En el contexto educativo actual, cada vez más docentes buscan incorporar metodologías activas que favorezcan el aprendizaje significativo, la autonomía y el pensamiento crítico de sus estudiantes (Bacich y Moran, 2017). Entre estas estrategias, el Aprendizaje Basado en la Indagación —conocido también como Research-Based Learning (RBL)— destaca por su potencial para promover competencias investigativas mediante la formulación de preguntas, el análisis de información y la generación de nuevo conocimiento a partir de la experiencia directa con los problemas del entorno.
Paralelamente, el desarrollo acelerado de la inteligencia artificial (IA) ha transformado diversos ámbitos de la vida cotidiana, incluyendo el educativo (Pimenta, 2023; Franqueira, Silva, Vale, Dias y Pedra, 2024). Herramientas impulsadas por IA como ChatGPT, Elicit, Research Rabbit, ChatPDF y SciSpace, entre otras, ofrecen nuevas posibilidades para acompañar los procesos investigativos de estudiantes, desde la búsqueda de información hasta la redacción de informes, pasando por la lectura y análisis de fuentes académicas. Este artículo presenta una propuesta de aplicación del Aprendizaje Basado en la Indagación con el apoyo de plataformas de inteligencia artificial. Se trata de una estrategia que no sustituye el trabajo intelectual del estudiantado, sino que lo potencia, ofreciendo rutas más accesibles y dinámicas para desarrollar habilidades científicas en contextos educativos mediados por tecnología.
Antecedentes
Las metodologías activas han cobrado protagonismo en la educación como estrategias efectivas para fomentar el aprendizaje significativo, la autonomía y la participación del estudiantado (Nascimento, Padilha, Silva y Anjos, 2019). A diferencia de los enfoques tradicionales centrados en la transmisión unidireccional de contenidos, estas metodologías colocan al estudiante como agente activo de su propio proceso formativo, promoviendo la reflexión crítica y la colaboración (Bacich y Moran, 2017).
Entre estas estrategias, el Aprendizaje Basado en la Indagación (Research-Based Learning, RBL) se distingue por integrar prácticas investigativas al currículo, permitiendo que los estudiantes desarrollen habilidades para formular preguntas, analizar información y comunicar hallazgos desde una lógica exploratoria (Nascimento, 2021). Esta metodología ha demostrado ser especialmente útil en contextos mediados por tecnología, como la educación en línea, donde las herramientas digitales pueden fortalecer tanto la interacción como la autonomía.
El RBL se plantea en este trabajo como la base pedagógica para el diseño de actividades tipo seminario, con énfasis en el desarrollo de competencias investigativas desde una perspectiva activa y situada (Healey y Jenkins, 2009). En este enfoque, el estudiantado es acompañado para construir conocimiento de forma crítica y reflexiva a través de la experiencia directa con problemas auténticos. Su implementación no solo fortalece el pensamiento crítico y la resolución de problemas, sino que también promueve un aprendizaje colaborativo y contextualizado. En este marco, la inteligencia artificial (IA) se incorpora como un recurso estratégico que potencia las distintas etapas del proceso investigativo. Herramientas impulsadas por IA —como ChatGPT, Elicit, Research Rabbit, ChatPDF o SciSpace— ofrecen apoyos para la búsqueda de información, el análisis de textos científicos, la organización de datos y la redacción académica. Su uso no reemplaza el trabajo intelectual del estudiante, pero sí amplía sus posibilidades de acción y comprensión. La IA, entendida como una tecnología emergente en el ámbito educativo, permite personalizar la experiencia de aprendizaje, automatizar procesos repetitivos y enriquecer la interacción con los contenidos (Ribeiro, Santos Neto y Pereira, 2024; Alves, 2023).
Definición
El Aprendizaje Basado en la Indagación (RBL, por sus siglas en inglés) es una metodología de carácter activo que involucra al estudiantado en procesos de investigación científica vinculados a su contexto educativo y formativo. A través del planteamiento de preguntas, la búsqueda sistemática de información, el análisis crítico de datos y la comunicación de resultados, el RBL fomenta un aprendizaje profundo, reflexivo y situado (Félix y Braga, 2019).
Por su parte, la inteligencia artificial (IA) se refiere a la capacidad de los sistemas informáticos para ejecutar tareas que tradicionalmente requerirían de la inteligencia humana, como el razonamiento, la toma de decisiones, el aprendizaje o la comprensión del lenguaje. Este campo tecnológico abarca diversas técnicas, entre ellas el aprendizaje automático (machine learning), las redes neuronales artificiales y el procesamiento del lenguaje natural, y sus aplicaciones se extienden desde la automatización industrial hasta los ámbitos de la salud, la educación y la ciencia (Russell y Norvig, 2020). En el contexto educativo, la integración entre RBL e IA abre nuevas posibilidades para potenciar el desarrollo de competencias investigativas, ofreciendo al estudiantado herramientas que amplían su capacidad de indagar, interpretar y construir conocimiento de manera más ágil, crítica y autónoma.
Objetivo
Fortalecer las habilidades investigativas y analíticas del estudiantado mediante la implementación del Aprendizaje Basado en la Indagación (RBL), apoyado en herramientas de inteligencia artificial (IA) que acompañen las distintas fases del proceso investigativo. Esta integración tiene como finalidad facilitar la formulación de preguntas relevantes, la búsqueda y organización de información, el análisis de datos cualitativos y cuantitativos, así como la redacción de productos académicos, permitiendo una aproximación más eficiente, autónoma y reflexiva a la producción de conocimiento.
Modo de aplicación
La integración del Aprendizaje Basado en la Indagación (RBL) con herramientas de inteligencia artificial (IA) permite enriquecer el proceso formativo, al ofrecer una experiencia guiada e interactiva que estimula el pensamiento crítico, la autonomía y la producción académica. A continuación, se presenta un modelo práctico para su implementación en el desarrollo de seminarios de investigación, dividido en tres sesiones de 45 minutos cada una, siguiendo los principios del RBL.
Sesión 1: Introducción y definición del problema
El docente inicia explicando la metodología RBL y presenta las herramientas de IA que se utilizarán:
- ChatGPT: para formular la pregunta de investigación y delimitar objetivos.
- Elicit: para localizar artículos científicos iniciales.
- Research Rabbit: para mapear conexiones entre autores y textos.
- SciSpace: para leer, comprender y filtrar artículos en PDF.
- Se organizan equipos y se guía a los estudiantes para definir su pregunta de investigación con ayuda de ChatGPT y retroalimentación docente.
- Cada equipo realiza una primera búsqueda en Elicit para recuperar al menos ocho artículos relevantes sobre su tema.
Sesión 2: Análisis crítico y organización de la información
- Con los artículos iniciales, los equipos emplean Research Rabbit para visualizar redes de autores, obras clave y relaciones temáticas.
- Usan SciSpace para leer los artículos, identificar ideas centrales y descartar fuentes poco pertinentes.
- Cada equipo presenta un resumen preliminar de sus hallazgos y recibe retroalimentación tanto del docente como de sus compañeros, con el fin de fortalecer la profundidad del análisis.
Sesión 3: Producción y presentación de resultados
- Se inicia la redacción del informe de investigación. Las herramientas de IA apoyan la organización del contenido, la mejora del lenguaje y el formato académico.
- Los equipos diseñan sus presentaciones, utilizando mapas conceptuales o diapositivas para visualizar los hallazgos. La IA puede emplearse para sintetizar información o generar elementos gráficos.
- Finalmente, los grupos exponen sus resultados y se realiza una reflexión conjunta sobre los aprendizajes alcanzados y el papel de la IA en el proceso.
Figura 1. Flujo propuesto para la implementación del RBL con apoyo de IA
Para una mejor comprensión del procedimiento completo, se sugiere consultar el siguiente video explicativo, elaborado por el autor del modelo. Aunque está en portugués, la estructura visual facilita su seguimiento:
Rol del Docente
El docente asume un papel clave como guía, mediador y facilitador del proceso de investigación, acompañando activamente cada etapa del modelo RBL con apoyo de herramientas de inteligencia artificial. Sus funciones principales incluyen:
- Orientación inicial del proceso: Brinda una introducción clara a la metodología de Aprendizaje Basado en la Indagación (RBL), explicando sus etapas, objetivos y beneficios. Realiza un briefing detallado para contextualizar la tarea que se desarrollará.
- Organización del trabajo colaborativo: Conforma equipos de trabajo reducidos (preferentemente de cuatro integrantes) para favorecer la interacción, la toma de decisiones conjunta y el análisis crítico compartido.
- Presentación de herramientas tecnológicas: Da a conocer las plataformas de inteligencia artificial que se utilizarán durante la experiencia, mostrando sus funciones y sugerencias de uso pedagógico (ChatGPT, Elicit, Research Rabbit, SciSpace).
- Acompañamiento y asesoría personalizada: Realiza tutorías durante el proceso para resolver dudas específicas, orientar búsquedas, apoyar en la interpretación de datos y promover el avance autónomo de cada grupo.
- Evaluación formativa y retroalimentación: Observa y valora las presentaciones finales de los equipos, proporcionando retroalimentación pertinente orientada al desarrollo de habilidades investigativas, de argumentación y de síntesis.
- Cierre y sistematización: Conduce una sesión final de reflexión colectiva sobre los aprendizajes logrados, destacando el papel de la IA como recurso didáctico y la utilidad del RBL como metodología formativa.
Rol del Estudiante
El estudiantado asume un rol activo, reflexivo y colaborativo a lo largo de todo el proceso de investigación, desarrollando habilidades de indagación científica con el apoyo de herramientas de inteligencia artificial. Sus responsabilidades principales incluyen:
- Formulación del tema y la pregunta de investigación: En equipos de trabajo, los estudiantes seleccionan un tema de interés vinculado al seminario y construyen, con apoyo de ChatGPT y la orientación docente, una pregunta de investigación clara, pertinente y viable.
- Exploración de conocimientos previos: Identifican lo que ya saben y lo que necesitan aprender sobre el tema, estableciendo así una ruta de indagación que guíe su proceso investigativo.
- Uso de herramientas de IA para la búsqueda de información: Inician sesión en plataformas como Elicit, Research Rabbit, SciSpace, Perplexity y ChatGPT, utilizando cada una según su función: localizar artículos científicos, mapear autores clave, analizar textos académicos y organizar los hallazgos.
- Análisis y discusión de resultados: Evalúan críticamente la información obtenida, contrastan distintas fuentes, reflexionan sobre su relevancia y debaten en equipo para construir un posicionamiento fundamentado.
- Producción académica y presentación de resultados: Elaboran un informe escrito que sintetiza el proceso y los hallazgos de la investigación, y preparan una presentación oral o visual que comparten con el resto del grupo y el profesor para su discusión y retroalimentación.
Este rol fomenta el pensamiento crítico, la autonomía intelectual y el trabajo colaborativo, pilares fundamentales del RBL y competencias esenciales en el contexto educativo actual.
Sugerencias para su implementación
Para una implementación efectiva del modelo RBL con apoyo de inteligencia artificial, se recomienda considerar los siguientes aspectos organizativos y pedagógicos:
- Estructurar la actividad en tres sesiones de trabajo de aproximadamente dos horas cada una, con objetivos claramente definidos para cada etapa: introducción y formulación del problema, análisis y organización de información, y producción/presentación de resultados.
- Asegurar la infraestructura tecnológica adecuada, verificando que todos los estudiantes cuenten con acceso a equipo de cómputo, conexión a internet estable y dispositivos que permitan el uso fluido de las plataformas digitales seleccionadas.
- Introducir previamente la metodología RBL, explicando sus fundamentos, etapas y propósito formativo. Es fundamental que los estudiantes comprendan que el enfoque está centrado en la construcción activa de conocimiento a través de la investigación.
- Capacitar brevemente al estudiantado en el uso de las herramientas de IA, ya sea mediante una guía práctica, demostraciones breves en clase o tutoriales de apoyo. Esto permitirá que su atención se centre en el desarrollo de habilidades investigativas, y no en dificultades técnicas.
- Monitorear de forma continua el proceso, acompañando a los equipos durante las sesiones, resolviendo dudas, promoviendo la reflexión crítica y favoreciendo la toma de decisiones informadas.
- Cierre reflexivo y metacognitivo: al finalizar la actividad, es recomendable promover una sesión de retroalimentación y reflexión sobre lo aprendido, tanto en relación con los contenidos temáticos como con el uso ético y estratégico de la inteligencia artificial en procesos académicos.
Estas sugerencias pueden adaptarse a distintos niveles educativos, modalidades (presencial, híbrida o en línea) y áreas de conocimiento, siempre que se respeten los principios fundamentales del RBL y se utilicen las herramientas tecnológicas con una intención pedagógica clara.
Ventajas y desventajas
La implementación del Aprendizaje Basado en la Indagación (RBL) apoyado en herramientas de inteligencia artificial representa una oportunidad valiosa para transformar el proceso educativo. Esta combinación metodológica favorece el desarrollo de competencias clave como la autonomía, la capacidad de análisis, la argumentación académica y el pensamiento crítico. Sin embargo, para lograr su efectividad, es imprescindible asegurar un uso consciente, ético y pedagógicamente intencionado de la tecnología, considerando también los posibles riesgos y limitaciones.
Conclusiones
La integración del Aprendizaje Basado en la Indagación (RBL) con herramientas de inteligencia artificial representa una propuesta innovadora y pertinente para fortalecer el desarrollo de competencias investigativas en contextos educativos contemporáneos. Esta combinación metodológica permite potenciar el aprendizaje autónomo, crítico y significativo, al facilitar el acceso, análisis y producción de conocimiento mediante tecnologías emergentes.
Los resultados preliminares de esta experiencia sugieren que el uso pedagógico de la IA puede enriquecer sustancialmente el trabajo académico del estudiantado, siempre que esté acompañado por una mediación docente intencionada y una reflexión ética sobre su aplicación. Sin embargo, aún es necesario profundizar en la evaluación de su impacto real en el desarrollo de habilidades investigativas, así como en la calidad de los productos académicos generados.
Se recomienda impulsar investigaciones futuras que permitan medir con mayor precisión los efectos de esta estrategia en distintos niveles educativos y áreas del conocimiento. Asimismo, sería valioso comparar su efectividad con otras metodologías activas, como el aprendizaje basado en problemas (PBL), el aprendizaje basado en retos (CBL) o el aprendizaje basado en simulación (SBL), para comprender mejor sus alcances, limitaciones y posibilidades de integración. Replicar esta experiencia en contextos diversos contribuirá a construir un marco más robusto para la incorporación crítica y formativa de la inteligencia artificial en la educación superior.
¿Deseas contactar a los autores de este artículo?
Dr. Ernandes R. Nascimento
Doctor en Educación Matemática y Tecnológica por MUST University (Florida, EE. UU.).
📧 ernandesrn@gmail.com
Dra. Rosemary T. Nicácio
Doctora en Educación por MUST University (Florida, EE. UU.).
📧 rosemary.nicacio@mustedu.com
Dra. Cleide Muñoz
Doctora en Educación por MUST University (Florida, EE. UU.).
📧 cleide.munoz@gmail.com
Dr. Charles Leal
Doctor en Tecnologías y Neurociencias en la Educación por MUST University (Florida, EE. UU.).
📧 leal.must@gmail.com
Referencias
- Alves, L. (2023). Inteligência artificial e educação: Refletindo sobre os desafios contemporâneos. Feira de Santana: UEFS Editora.
- Bacich, L., & Moran, J. (2017). Metodologias ativas para uma educação inovadora: Uma abordagem teórico-prática. Porto Alegre: Penso.
- Félix, R., & Braga, P. H. A. (2019). Metodologias ativas e aprendizagem significativa: Uma abordagem de problem-based learning na rede federal de educação profissional e tecnológica brasileira. Brazilian Journal of Development.
- Franqueira, A., Silva, A. A., Vale, K. V. S., Dias, L. S., & Pedra, R. R. (2024). Desafios e oportunidades na integração da inteligência artificial na educação a distância. RCMOS – Revista Científica Multidisciplinar O Saber, 1(1). https://doi.org/10.51473/rcmos.v1i1.2024.480
- Healey, M., & Jenkins, A. (2009). Developing undergraduate research and inquiry. York: Higher Education Academy. https://www.heacademy.ac.uk/knowledge-hub/developing-undergraduate-research-and-inquiry
- Nascimento, E. R. (2021). Engajamento docente e coreografias institucionais: Um estudo sobre cursos superiores ofertados a partir de um web currículo e da educação híbrida (Tese de doutorado). Universidade Federal de Pernambuco, Recife.
- Nascimento, E. R., Padilha, M. A., da Silva, C. L., & dos Anjos, F. L. M. R. (2019). Metodologias ativas e engajamento docente: Uma reflexão sobre as dificuldades enfrentadas pelos professores da educação superior. Educação por Escrito, 10(1), e31560. https://doi.org/10.14393/EPv10n1a2019-1
- Pimenta, G. (s.f.). Ferramentas de inteligência artificial para o seu dia a dia no trabalho. Rock Content. https://rockcontent.com/br/blog/ferramentas-de-inteligencia-artificial-para-o-seu-dia-a-dia-no-trabalho/
- Ribeiro, T. M., Kurtz, R. G. M., & Duque, A. P. O. (2024). Motivação dos alunos de Ciências Contábeis: Um estudo no contexto do ensino remoto na pandemia de Covid-19. EaD em Foco, 14(1), e2149. https://doi.org/10.18264/eadf.v14i1.2149 Russell, S., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson.
Fuente de la imagen:
OpenAI. (2025). Ilustración de estudiantes explorando con herramientas de inteligencia artificial y docente acompañando [Imagen generada por IA].
