Aprender a orquestar la inteligencia artificial: dificultad, utilidad y confianza percibidas en un taller de automatización sin código para investigadores sociales

Autores/as

  • Ernesto Pathros Ibarra García Universidad Nacional Autónoma de México, Instituto de Investigaciones Sociales, Departamento de Cómputo, Ciudad de México, México. https://orcid.org/0009-0007-5972-5558

DOI:

https://doi.org/10.22201/dgtic.26832968e.2026.18.171

Palabras clave:

alfabetización digital, inteligencia artificial, formación de investigadores, educación superior, investigación cualitativa, tecnología educativa

Resumen

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

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Ernesto Pathros Ibarra García, Universidad Nacional Autónoma de México, Instituto de Investigaciones Sociales, Departamento de Cómputo, Ciudad de México, México.

Ernesto Pathros Ibarra García es técnico académico adscrito al Departamento de Cómputo del Instituto de Investigaciones Sociales de la UNAM. Ingeniero en Computación por la UNAM y maestro en Dirección e Ingeniería de Sitios Web por la Universidad Internacional de La Rioja. Su trabajo se ha centrado en el desarrollo de sistemas de información, bases de datos e infraestructura de cómputo para la investigación social, con énfasis en seguridad y protección de datos personales. Ha desarrollado y mantenido plataformas institucionales como el Sistema de Información y Consulta Académica (SICA), el Sistema de Constancias Electrónicas y el servicio institucional de encuestas en línea con LimeSurvey. Sus líneas de trabajo actuales son la automatización de procesos de investigación mediante flujos con modelos de lenguaje, la extracción estructurada de datos con modelos ejecutados en infraestructura local y la formación de investigadores sociales en estas herramientas, ámbito en el que ha coordinado e impartido talleres de educación continua.

**PUBLICACIONES SELECTAS REVISADAS POR PARES**

- Ibarra García, E. P., & Cruz Estrada, J. C. (2026). Despliegue de n8n en producción para automatización de flujos de trabajo. Cuadernos Técnicos Universitarios De La DGTIC, 4(2). https://doi.org/10.22201/dgtic.30618096e.2026.4.2.171

- García, E. P. I., & Mora, P. M. (2011, November). Model prediction of academic performance for first year students. In 2011 10th Mexican international conference on artificial intelligence (pp. 169-174). IEEE. https://doi.org/10.1109/MICAI.2011.28

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.

Representación abstracta de un sistema de nodos interconectados mediante flujos que vinculan estructuras rectangulares y cilíndricas.

Publicado

17/11/26 (12:00)

Cómo citar

Ibarra García, E. P. (2026). Aprender a orquestar la inteligencia artificial: dificultad, utilidad y confianza percibidas en un taller de automatización sin código para investigadores sociales. TIES, Revista De Tecnología E Innovación En Educación Superior, (18), 84–112. https://doi.org/10.22201/dgtic.26832968e.2026.18.171

Número

Sección

Artículos