 (26,76 %) |
107 (30,14 %) |
|
Conozco técnicas de detección de plagio basadas en IA que puedo usar para asegurar la originalidad de mis trabajos académicos. |
26 (7,32 %) |
40 (11,26 %) |
66 (18,59 %) |
97 (27,32 %) |
126 (35,49 %) |
|
He utilizado métodos de IA para resumir contenidos y comprender publicaciones de investigación complejas. |
57 (16,06 %) |
62 (17,46 %) |
73 (20,56 %) |
92 (25,91 %) |
71 (20 %) |
|
Conozco herramientas de citas y referencias generadas por IA que uso para preparar mis trabajos académicos. |
19 (5,35 %) |
52 (14,65 %) |
73 (20,56 %) |
121 (34,08 %) |
93 (26,20 %) |
|
He hecho uso de tecnologías de traducción basadas en IA para acceder a información académica escrita en idiomas distintos al mío. |
14 (3,94 %) |
17 (4,79 %) |
40 (11,27 %) |
123 (34,65 %) |
161 (45,35 %) |
|
Estoy al tanto de asistentes de escritura basados en IA que proporcionan sugerencias de palabras y frases específicas según el contexto para mejorar la redacción de mis trabajos académicos. |
23 (6,48 %) |
58 (16,34 %) |
73 (20,56 %) |
125 (35,21 %) |
76 (21,41 %) |
|
He utilizado esquemas de trabajos académicos generados por IA para organizar eficientemente mis ideas antes de redactarlos. |
21 (5,92 %) |
45 (12,68 %) |
80 (22,54 %) |
114 (32,11 %) |
95 (26,76 %) |
|
Conozco servicios potenciados por IA que recomiendan temas de investigación y fuentes para la preparación de trabajos académicos. |
17 (4,79 %) |
21 (5,92 %) |
80 (22,54 %) |
109 (30,70 %) |
128 (36,06 %) |
|
Confío en mi conocimiento de herramientas de escritura potenciadas por IA para redactar trabajos académicos. |
26 (7,32 %) |
54 (15,21 %) |
76 (21,41 %) |
111 (31,27 %) |
88 (24,79 %) |
Nota: 1 = Totalmente en desacuerdo; 2 = En desacuerdo; 3 = Neutral; 4 = De acuerdo; 5 = Totalmente de acuerdo.
Los datos de la Tabla 2 muestran que la mayoría de los encuestados valoran positivamente el uso de la IA para mejorar la calidad y eficiencia de trabajos académicos. En particular, los participantes consideraron útiles los correctores de gramática y ortografía basados en IA, con un 62,53 % (37,18 % de acuerdo y 25,35 % totalmente de acuerdo) por la capacidad para examinar y mejorar los trabajos académicos. Las tecnologías de detección de plagio recibieron la valoración más alta en cuanto a utilidad, ya que el 78,59 % de los encuestados (32,11 % de acuerdo y 46,48 % totalmente de acuerdo) señalaron que estas herramientas aseguran la originalidad de los trabajos.
Los resúmenes de contenido generados por IA fueron considerados útiles por un 41,97 % de los participantes (23,38 % de acuerdo y 18,59 % totalmente de acuerdo), ayudándoles a comprender artículos complejos para integrarlos en sus trabajos. Las herramientas para generar citas y referencias automáticamente mostraron un nivel de utilidad percibida del 56,61 % (27,88 % de acuerdo y 28,73 % totalmente de acuerdo), facilitando el cumplimiento de formatos académicos. La IA de traducción de idiomas fue útil para el 66,20 % de los encuestados (26,76 % de acuerdo y 39,44 % totalmente de acuerdo), permitiendo el acceso a literatura académica en lenguas distintas a la propia.
Respecto a la asistencia de escritura basada en IA, que sugiere palabras y frases específicas según el contexto, el 55,22 % de los participantes (32,68 % de acuerdo y 22,54 % totalmente de acuerdo) reconoció su utilidad para mejorar la redacción. Los sistemas de IA que sugieren temas de investigación y fuentes fueron valorados como útiles por un 79,72 % (34,65 % de acuerdo y 45,07 % totalmente de acuerdo), apoyando la planificación de los trabajos académicos. La adaptación del estilo y tono mediante IA obtuvo un 63,37 % de percepción de utilidad (27,32 % de acuerdo y 36,05 % totalmente de acuerdo), mientras que los esquemas generados por IA para organizar ideas fueron útiles para un 61,97 % de los encuestados (33,24 % de acuerdo y 28,73 % totalmente de acuerdo).
Finalmente, las herramientas de gestión del tiempo basadas en IA destacaron por su utilidad, con un 79,72 % de los participantes (32,68 % de acuerdo y 47,04 % totalmente de acuerdo) reconociendo que les ayudan a realizar seguimiento de sus trabajos y cumplir con los plazos establecidos.
Tabla 2. Percepción sobre la Utilidad de Herramientas de IA en el Trabajo Académico
|
Atributo |
(1) |
(2) |
(3) |
(4) |
(5) |
|
Examino y mejoro mis trabajos utilizando correctores de gramática y ortografía basados en IA. |
17 (4,79 %) |
40 (11,26 %) |
76 (21,41 %) |
132 (37,18 %) |
90 (25,35 %) |
|
Utilizo tecnologías de detección de plagio basadas en IA para asegurar la originalidad de mis trabajos académicos. |
5 (1,41 %) |
9 (2,54 %) |
62 (17,46 %) |
114 (32,11 %) |
165 (46,48 %) |
|
Los resúmenes de contenido generados por IA me ayudan a comprender artículos de investigación complejos para incluirlos en mis trabajos. |
17 (4,79 %) |
59 (16,62 %) |
130 (36,62 %) |
83 (23,38 %) |
66 (18,59 %) |
|
Las tecnologías de IA me ayudan a generar citas y referencias en distintos formatos automáticamente. |
17 (4,79 %) |
52 (14,65 %) |
85 (23,94 %) |
99 (27,88 %) |
102 (28,73 %) |
|
Utilizo IA de traducción de idiomas para acceder a literatura académica escrita en lenguas distintas a la mía. |
2 (0,56 %) |
28 (7,89 %) |
90 (25,35 %) |
95 (26,76 %) |
140 (39,44 %) |
|
Los asistentes de escritura basados en IA me proporcionan sugerencias de palabras y frases específicas según el contexto para mejorar mis trabajos académicos. |
31 (8,73 %) |
63 (17,74 %) |
65 (18,31 %) |
116 (32,68 %) |
80 (22,54 %) |
|
Las herramientas de IA me ayudan a adaptar el estilo y el tono de mis trabajos a ciertos criterios académicos. |
26 (7,32 %) |
40 (11,27 %) |
64 (18,02 %) |
97 (27,32 %) |
128 (36,05 %) |
|
Utilizo esquemas generados por IA para organizar correctamente mis ideas antes de redactar mis trabajos académicos. |
21 (5,92 %) |
28 (7,89 %) |
76 (21,41 %) |
118 (33,24 %) |
102 (28,73 %) |
|
Las herramientas de gestión del tiempo basadas en IA me ayudan a realizar un seguimiento de mis trabajos académicos y cumplir con los plazos. |
12 (3,38 %) |
17 (4,79 %) |
43 (12,11 %) |
116 (32,68 %) |
167 (47,04 %) |
Nota: 1 = Totalmente en desacuerdo; 2 = En desacuerdo; 3 = Neutral; 4 = De acuerdo; 5 = Totalmente de acuerdo.
Los datos de la Tabla 3 muestran que los estudiantes perciben un impacto positivo de las tecnologías de IA en sus habilidades de escritura académica. En relación con la mejora general de la capacidad de redacción, 27,89 % de los estudiantes estuvieron de acuerdo y 37,46 % totalmente de acuerdo en que el uso de IA ha incrementado sus habilidades de escritura. Las revisiones gramaticales y ortográficas con IA también se percibieron como herramientas valiosas, con 26,76 % de acuerdo y 32,96 % totalmente de acuerdo en que estas revisiones les han ayudado a identificar y corregir errores, contribuyendo al desarrollo de sus capacidades de escritura.
La percepción sobre la integridad académica y originalidad indica que 35,21 % de los estudiantes estuvieron de acuerdo y 36,62 % totalmente de acuerdo en que los sistemas de detección de plagio basados en IA aumentaron su comprensión sobre la importancia de la originalidad en la escritura. De manera similar, los resúmenes generados por IA ayudaron a mejorar la comprensión de textos complejos, con 37,18 % estudiantes de acuerdo y 30,70 % totalmente de acuerdo en que estas herramientas facilitan la extracción de ideas esenciales de artículos de investigación.
Los asistentes de escritura con IA se percibieron como efectivos para claridad y coherencia, con 35,21 % estudiantes de acuerdo y 40 % totalmente de acuerdo en que estas herramientas mejoran la estructura y estilo de los trabajos. Los esquemas generados por IA contribuyen a la organización de ideas, con 43,38 % estudiantes de acuerdo y 31,27 % totalmente de acuerdo sobre su utilidad para planificar los trabajos académicos.
En cuanto a la autoedición, 36,05 % estudiantes coincidieron y 31,27 % totalmente coincidieron en que el uso de IA les ha permitido evaluar y criticar críticamente su propio trabajo, aumentando sus habilidades de revisión. Las tecnologías de traducción basadas en IA ampliaron el acceso a información académica diversa, con 38,59 % estudiantes de acuerdo y 21,13 % totalmente de acuerdo en que estas herramientas enriquecen su perspectiva y repertorio de escritura.
La ampliación del vocabulario y la calidad de redacción también se evidenció, con 29,30 % estudiantes de acuerdo y 33,80 % totalmente de acuerdo en que las sugerencias contextuales de palabras y frases proporcionadas por IA mejoran la escritura. Finalmente, un total de 44,79 % estudiantes estuvieron de acuerdo y 35,21 % totalmente de acuerdo en considerar que el empleo general de tecnologías de IA ha mejorado sus habilidades de escritura y ha tenido un impacto significativo en la elaboración de sus trabajos académicos.
Tabla 3. Influencia de la IA en las Habilidades de Escritura de los Encuestados
|
Atributo |
(1) |
(2) |
(3) |
(4) |
(5) |
|
El uso de tecnologías de IA en mis ensayos ha mejorado mi capacidad general de escritura |
19 (5,35 %) |
33 (9,30 %) |
71 (20 %) |
99 (27,89 %) |
133 (37,46 %) |
|
Las correcciones gramaticales y ortográficas con IA me han ayudado a identificar y corregir errores, contribuyendo al crecimiento de mi habilidad de escritura |
24 (6,76 %) |
43 (12,11 %) |
76 (21,41 %) |
95 (26,76 %) |
117 (32,96 %) |
|
Los sistemas de detección de plagio basados en IA han aumentado mi comprensión sobre la integridad académica y el valor de la originalidad en la escritura |
26 (7,32 %) |
31 (8,73 %) |
43 (12,11 %) |
125 (35,21 %) |
130 (36,62 %) |
|
Los resúmenes de contenido generados por IA han mejorado mi capacidad para extraer ideas esenciales de artículos de investigación difíciles, mejorando mi comprensión de la escritura |
17 (4,79 %) |
40 (11,27 %) |
57 (16,06 %) |
132 (37,18 %) |
109 (30,70 %) |
|
El uso de ayudas de escritura con IA ha aumentado la claridad y coherencia de mis trabajos, mejorando favorablemente mi estilo de escritura |
19 (5,35 %) |
33 (9,30 %) |
36 (10,14 %) |
125 (35,21 %) |
142 (40 %) |
|
Los esquemas de ensayos generados por IA me han ayudado a organizar mis ideas de manera más eficiente y mejorar la organización de mi trabajo |
12 (3,38 %) |
31 (8,73 %) |
47 (13,24 %) |
154 (43,38 %) |
111 (31,27 %) |
|
El uso de herramientas de IA en mis ensayos me ha obligado a evaluar y criticar mi propio trabajo, aumentando mis habilidades de autoedición |
21 (5,92 %) |
38 (10,70 %) |
57 (16,06 %) |
128 (36,05 %) |
111 (31,27 %) |
|
Las tecnologías de traducción de idiomas basadas en IA me han presentado una amplia gama de información académica, ampliando mi perspectiva y repertorio de escritura |
31 (8,73 %) |
50 (14,08 %) |
62 (17,47 %) |
137 (38,59 %) |
75 (21,13 %) |
|
Las tecnologías de IA que proporcionan palabras y frases específicas según el contexto me han ayudado a ampliar mi vocabulario y mejorar la calidad de mi escritura |
24 (6,76 %) |
57 (16,05 %) |
50 (14,08 %) |
104 (29,30 %) |
120 (33,80 %) |
|
Siento que emplear tecnologías de IA ha mejorado mis habilidades de escritura y ha impactado significativamente en la redacción de mis ensayos académicos |
19 (5,35 %) |
24 (6,76 %) |
28 (7,89 %) |
159 (44,79 %) |
125 (35,21 %) |
Nota: 1 = Totalmente en desacuerdo; 2 = En desacuerdo; 3 = Neutral; 4 = De acuerdo; 5 = Totalmente de acuerdo.
La Figura 1 presenta las principales razones por las que los estudiantes prefieren utilizar herramientas de inteligencia artificial (IA) en la redacción de ensayos académicos. La razón más destacada fue la mejora de la calidad del artículo mediante la detección de errores, seleccionada por un 83 % de los encuestados. En segundo lugar, el 75 % de los participantes valoraron la capacidad de la IA para mejorar el lenguaje a través de recomendaciones de redacción. Asimismo, un 73 % consideró que la IA garantiza la originalidad y ayuda a evitar el plagio accidental. La capacidad analítica de la IA también fue altamente valorada, un 70 % la utiliza para analizar datos y producir escritos basados en evidencia, mientras que un 69 % destacó su función para extraer información relevante de grandes volúmenes de datos.
Además, la IA fue percibida como un recurso útil para generar ideas, el 67 % de los encuestados afirmó que la IA sugiere temas o enfoques adecuados para sus ensayos. También se reconoció su potencial para optimizar la gestión del tiempo y la productividad, ya que el 65 % señaló que les permite trabajar en varios proyectos simultáneamente, y el 60 % valora la rapidez en la generación de materiales. Finalmente, un 55 % apreció la posibilidad de escribir en diferentes idiomas, resaltando la función de la IA como herramienta de traducción y redacción multilingüe.
Figura 1. Razones para usar IA en la Redacción de Trabajos Académicos
Los datos en la Figura 2 sobre las razones para no utilizar inteligencia artificial en la redacción de ensayos académicos muestran que la principal preocupación es la falta de originalidad e innovación, mencionada por un 86 % de los encuestados. En segundo lugar, un 75 % de los encuestados considera que la IA limita el desarrollo del pensamiento crítico. De manera relacionada, el 73 % señala que el uso excesivo de la tecnología podría generar dependencia, haciendo que los estudiantes confíen demasiado en la IA y disminuyan su autonomía en la resolución de problemas y en la elaboración de ideas propias. Otra preocupación importante, mencionada por el 70 %, es el riesgo de desinformación e inexactitudes. Además, el 69 % destaca preocupaciones éticas relacionadas con el plagio, dado que el uso de IA puede generar incertidumbre sobre la autoría de los textos y aumentar el riesgo de reproducir contenidos sin la debida atribución.
El 53 % de los encuestados señala que la IA presenta dificultades con materias complejas, indicando que no siempre puede manejar contenidos altamente especializados con precisión. Asimismo, un 51 % menciona que las opciones de personalización son limitadas, lo que puede resultar en textos genéricos que no reflejan el estilo o enfoque deseado por el estudiante. Por su parte, el 49 % expresa preocupación por el prejuicio inadvertido en el material, ya que los sesgos presentes en los datos de entrenamiento de la IA pueden reflejarse en el contenido generado, introduciendo perspectivas parciales o estereotipos. Finalmente, un 43 % considera que los ajustes y correcciones toman tiempo, lo que puede reducir la eficacia de la IA como herramienta de apoyo si se requiere un trabajo considerable para adaptar el texto a las necesidades específicas.
Figura 2. Razones para no Usar IA en la Redacción de Trabajos Académicos
Por último, la Figura 3 muestra las distintas herramientas de inteligencia artificial empleadas por los estudiantes para la redacción de trabajos universitarios. Google Translate fue la más utilizada, con un 92 % de los encuestados; le siguen ChatGPT (88 %), Gemini (85 %) y Perplexity AI (81 %). En cuanto a herramientas de verificación, GPTZero registró un 75 % de popularidad y el detector de plagio (Plagiarism) un 72 %. Respecto a la herramientas de apoyo a la redacción, Grammarly alcanzó un 71 % y la herramienta de parafraseo y reescritura QuillBot un 67 %. Otras herramientas menos utilizadas, incluyeron DeepSeek (67 %) y Jenni (60 %).
Figura 3. Herramientas de IA más Utilizadas para la Redacción de Trabajos Universitarios
DISCUSIÓN
El patrón de uso muestra que la IA se integra principalmente como asistente que facilita el cumplimiento de requisitos formales y el acceso a información, una tendencia que coincide con lo señalado por Trujillo & Fagalde (2025), quienes describen que en la educación superior la IA se emplea de manera predominante como herramienta de apoyo al aprendizaje y a la gestión académica. La traducción de idiomas presenta la mayor tasa de adopción, consolidando a la IA como herramienta democratizadora del conocimiento al permitir la consulta de literatura en otras lenguas, aspecto clave en un entorno académico globalizado, como sugiere Telich-Tarriba (2023).
El uso generalizado de correctores gramaticales y de sistemas de detección de plagio refleja un interés por la calidad formal y la integridad académica. Los estudiantes utilizan estas herramientas como mecanismos de autoevaluación y aseguramiento ético, lo que coincide con Pudasaini et al. (2024), quienes sostienen que la familiaridad con sistemas de detección de plagio reduce la incidencia de infracciones académicas. Asimismo, la adopción de herramientas para generar esquemas o sugerir temas demuestra que la IA se ha incorporado en las fases iniciales del proceso de redacción. Al delegar tareas mecánicas de organización o búsqueda preliminar, los estudiantes concentran sus recursos en el análisis crítico y la argumentación, lo que sugiere un uso estratégico más que dependiente. La adopción más moderada en la síntesis de contenidos complejos indica cautela frente al riesgo de omisiones o interpretaciones inexactas, una limitación señalada por Bouzar et al. (2024), Zhai et al. (2024) y Maurya (2024), quienes advierten sobre la necesidad de verificación humana ante posibles errores o simplificaciones de la IA.
Los participantes perciben que la IA mejora directamente sus habilidades de escritura, desafiando la preocupación de que la tecnología inhiba el aprendizaje. Por el contrario, los resultados apoyan la idea de que la IA actúa como un acelerador cognitivo o “zona de desarrollo próximo digital” (Ferguson et al., 2022), permitiendo que los estudiantes menos experimentados alcancen más rápido estándares de calidad formal. Este rol de tutor tecnológico se observa en el uso de revisiones gramaticales y ortográficas, que no solo corrigen, sino que facilitan la autoedición y la internalización de patrones de escritura correctos (Liu et al., 2024). De modo similar, los asistentes que ofrecen sugerencias contextuales y los esquemas generados por IA se valoran por mejorar la claridad, coherencia y estructura de los trabajos funcionando como un soporte pedagógico activo (Lin & Chang, 2023).
La IA también contribuye a fortalecer la integridad académica y la comprensión de textos complejos. Los estudiantes reconocen que los sistemas de detección de plagio aumentan su conciencia sobre la originalidad, mientras que los resúmenes generados por IA facilitan la extracción de ideas clave de artículos extensos. Este hallazgos reafirman el papel de la IA como potenciador cognitivo que complementa las habilidades humanas sin sustituirlas, como sugirió, Ibieta et al. (2024).
Las razones para emplear IA refuerzan su valoración como instrumento de aseguramiento de la calidad formal y de eficiencia académica. La mejora de la redacción mediante detección de errores y sugerencias lingüísticas representa su principal atractivo. Asimismo, la IA es vista como un recurso para preservar la originalidad y facilitar la investigación, al analizar grandes volúmenes de datos y ofrecer fuentes pertinentes. Esto concuerda con Abbass (2019), quien describe cómo la IA libera al investigador de tareas mecánicas para concentrarlo en la interpretación crítica.
En el plano de la productividad, la IA potencia la ideación y la gestión del tiempo, permitiendo abordar múltiples proyectos y generar materiales con mayor rapidez. Su función como herramienta multilingüe también amplía el alcance de la escritura académica. En conjunto, estos beneficios explican su elevada adopción: la IA combina calidad formal, eficiencia temporal y apoyo investigativo, reduciendo la carga cognitiva y logística del estudiante.
No obstante, las razones para no usar IA reflejan preocupaciones legítimas sobre la autonomía intelectual y la originalidad. La falta de innovación en los textos generados y la percepción de que la IA limita el pensamiento crítico constituyen los principales motivos de rechazo, en línea con Raisch & Krakowski (2021) quienes advierten sobre la “paradoja de la automatización”: el riesgo de que la delegación excesiva de tareas cognitivas genere dependencia. También se evidencian inquietudes éticas respecto a la autoría, la desinformación y los sesgos, que muestran una conciencia crítica de los estudiantes sobre los límites de la tecnología. La escasa personalización y el carácter genérico de algunos textos refuerzan la búsqueda de una voz propia, coherente con la teoría de la identidad autoral de Mhilli (2023). Estas reservas revelan una postura madura: los estudiantes reconocen los beneficios instrumentales de la IA, pero establecen límites para preservar su autonomía y autenticidad intelectual.
CONCLUSIÓN
Los resultados de este estudio muestran que los estudiantes universitarios poseen una percepción mayoritariamente positiva sobre el impacto de las herramientas de inteligencia artificial en la escritura académica. La mayoría reconoce la existencia de estas tecnologías y declara emplearlas con frecuencia en diversas etapas del proceso de redacción. Del mismo modo reconocen su utilidad, especialmente en tareas de corrección gramatical, detección de plagio, traducción de textos y generación de esquemas o sugerencias contextuales, evidenciando que la IA se integra como un recurso de apoyo que mejora la calidad, claridad y coherencia de sus trabajos.
Asimismo, los participantes señalan que el uso de estas herramientas contribuye al desarrollo de sus habilidades de autoedición, la comprensión de textos complejos y la gestión eficiente del tiempo, sin sustituir la autonomía intelectual, sino actuando como un potenciador cognitivo que complementa sus capacidades. Al mismo tiempo, los estudiantes identifican limitaciones y riesgos, como la dependencia tecnológica, la posible falta de originalidad y los sesgos en los contenidos generados, lo que refleja una postura crítica y consciente sobre el uso responsable de la IA en contextos académicos.
En conjunto, estos hallazgos indican que la percepción de los estudiantes combina reconocimiento de los beneficios instrumentales de la IA con la necesidad de mantener control sobre su proceso de aprendizaje y creatividad, de esta manera se da respuesta a la pregunta de investigación sobre el impacto de estas herramientas en la escritura académica.
Implicaciones y Limitaciones
El estudio aporta a la literatura sobre la "zona de desarrollo próximo digital" al documentar cómo los estudiantes utilizan la IA como un andamiaje para alcanzar niveles de redacción más complejos. En la práctica, los hallazgos proporcionan una base para que las instituciones reconozcan el uso real de herramientas de IA, permitiendo el diseño de guías de integridad académica basadas en las necesidades del estudiante. Así, la investigación contribuye a documentar el rol de la tecnología como complemento pedagógico en el proceso de escritura universitaria.
Sin embargo, el estudio presenta limitaciones que condicionan la interpretación de los hallazgos, incluyendo el tamaño y la naturaleza específica de la muestra, el uso de encuestas autoinformadas y un diseño transversal, así como un alcance temporal limitado que impide observar cambios en la adopción y percepción de la IA a lo largo del tiempo. Estas condiciones requieren futuras investigaciones que amplíen la muestra, incorporen métodos cualitativos y longitudinales y exploren distintos contextos académicos. Se recomienda que estos estudios aborden el impacto de la IA en las habilidades cognitivas y de escritura, evaluando tanto el fortalecimiento de la capacidad redactora como los posibles efectos negativos en la autonomía intelectual.
Contribuciones
Marjorie Selenny Navarrete-Almeida y Janeth Rocío Jácome-Gómez: Diseño de la investigación, administración del proyecto, análisis e interpretación formal de datos, redacción manuscrito y revisión final del manuscrito. Toma de datos, revisión de la bibliografía y redacción manuscrito. Hemos leído y aprobado la versión final del manuscrito, así mismo estamos de acuerdo con la responsabilidad de todos los aspectos del trabajo presentado.
Conflicto de Interés
Los autores declaran que no tienen conflictos de interés en relación con el trabajo presentado en este informe.
Uso de Inteligencia Artificial
No se usaron tecnologías de IA o asistidas por IA para el desarrollo de este trabajo.
fuentes BibliogrÁFICAS
Abbass, H. A. (2019). Social integration of artificial intelligence: functions, automation allocation logic and human-autonomy trust. Cognitive Computation, 11(2), 159-171. https://doi.org/10.1007/s12559-018-9619-0
Adams, W. C. (2015). Conducting semi‐structured interviews. Handbook of practical program evaluation, 492-505. https://doi.org/10.1002/9781119171386.ch19
Bahammam, A. S., Trabelsi, K., Pandi-Perumal, S. R., & Jahrami, H. (2023). Adapting to the impact of artificial intelligence in scientific writing: Balancing benefits and drawbacks while developing policies and regulations. Journal of Nature and Science of Medicine, 6(3), 152-158. https://doi.org/10.4103/jnsm.jnsm_89_23
Bouzar, A., EL Idrissi, K., & Ghourdou, T. (2024). ChatGPT and academic writing self-efficacy: Unveiling correlations and technological dependency among postgraduate students. Arab World English Journal (AWEJ) Special Issue on ChatGPT. https://dx.doi.org/10.24093/awej/ChatGPT.15
Campbell, M. (2019). Teaching academic writing in higher education. Education Quarterly Reviews, 2(3). https://doi.org/10.31014/aior.1993.02.03.92
Colenda, C. C. (2025). Authorial integrity in the age of artificial intelligence: A scientific autobiography. The American Journal of Geriatric Psychiatry. https://doi.org/10.1016/j.jagp.2025.10.004
Elangovan, N., & Sundaravel, E. (2021). Method of preparing a document for survey instrument validation by experts. MethodsX, 8, 101326. https://doi.org/10.1016/j.mex.2021.101326
Ferguson, C., van den Broek, E. L., & van Oostendorp, H. (2022). AI-induced guidance: Preserving the optimal zone of proximal development. Computers and Education: Artificial Intelligence, 3, 100089. https://doi.org/10.1016/j.caeai.2022.100089
Golan, R., Reddy, R., Muthigi, A., & Ramasamy, R. (2023). Artificial intelligence in academic writing: a paradigm-shifting technological advance. Nature reviews urology, 20(6), 327-328. https://doi.org/10.1038/s41585-023-00746-x
Guillén-Mendoza, S. V., Alcívar-Chávez, A. C. A.-C., Salcán-Sánchez, E. J., & Jácome-Gómez, J. R. (2026). Redacción Académica Asistida por IA: Límites, potencial y responsabilidad. Editorial Erevna Ciencia Ediciones. https://doi.org/10.70171/bjt3g968
Gupta, S., Jaiswal, A., Paramasivam, A., & Kotecha, J. (2022, June). Academic writing challenges and supports: Perspectives of international doctoral students and their supervisors. In Frontiers in Education (Vol. 7, p. 891534). Frontiers Media SA. https://doi.org/10.3389/feduc.2022.891534
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación. Las rutas cuantitativa, cualitativa y mixta. Ciudad de México, México: McGraw-Hill Education. ISBN: 978-1-4562-6096-5.
Ibieta, A., Aguilera, S., Constanza-Medina, M., Ignacia-Sepúlveda, M., & Castellanos-Alvarenga, L. M. (2024, November). Academic Use of Artificial Intelligence Tools by University Students. In International Conference on New Media Pedagogy (pp. 343-353). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-95627-0_23
Khalifa, M., & Albadawy, M. (2024). Using artificial intelligence in academic writing and research: An essential productivity tool. Computer Methods and Programs in Biomedicine Update, 5, 100145. https://doi.org/10.1016/j.cmpbup.2024.100145
Lin, M. P. C., & Chang, D. (2023). CHAT-ACTS: A pedagogical framework for personalized chatbot to enhance active learning and self-regulated learning. Computers and Education: Artificial Intelligence, 5, 100167. https://doi.org/10.1016/j.caeai.2023.100167
Liu, M., Zhang, L. J., & Biebricher, C. (2024). Investigating students’ cognitive processes in generative AI-assisted digital multimodal composing and traditional writing. Computers & Education, 211, 104977. https://doi.org/10.1016/j.compedu.2023.104977
Maurya, S. K. (2024). The intersection of philosophy of language and artificial intelligence: Challenges in replicating human language understanding. Quórum Académico, 21(2), 12-41. https://www.redalyc.org/articulo.oa?id=199080041002
Mhilli, O. (2023). Authorial voice in writing: A literature review. Social Sciences & Humanities Open, 8(1), 100550. https://doi.org/10.1016/j.ssaho.2023.100550
Pudasaini, S., Miralles-Pechuán, L., Lillis, D., & Llorens Salvador, M. (2024). Survey on AI-generated plagiarism detection: The impact of large language models on academic integrity. Journal of Academic Ethics, 1-34. https://doi.org/10.1007/s10805-024-09576-x
Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of management review, 46(1), 192-210. https://doi.org/10.5465/amr.2018.0072
Strobl, C., Ailhaud, E., Benetos, K., Devitt, A., Kruse, O., Proske, A., & Rapp, C. (2019). Digital support for academic writing: A review of technologies and pedagogies. Computers & education, 131, 33-48. https://doi.org/10.1016/j.compedu.2018.12.005
Tang, A., Li, K. K., Kwok, K. O., Cao, L., Luong, S., & Tam, W. (2024). The importance of transparency: Declaring the use of generative artificial intelligence (AI) in academic writing. Journal of nursing scholarship, 56(2), 314-318. https://doi.org/10.1111/jnu.12938
Telich-Tarriba, J. E. (2023). Unlocking the potential of AI in overcoming language barriers in academic publishing. Journal of Plastic, Reconstructive & Aesthetic Surgery, 83, 298-300. https://doi.org/10.1016/j.bjps.2023.05.035
Teng, M. F., & Yue, M. (2023). Metacognitive writing strategies, critical thinking skills, and academic writing performance: A structural equation modeling approach. Metacognition and Learning, 18(1), 237-260. https://doi.org/10.1007/s11409-022-09328-5
Trujillo, F. J. K., & Fagalde, P. J. B. (2025). Inteligencia artificial en la educación superior: una revisión sistemática de la literatura (2020–2025). Revista Educación Las Américas, 15(2). https://doi.org/10.35811/rea.v15i2.400
Tynjälä, P. (2001). Writing, learning and the development of expertise in higher education. In Writing as a learning tool: Integrating theory and practice (pp. 37-56). Dordrecht: Springer Netherlands. https://doi.org/10.1007/978-94-010-0740-5_4
Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students' cognitive abilities: a systematic review. Smart Learning Environments, 11(1), 28. https://doi.org/10.1186/s40561-024-00316-7