IA Julius
Inteligencia artificial y análisis estadístico para la investigación científica
DOI:
https://doi.org/10.53673/th.v6i2.583Abstract
La inteligencia artificial está transformando profundamente la manera en que se genera, analiza y comunica el conocimiento científico. En este contexto, IA Julius: Inteligencia artificial y análisis estadístico para la investigación científica explora el potencial de las tecnologías inteligentes como apoyo para el desarrollo de competencias investigativas en la educación superior, con especial énfasis en el análisis estadístico aplicado a la investigación científica.
La obra ofrece una visión integral sobre los fundamentos de la inteligencia artificial, su evolución y sus aplicaciones en el ámbito académico, abordando de manera particular las características, funcionamiento, ventajas, limitaciones y consideraciones éticas de Julius, una herramienta diseñada para facilitar el análisis de datos mediante el uso de inteligencia artificial. Asimismo, desarrolla los principales conceptos relacionados con el análisis estadístico, incluyendo pruebas de hipótesis, correlación entre variables, creación de figuras estadísticas y el uso de software especializados para el procesamiento de información científica.
A partir de una sólida base teórica y de la revisión de investigaciones recientes, el libro presenta un caso de estudio centrado en estudiantes de posgrado, permitiendo analizar la relación existente entre el uso de la herramienta Julius y el fortalecimiento de competencias asociadas al análisis estadístico. Los resultados obtenidos evidencian el creciente papel que desempeñan las tecnologías inteligentes dentro de los procesos de investigación universitaria y ofrecen elementos de reflexión sobre los desafíos y oportunidades que plantea la incorporación de la inteligencia artificial en la formación académica.
Más allá de describir una herramienta tecnológica, esta obra invita a reflexionar sobre el futuro de la investigación científica en un entorno caracterizado por la digitalización y el uso intensivo de datos. Se destaca la importancia de integrar innovación tecnológica, pensamiento crítico y rigor metodológico como pilares fundamentales para la producción de conocimiento de calidad.
Dirigido a estudiantes de pregrado y posgrado, docentes, investigadores y profesionales interesados en la metodología de la investigación, este libro constituye una guía accesible y actualizada para comprender cómo la inteligencia artificial puede convertirse en una aliada estratégica en los procesos de análisis estadístico y generación de evidencia científica.
En una época donde la tecnología redefine constantemente las formas de aprender e investigar, esta obra aporta una perspectiva crítica y fundamentada sobre el papel de la inteligencia artificial en la construcción del conocimiento, contribuyendo al debate académico sobre los retos y posibilidades de la investigación científica en el siglo XXI.
References
Acosta, J., Paredes, M., y Rodríguez, L. (2024). Inteligencia artificial y transformación de los procesos de investigación científica. Revista Latinoamericana de Innovación Educativa, 18(2), 45-61.
Alexander, M., Tukey, J., y Cleveland, W. (2021). Data visualization and statistical communication. Springer.
Demera, J., Salinas, P., y Gómez, R. (2023). Aplicaciones de la inteligencia artificial en educación superior y producción científica. Revista Iberoamericana de Tecnología Educativa, 12(1), 77-94.
Floridi, L. (2022). The ethics of artificial intelligence: Principles, challenges and opportunities. Oxford University Press.
Hernández, R. (2024). Análisis estadístico aplicado a la investigación científica. McGraw-Hill.
Hernández, R., Fernández, C., y Baptista, P. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill Education.
Hernández-Sampieri, R., y Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education.
Knaflic, C. N. (2020). Storytelling with data: A data visualization guide for business professionals (2nd ed.). Wiley.
López, A., Castillo, M., y Ramírez, J. (2024). Inteligencia artificial y aprendizaje autónomo en estudiantes universitarios. Revista de Educación y Tecnología, 15(3), 112-128.
Russell, S., y Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Sánchez, P., Torres, D., y Molina, E. (2024). Contraste de hipótesis y análisis inferencial en investigaciones cuantitativas. Revista Científica de Métodos Estadísticos, 9(1), 33-51.
Santos, R., Vega, J., y Pérez, A. (2025). Validación de un instrumento para medir el uso de la herramienta Julius en estudiantes universitarios. Revista Internacional de Investigación Educativa, 21(1), 55-73.
Shrestha, Y. R., Ben-Menahem, S. M., y von Krogh, G. (2021). Organizational decision-making structures in the age of artificial intelligence. California Management Review, 63(3), 66-83.
Solano, M., Herrera, J., y Castro, P. (2024). Percepciones estudiantiles sobre el uso de inteligencia artificial en la educación superior. Revista de Innovación Universitaria, 17(2), 88-105.
UNESCO. (2022). Recomendación sobre la ética de la inteligencia artificial. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
This license allows others to redistribute, remix, tweak, and build upon your work, even with commercial penalties, as long as you take credit for the original creation. This is the most helpful license offered. Recommended for maximum dissemination and use of the materials subject to the license.
