IA generativa e innovación educativa: Análisis bibliométrico y mapeo científico
Barra lateral del artículo
Contenido principal del artículo
Resumen
Introducción: Esta investigación analiza la intersección literario-científica entre GenAI (IA generativa) e innovación educativa. Para ello, se usan técnicas bibliométricas y de mapeo científico. El contexto parte de la normalización del uso de ChatGPT, herramienta de IA generativa lanzada en noviembre de 2022. El estudio tiene un triple objetivo: primero, la caracterización de la evolución temporal de la producción científica entre GenAI e innovación educativa. Segundo, identificar redes temáticas y su dinamismo. Tercero, representar las redes de colaboración internacional para visibilizar su cohesión y/o madurez. Metodología: Se parte de una selección documental de WoS (Web of Science), realizada mediante búsqueda temática (TS), que combina términos relacionados con GenAI e innovación educativa, sin restricciones iniciales. Por lo actual de este tema, se definen dos subperiodos de análisis: P1 (2023–2024) y P2 (2025–30 de junio de 2026). Se usan PRISMA y el marco SALSA para estructurar, depurar y normalizar la terminología. También: se usa SciMAT para el análisis del mapeo científico, y VOSviewer para la coocurrencia de palabras clave y la co-autoría por países. Resultados: El corpus final está compuesto por 303 documentos. El 74,6 % se concentra en P2. La producción aumentó entre 2023 y 2025; los 92 documentos de 2026 corresponden exclusivamente al primer semestre y no son directamente comparables con los totales anuales anteriores. En el periodo de análisis predominan los artículos (64,7 %) y actas de congresos (27,1 %). Se identifican nueve clústeres, organizados en un núcleo central y ocho clústeres periféricos. Estos clústeres están grupados en cuatro territorios temáticos (tecnológico, metodológico, competencial y de prácticas emergentes). El análisis longitudinal señala una expansión temática: de dos temas en P1 a cinco en P2. De los 44 países que superan el umbral de producción, 38 integran el componente conectado principal, organizado en cuatro comunidades, con diferencias de conectividad y concentración institucional. Discusión: Los hallazgos describen un campo emergente cuya producción científica recuperada es posterior al lanzamiento público de ChatGPT. Asimismo, sugieren una ampliación del interés investigador desde las herramientas y sus implicaciones inmediatas hacia su integración curricular, metodológica y competencial. Conclusiones: El estudio ofrece una caracterización empírica de un campo en expansión y maduración acelerada, con un núcleo temático estable y periferia diversificada. Como limitaciones, los resultados dependen del alcance de Web of Science, y la ventana de citación de P2 (así como la novedad temática) es estructuralmente corta. En investigaciones futuras se sugiere triangular con Scopus y bases regionales, así como examinar la evolución de la fragmentación autoral para comprobar si se han generado estructuras colaborativas más densas.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
La Revista de Comunicación de la SEECI reconoce y promueve los derechos de autor, así como la necesidad de difundir el conocimiento de manera accesible y equitativa. Nuestra revista opera bajo una Licencia Creative Commons CC BY-NC 4.0, lo que permite a los autores y usuarios:
- Compartir y Adaptar: Copiar, redistribuir y adaptar el material publicado en la revista en cualquier medio o formato.
- Reconocimiento: Reconocer adecuadamente la autoría y proporcionar un enlace a la licencia, indicando si se han realizado cambios.
- No Comercial: No utilizar el material con fines comerciales sin el permiso expreso de los autores y la revista.
- Los autores conservan los derechos de autor y pueden realizar acuerdos no exclusivos para el autoarchivo, depósito o distribución de la versión del editor publicada en esta revista, incluyendo repositorios institucionales, nacionales o internacionales, y sitios web personales.
Citas
Chan, C. y Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20, article 43. https://doi.org/10.1186/s41239-023-00411-8.
Cobo, M. J., López-Herrera, A. G., Herrera-Viedma, E. y Herrera, F. (2012). SciMAT: A new science mapping analysis software tool. Journal of the American Society for Information Science and Technology, 63(8), 1609–1630. https://doi.org/10.1002/asi.22688
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N. y Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. https://doi.org/10.1016/j.jbusres.2021.04.070
Gorbatov, S., Khapova, S. y Lysova, E. (2018). Personal branding: Interdisciplinary systematic Review and Research Agenda. Frontiers in Psychology, 9. https://doi.org/10.3389/fpsyg.2018.02238
Grant, M. J. y Booth, A. (2009). A typology of reviews: An analysis of 14 review types and associated methodologies. Health Information and Libraries Journal, 26(2), 91–108. https://doi.org/10.1111/j.1471-1842.2009.00848.x
Labrecque, L. I., Markos, E. y Milne, G. R. (2011). Online personal branding: Processes, challenges, and implications. Journal of Interactive Marketing, 25(1), 37–50. https://doi.org/10.1016/j.intmar.2010.09.002
Miao, F. y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
Moher, D., Liberati, A., Tetzlaff, J. y Altman, D. G. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7), e1000097. https://doi.org/10.1371/journal.pmed.1000097
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372(71). https://doi.org/10.1136/bmj.n71
Sánchez-Serrano, S., Pedraza-Navarro, I. y Donoso-González, M. (2022). ¿Cómo hacer una revisión sistemática siguiendo el protocolo PRISMA? Usos y estrategias fundamentales para su aplicación en el ámbito educativo a través de un caso práctico. Bordón. Revista de Pedagogía, 74(3), 51-66. https://doi.org/10.13042/Bordon.2022.95090
Serdyukov, P. (2017). Innovation in education: What works, what doesn’t, and what to do about it? Journal of Research in Innovative Teaching & Learning, 10(1), 4–33. https://doi.org/10.1108/JRIT-10-2016-0007
van Eck, N. J. y Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84, 523–538. https://doi.org/10.1007/s11192-009-0146-3
Yan, L., Greiff, S., Teuber, Z. y Gašević, D. (2024). Promises and challenges of generative artificial intelligence for human learning. Nature Human Behaviour, 8, 1839–1850. https://doi.org/10.1038/s41562-024-02004-5
Yusuf, A., Pervin, N. y Román-González, M. (2024). Generative AI and the future of higher education: A threat to academic integrity or reformation? Evidence from multicultural perspectives. International Journal of Educational Technology in Higher Education, 21, 1–29. https://doi.org/10.1186/s41239-024-00453-6
Zupic, I. y Čater, T. (2015). Bibliometric methods in management and organization. Organizational Research Methods, 18(3), 429–472. https://doi.org/10.1177/1094428114562629