Fundamentos, estructura y criterios de diseño del curso IA y Ciencia Social, pensado específicamente para una investigadora en ciencias sociales que quiere incorporar la inteligencia artificial a su práctica académica e investigativa.
Investigadora en ciencias sociales con dominio de metodología cualitativa y cuantitativa. Trabaja en proyectos de investigación, docencia y publicación académica.
Cursando o con posgrado completado (maestría o doctorado). Publica en revistas indexadas y participa en congresos académicos.
Uso básico de ChatGPT para consultas generales. Sin formación en prompting avanzado, herramientas especializadas de investigación con IA ni automatización.
Incorporar la IA como extensión natural de su práctica investigativa: revisar literatura, analizar datos cualitativos, escribir artículos y gestionar referencias.
Necesidad principal. Acelerar la búsqueda, selección y síntesis de fuentes académicas sin perder rigor ni exhaustividad.
Entender cuándo y cómo declarar el uso de IA en artículos científicos, respetando las políticas editoriales y la integridad académica.
Usar IA como apoyo en codificación de entrevistas, categorización de datos y análisis temático sin sustituir el juicio interpretativo.
Mejorar borradores, traducir entre idiomas académicos, ajustar registro y tono para diferentes revistas y audiencias.
Comprender las políticas de uso de IA de las principales editoriales (Elsevier, Springer, Taylor & Francis) y cómo cumplirlas.
Manejar datos sensibles de participantes (entrevistas, encuestas) sin exponerlos a plataformas de IA. Cumplir con GDPR y comités de ética.
Estos son los obstáculos más probables y cómo el diseño del curso los aborda:
La preocupación de que usar IA sea equivalente a hacer trampa o a cometer plagio académico. Solución: El curso enseña a distinguir entre uso legítimo y plagio, con protocolos claros de declaración y transparencia.
Temor a que las revistas rechacen artículos si detectan uso de IA. Solución: Se revisan las políticas reales de las principales editoriales y se enseña a documentar el uso de IA conforme a sus lineamientos.
Tensión entre la tradición artesanal de la investigación cualitativa y la eficiencia que ofrece la IA. Solución: El curso posiciona la IA como asistente del investigador, no como sustituto del juicio crítico ni de la interpretación.
Entre docencia, investigación, publicación y vida personal, el tiempo es escaso. Solución: Sesiones de 7–12 minutos, siempre con resultado tangible. No hay sesión que dure más de 15 minutos.
Incertidumbre sobre qué datos se pueden procesar con IA y cuáles no. Solución: El curso incluye guías prácticas de anonimización y criterios claros para proteger datos de participantes.
El curso se basa en seis criterios que guían todas las decisiones de diseño:
Cada sesión dura entre 7 y 12 minutos y termina en un resultado concreto: una búsqueda bibliográfica, un borrador mejorado, un protocolo ético, una decisión informada.
De lo simple a lo complejo, pero cada capa es autocontenida. Puedes detenerte en cualquier semana y ya tienes algo útil.
Cada ejemplo, ejercicio y caso de uso está situado en la práctica real de una investigadora social: revisión de literatura, codificación cualitativa, redacción de artículos, gestión de referencias.
Cada día tiene un propósito distinto dentro de la misma estructura. La previsibilidad reduce la ansiedad y facilita el hábito.
El curso filtra activamente. No presenta 20 herramientas — presenta las 3 que importan y explica por qué ignorar el resto.
La ética no es un módulo aparte sino un criterio transversal. Cada sesión refuerza el uso responsable, transparente y documentado de la IA.
semanas
sesiones
total estimado
Cada semana tiene 5 sesiones organizadas por tipo de actividad investigativa. Diseñado para avanzar con 15 minutos al día, en 1 o 2 bloques breves.
Entender qué es la IA generativa, conocer Claude, ChatGPT y Gemini, y empezar a usarlos con criterio académico. Habilidades: conversar con IA, comparar herramientas, evaluar fiabilidad de respuestas.
Usar IA para revisar literatura, resumir artículos, organizar fuentes con NotebookLM y Elicit. Habilidades: búsqueda bibliográfica asistida, síntesis de papers, verificación de hallazgos.
Aplicar IA al análisis cualitativo y cuantitativo. Codificación asistida, categorización y análisis temático. Habilidades: codificación con IA, validación de categorías, análisis crítico de resultados.
Ética, integridad académica, políticas editoriales y protección de datos. Habilidades: declaración de uso de IA, anonimización de datos, cumplimiento de políticas de revistas.
Escritura académica asistida: borradores, abstracts, respuestas a revisores, traducciones. Habilidades: mejora de textos académicos, ajuste de registro, escritura multiidioma.
Flujo de trabajo personal sostenible: gestión bibliográfica con IA, kit definitivo, autonomía crítica. Habilidades: sistema personal de investigación con IA, selección de herramientas, criterio propio.
El curso sigue una progresión deliberada que refleja el flujo natural de la investigación:
Orientación y literatura. Primero se aprende a conversar con IA y a usarla para revisar fuentes. Es la base sobre la que todo lo demás se construye.
Método y ética. Con la base establecida, se aplica IA al análisis de datos y se abordan las cuestiones éticas y normativas ineludibles.
Producción textual. Con herramientas y criterio ético consolidados, se aplica la IA a la fase de escritura y publicación.
Sistema y autonomía. Se cierra con la construcción de un flujo de trabajo personal que integre IA de manera sostenible y crítica.
Base conceptual sobre cómo funcionan los modelos de lenguaje, sus sesgos y limitaciones. Suficiente para tomar decisiones informadas sin convertirse en un curso técnico.
La mayor parte del curso es hacer. Cada laboratorio produce algo tangible: una revisión bibliográfica, un borrador mejorado, una codificación validada, una respuesta a revisores.
Espacio transversal dedicado a integridad académica, políticas editoriales, protección de datos y declaración de uso de IA. No es un añadido, es parte central.
Exploración guiada de herramientas nuevas. El radar semanal y la semana final cumplen esta función, siempre con criterio de filtrado.
Nunca se presentan más de dos herramientas nuevas en una semana. Las demás se mencionan en el Radar como opcionales.
No hay sesiones puramente teóricas. Incluso los conceptos incluyen un ejercicio breve y un quiz de verificación.
Cada Radar incluye una recomendación clara sobre prioridad: alta, media o baja. El objetivo es reducir ruido, no aumentarlo.
La estructura semanal siempre es la misma. La previsibilidad reduce la ansiedad y permite integrar el curso en la rutina académica.
El curso está diseñado para que cada semana sea autocontenida. Si una semana se complica con plazos de entrega o revisiones, se puede pausar sin perder el hilo.
“Un truco que funciona es escribir la cosa más simple que puedas. Pon algo en la página. No tiene que ser genial. Después lo arreglas.”— Howard Becker