Aprender a orquestar la inteligencia artificial: dificultad, utilidad y confianza percibidas en un taller de automatización sin código para investigadores sociales
DOI:
https://doi.org/10.22201/dgtic.26832968e.2026.18.171Palabras clave:
alfabetización digital, inteligencia artificial, formación de investigadores, educación superior, investigación cualitativa, tecnología educativaResumen
De los 25 participantes que respondieron la encuesta diagnóstica de un taller de automatización con inteligencia artificial, 23 usaban modelos generativos al menos una vez por semana y 13 nunca habían utilizado una herramienta de automatización ni escrito código. Este trabajo documenta qué ocurrió cuando las personas inscritas en el taller tuvieron que construir flujos de trabajo funcionales en n8n. Se analizaron las entregas de 17 participantes que completaron dos ejercicios —monitoreo automatizado de noticias y transcripción con clasificación temática de entrevistas— mediante los cuestionarios de autoevaluación incluidos en cada tarea. La utilidad percibida se ubicó en el extremo alto de la escala (transcripción automática, M = 4.87 de 5) y superó de manera apreciable la confianza declarada para replicar el procedimiento en solitario (M = 4.13). De los 17 participantes, 10 resolvieron sus bloqueos técnicos consultando un asistente conversacional de inteligencia artificial, por encima del ensayo y error y del material del curso. Los obstáculos se concentraron donde el flujo visual exige código o ajuste de la estructura de datos.
Descargas
Citas
[1] A. González Palacios, C. A. Palafox Sánchez, D. P. Ávila Cruz, and H. A. Gómez Rodríguez, “Autopercepción de las competencias informacionales en estudiantes universitarios del Centro Universitario de Ciencias de la Salud: un estudio descriptivo,” TIES, Rev. Tecnol. e Innov. en Educ. Super., no. 16, pp. 10–28, Jun. 2026, doi: 10.22201/dgtic.26832968e.2026.16.124.
[2] C. Pérez Cerón, “Affordances de la visualización de datos para el desarrollo de la numeracidad y competencias digitales,” TIES, Rev. Tecnol. e Innov. en Educ. Super., no. 16, pp. 42–53, Jun. 2026, doi: 10.22201/dgtic.26832968e.2026.16.148.
[3] E. Chávez Romero and M. del R. Hernández-Coló, “Rediseño tecnopedagógico del Curso de Inducción a la Docencia Universitaria en la FES Acatlán de la UNAM,” TIES, Rev. Tecnol. e Innov. en Educ. Super., no. 16, pp. 54–77, Jun. 2026, doi: 10.22201/dgtic.26832968e.2026.16.139.
[4] C. D. Rentería García, “El impacto de la Inteligencia Artificial en la Educación Superior: representaciones sociales y transformación institucional,” TIES, Rev. Tecnol. e Innov. en Educ. Super., no. 11, pp. 53–71, Dec. 2024, doi: 10.22201/dgtic.26832968e.2024.11.47.
[5] S. Ortega Cuevas and R. Tavira Sánchez, “Análisis de herramientas de Recuperación-Generación Mejorada (RAG) para la búsqueda de información general y académica,” TIES, Rev. Tecnol. e Innov. en Educ. Super., no. 12, pp. 40–52, Jun. 2025, doi: 10.22201/dgtic.26832968e.2025.12.32.
[6] M. A. Benavides-Lara, V. J. Rendón Cazales, N. Escalante Rivas, A. M. del P. Martínez Hernández, and M. Sánchez Mendiola, “Presencia y uso de la inteligencia artificial generativa en la Universidad Nacional Autónoma de México,” Rev. Digit. Univ., vol. 26, no. 1, Jan.-Feb. 2025, doi: 10.22201/ceide.16076079e.2025.26.1.10.
[7] J. B. Vargas Bernuy, M. A. Nolasco-Mamani, N. C. Velásquez Rodríguez, R. L. Gambetta Quelopana, A. N. Martinez Valdivia, and S. M. Espinoza Vidaurre, “Relative Advantage and Compatibility as Drivers of ChatGPT Adoption in Latin American Higher Education: A PLS-SEM Study Towards Sustainable Digital Education,” Sustainability, vol. 17, no. 18, art. 8329, 2025, doi: 10.3390/su17188329.
[8] D. Long and B. Magerko, “What is AI Literacy? Competencies and Design Considerations,” in Proc. 2020 CHI Conf. Human Factors in Computing Systems (CHI ’20), Honolulu, HI, EE. UU., 2020, pp. 1–16, doi: 10.1145/3313831.3376727.
[9] A. L. Haz, E. D. Fajrianti, N. Funabiki, and S. Sukaridhoto, “A Study of Audio-to-Text Conversion Software Using Whispers Model,” in 2023 6th Int. Conf. Vocational Education and Electrical Engineering (ICVEE), Surabaya, Indonesia, 2023, pp. 268–273, doi: 10.1109/ICVEE59738.2023.10348186.
[10] Y. Yang, C. Alba, C. Wang, X. Wang, J. Anderson, and R. An, “GPT Models Can Perform Thematic Analysis in Public Health Studies, Akin to Qualitative Researchers,” J. Social Computing, vol. 5, no. 4, pp. 293–312, Dec. 2024, doi: 10.23919/JSC.2024.0024.
[11] C. F. Barros, B. B. Azevedo, V. V. Graciano Neto, M. Kassab, M. Kalinowski, and H. A. D. do Nascimento, “Large Language Model for Qualitative Research: A Systematic Mapping Study,” in 2025 IEEE/ACM Int. Workshop on Methodological Issues with Empirical Studies in Software Engineering (WSESE), Ottawa, ON, Canada, 2025, pp. 48–55, doi: 10.1109/WSESE66602.2025.00015.
[12] S. Käss, S. Strahringer, and M. Westner, “Practitioners’ Perceptions on the Adoption of Low Code Development Platforms”, IEEE Access, vol. 11, pp. 29009–29034, 2023, doi: 10.1109/ACCESS.2023.3258539.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Ernesto Pathros Ibarra García

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
TIES, Revista de Tecnología e Innovación en Educación Superior, es una publicación semestral de acceso abierto bajo la licencia Creative Commons Atribución-No Comercial 4.0 Internacional (CC BY-NC 4.0).
ISSN 22683-2968 • © 2026 Universidad Nacional Autónoma de México. TIES, Revista de Tecnología e Innovación en Educación Superior es editada por la Universidad Nacional Autónoma de México a través de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación (DGTIC). Circuito exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, México • Reserva de Derechos de Autor otorgado por INDAUTOR: 04-2019-011816190900-203.
El contenido de los artículos es responsabilidad de los autores y no refleja el punto de vista del Comité editorial, del Editor o de la Universidad Nacional Autónoma de México. Hecho en México, 2026.
