### Propuesta editorial de un libro original e innovador

Formación científica · Inteligencia artificial · Educación universitaria 100 % virtual con profesor humano

### INVESTIGACIÓN INTELIGENTE 360°

### El Método de Investigación Científica Aumentada por Inteligencia Artificial y Supervisión Humana

Subtítulo: Un sistema integral para formular problemas, construir conocimiento, validar evidencias, analizar datos y producir investigaciones científicas con rigor, ética e inteligencia artificial.


### Ficha técnica de la propuesta

Tipo de obra

Libro de formación y metodología aplicada

Modalidad educativa

100 % virtual, con profesor humano

Público objetivo

Estudiantes universitarios, docentes, tesistas, investigadores y profesionales

Enfoque

Aprendizaje por competencias y proyectos reales

Propuesta de extensión

12 módulos, 36 capítulos y un proyecto científico integrador

Principio rector

IA como asistente; ser humano como responsable científico

La propuesta integra las fortalezas identificadas en el análisis curricular anterior —fundamentación teórica, coherencia investigativa, metodología, IA responsable y evaluación— y las transforma en una arquitectura didáctica completa para un libro que también pueda servir como base de un curso universitario virtual.

La originalidad que se propone no consiste en afirmar que sus componentes nunca han existido por separado, sino en articularlos mediante un sistema pedagógico propio, con etapas, productos verificables, evaluación continua y acompañamiento docente humano.

### 1\. Identidad metodológica del libro

Propongo organizar la obra alrededor de un método denominado CICLO INVESTIGA-IA 360°, una arquitectura didáctica diseñada para guiar al estudiante desde una idea inicial hasta un producto científico defendible.

Fase 1. Orientar

Diagnosticar necesidades, seleccionar un tema y definir un problema relevante.

Fase 2. Fundamentar

Buscar, evaluar, organizar y sintetizar evidencia científica verificable.

Fase 3. Diseñar

Construir la arquitectura lógica y metodológica de la investigación.

Fase 4. Aumentar

Utilizar IA para apoyar tareas intelectuales, contrastando sus resultados con evidencia real.

Fase 5. Validar

Analizar datos, revisar la calidad de la evidencia y comprobar la consistencia de los resultados.

Fase 6. Comunicar y defender

Redactar, presentar, defender y someter el trabajo a evaluación y retroalimentación humana.

El ciclo no es estrictamente lineal: la validación y la retroalimentación pueden exigir revisar el problema, la teoría o el diseño metodológico.

### Principios no negociables

* Ninguna respuesta de IA se considera evidencia científica por sí misma.

* Toda afirmación relevante debe poder rastrearse hasta una fuente, un dato o un razonamiento explícito.

* El estudiante conserva la autoría intelectual y la responsabilidad por su trabajo.

* El profesor humano orienta, cuestiona, retroalimenta y evalúa el aprendizaje.

* Los errores, las limitaciones y las incertidumbres deben documentarse.

* El producto final debe demostrar competencias, no solo utilización de herramientas.

### 2\. Arquitectura general del libro

La obra se divide en cuatro partes y doce módulos. Cada módulo contiene tres capítulos, lo que da un total de 36 capítulos.

PARTE I. El investigador y el problema científico

Módulos 1–3 · Capítulos 1–9

Diagnóstico, pensamiento científico, formulación del problema y coherencia investigativa.


PARTE II. Evidencia, teoría e inteligencia artificial

Módulos 4–6 · Capítulos 10–18

Búsqueda científica, fundamentación teórica, IA aplicada y verificación.


PARTE III. Diseño, ejecución y validación

Módulos 7–9 · Capítulos 19–27

Métodos, datos, análisis, resultados, ética y reproducibilidad.


PARTE IV. Producción, evaluación y transferencia científica

Módulos 10–12 · Capítulos 28–36

Escritura científica, revisión, publicación, defensa y aplicación de resultados.

### 3\. Desarrollo curricular de los 12 módulos

### PARTE I. El investigador y el problema científico

### Módulo 1. Identidad, pensamiento y competencias del investigador aumentado

Objetivo general: desarrollar la capacidad de formular preguntas relevantes, razonar críticamente y reconocer los límites del conocimiento propio y de la inteligencia artificial.

Capítulo 1. La nueva ecología del conocimiento científico

1.1. Evolución de la investigación y transformación digital. 1.2. Diferencias entre información, conocimiento, evidencia y explicación. 1.3. Inteligencia humana, inteligencia artificial y colaboración cognitiva. 1.4. Responsabilidad del investigador en la era de los sistemas generativos.

Capítulo 2. Pensamiento científico y razonamiento crítico

2.1. Observación, inferencia, hipótesis y explicación. 2.2. Razonamiento inductivo, deductivo y abductivo. 2.3. Sesgos cognitivos, falacias y falsas certezas. 2.4. Cómo cuestionar respuestas aparentemente convincentes de la IA.

Capítulo 3. Diagnóstico y planificación del aprendizaje investigativo

3.1. Diagnóstico de competencias iniciales. 3.2. Identificación de brechas de conocimiento. 3.3. Definición de objetivos personales de investigación. 3.4. Construcción del portafolio digital del investigador.

Resumen del módulo: el estudiante comprende qué significa investigar, cómo razonar científicamente y cómo colaborar con la IA sin delegarle su juicio crítico.

Qué aprenderán los estudiantes: distinguir evidencia de opinión, formular preguntas investigables, identificar limitaciones propias y establecer una ruta personal de aprendizaje.

Competencias adquiridas: pensamiento crítico, alfabetización científica y digital, metacognición y planificación autónoma.

Producto evaluable: diagnóstico inicial y mapa personal de competencias investigativas.

### Módulo 2. Descubrimiento de oportunidades y formulación del problema científico

Objetivo general: transformar una inquietud, necesidad profesional o situación problemática en un problema de investigación delimitado, pertinente y susceptible de estudio.

Capítulo 4. Observación y descubrimiento de problemas

4.1. Necesidades sociales, científicas, tecnológicas y empresariales. 4.2. Observación sistemática y diagnóstico preliminar. 4.3. Identificación de brechas de conocimiento. 4.4. Uso de IA para explorar alternativas sin confundir sugerencias con hallazgos.

Capítulo 5. Del tema general al problema investigable

5.1. Delimitación temática, geográfica, temporal y poblacional. 5.2. Formulación de preguntas principales y secundarias. 5.3. Justificación, pertinencia, viabilidad y contribución potencial. 5.4. Criterios para evaluar originalidad y factibilidad.

Capítulo 6. Objetivos, preguntas e hipótesis

6.1. Construcción de objetivos generales y específicos. 6.2. Correspondencia entre preguntas y objetivos. 6.3. Formulación de hipótesis cuando el diseño lo requiera. 6.4. Revisión crítica de la formulación asistida por IA.

Resumen: el estudiante aprende a convertir un problema impreciso en una propuesta investigativa clara y defendible.

Qué aprenderán: delimitar problemas, justificar su importancia, evaluar su viabilidad y formular objetivos verificables.

Competencias adquiridas: formulación de problemas, diseño conceptual, evaluación de viabilidad y argumentación científica.

Producto evaluable: ficha de problema científico con justificación, preguntas y objetivos.

### Módulo 3. Arquitectura lógica y coherencia de la investigación

Objetivo general: construir una estructura lógica que mantenga la consistencia entre todos los componentes de un proyecto.

Capítulo 7. Anatomía del proyecto científico

7.1. Componentes de un perfil, protocolo o proyecto. 7.2. Relación entre problema, objetivos y resultados esperados. 7.3. Alcance, delimitaciones, supuestos y restricciones. 7.4. Diferencias entre una propuesta y una investigación concluida.

Capítulo 8. Variables, categorías y unidades de análisis

8.1. Variables, dimensiones e indicadores. 8.2. Categorías y subcategorías en investigación cualitativa. 8.3. Unidades de análisis, población y contexto. 8.4. Operacionalización y definición conceptual.

Capítulo 9. Matriz de coherencia y control de consistencia

9.1. Diseño de la matriz de coherencia investigativa. 9.2. Trazabilidad entre preguntas, objetivos, métodos e instrumentos. 9.3. Detección de contradicciones mediante listas de verificación e IA. 9.4. Revisión y aprobación académica de la matriz.

Resumen: el estudiante aprende a construir una investigación en la que cada componente responde al anterior y prepara el siguiente.

Qué aprenderán: identificar incoherencias, relacionar objetivos con métodos y justificar las decisiones de diseño.

Competencias adquiridas: estructuración de proyectos, pensamiento sistémico y control de calidad metodológica.

Producto evaluable: matriz de coherencia revisada y aprobada por el profesor.

### PARTE II. Evidencia, teoría e inteligencia artificial

### Módulo 4. Inteligencia documental y búsqueda de evidencia científica

Objetivo general: localizar, evaluar, organizar y recuperar información científica pertinente y confiable.

Capítulo 10. Arquitectura de la búsqueda científica

10.1. Bases de datos, repositorios, catálogos y buscadores académicos. 10.2. Descriptores, palabras clave, sinónimos y vocabularios controlados. 10.3. Operadores booleanos, filtros y estrategias de búsqueda. 10.4. Diseño de consultas asistidas por IA y registro de resultados.

Capítulo 11. Evaluación crítica de fuentes

11.1. Autoría, procedencia, fecha y propósito de una publicación. 11.2. Calidad metodológica y pertinencia de la evidencia. 11.3. Artículos revisados por pares, prepublicaciones, informes y literatura gris. 11.4. DOI, metadatos, retractaciones y comprobación de referencias.

Capítulo 12. Gestión y síntesis de la literatura

12.1. Gestores bibliográficos y organización de documentos. 12.2. Matrices de revisión, fichas de lectura y extracción de información. 12.3. Comparación de hallazgos, contradicciones y vacíos científicos. 12.4. Síntesis temática y registro de decisiones documentales.

Resumen: enseña a pasar de una búsqueda improvisada a un proceso documental sistemático, reproducible y trazable.

Qué aprenderán: encontrar fuentes pertinentes, evaluar su calidad, verificar referencias y construir una base documental organizada.

Competencias adquiridas: alfabetización informacional, evaluación de evidencia y gestión bibliográfica.

Producto evaluable: expediente documental con estrategia de búsqueda, fuentes seleccionadas y matriz de revisión.

### Módulo 5. Fundamentación teórica y construcción del conocimiento

Objetivo general: elaborar una fundamentación teórica que explique el problema, contraste perspectivas y sustente las decisiones del estudio.

Capítulo 13. Antecedentes y estado del conocimiento

13.1. Diferencia entre antecedentes, marco teórico y estado del arte. 13.2. Identificación de investigaciones relevantes. 13.3. Comparación de enfoques, resultados y limitaciones. 13.4. Identificación de vacíos y oportunidades de contribución.

Capítulo 14. Construcción del marco teórico

14.1. Conceptos, teorías, modelos y definiciones operativas. 14.2. Organización temática y jerarquización de conceptos. 14.3. Contraste de perspectivas y construcción argumentativa. 14.4. Uso de IA para comparar teorías con comprobación en las fuentes originales.

Capítulo 15. Síntesis, argumentación y originalidad

15.1. Síntesis crítica frente a la simple acumulación de citas. 15.2. Relaciones conceptuales y modelos explicativos. 15.3. Identificación de contribuciones potenciales. 15.4. Paráfrasis, atribución, citación y prevención del plagio.

Resumen: el estudiante transforma documentos aislados en una explicación coherente del problema científico.

Qué aprenderán: sintetizar literatura, contrastar teorías, argumentar con evidencia e identificar oportunidades de investigación.

Competencias adquiridas: síntesis crítica, argumentación académica y construcción conceptual.

Producto evaluable: borrador del marco teórico con mapa conceptual y referencias verificadas.

### Módulo 6. Ingeniería de interacción con inteligencia artificial para investigar

Objetivo general: diseñar interacciones con sistemas de IA que mejoren tareas investigativas sin comprometer el rigor ni la autonomía intelectual.

Capítulo 16. Fundamentos y límites de la IA generativa

16.1. Modelos de lenguaje y generación de respuestas. 16.2. Diferencias entre predicción textual, razonamiento aparente y evidencia verificable. 16.3. Alucinaciones, sesgos, omisiones y desactualización. 16.4. Criterios para seleccionar herramientas según la tarea, privacidad y coste.

Capítulo 17. Diseño de instrucciones investigativas

17.1. Definición del objetivo, contexto, alcance y restricciones. 17.2. Instrucciones estructuradas y formatos de salida. 17.3. Solicitud de contraargumentos, alternativas y análisis de incertidumbre. 17.4. Iteración, evaluación y mejora de instrucciones.

Capítulo 18. Flujos de trabajo científicos asistidos por IA

18.1. Descomposición de tareas complejas en etapas verificables. 18.2. Comparación de fuentes, argumentos y versiones documentales. 18.3. Registro de instrucciones, respuestas, cambios y verificaciones. 18.4. Supervisión humana y criterios para rechazar resultados de IA.

Resumen: desarrolla un método de colaboración humano-IA en el que las tareas se dividen, los resultados se contrastan y las decisiones se justifican.

Qué aprenderán: crear instrucciones eficaces, evaluar respuestas, diseñar flujos de trabajo y documentar el uso de IA.

Competencias adquiridas: alfabetización en IA, diseño de instrucciones, evaluación crítica y supervisión de resultados.

Producto evaluable: cuaderno de trabajo humano-IA con instrucciones, respuestas seleccionadas, comprobaciones y correcciones documentadas.

### PARTE III. Diseño, ejecución y validación

### Módulo 7. Diseño metodológico y estrategia de investigación

Objetivo general: seleccionar y justificar un diseño metodológico congruente con el problema, los objetivos y la naturaleza de la evidencia requerida.

Capítulo 19. Paradigmas y enfoques de investigación

19.1. Fundamentos epistemológicos y supuestos de conocimiento. 19.2. Investigación cuantitativa, cualitativa y mixta. 19.3. Investigación básica, aplicada, evaluativa y de desarrollo. 19.4. Correspondencia entre pregunta, enfoque y diseño.

Capítulo 20. Diseños, población y selección de participantes

20.1. Diseños experimentales, observacionales y no experimentales. 20.2. Estudios transversales, longitudinales y estudios de caso. 20.3. Población, muestra, muestreo y criterios de selección. 20.4. Alcances, limitaciones y validez de las inferencias.

Capítulo 21. Instrumentos y procedimientos

21.1. Encuestas, entrevistas, observación y análisis documental. 21.2. Construcción de instrumentos e indicadores. 21.3. Pilotaje, validez y confiabilidad, según el instrumento. 21.4. Protocolos de recolección, almacenamiento y control de calidad.

Resumen: enseña a justificar las decisiones metodológicas en función de la pregunta científica, no de la herramienta disponible.

Qué aprenderán: elegir diseños, definir unidades de análisis, desarrollar instrumentos y planificar la obtención de evidencia.

Competencias adquiridas: diseño metodológico, planificación operativa y evaluación de la calidad de los instrumentos.

Producto evaluable: protocolo metodológico con procedimientos, instrumentos y plan de muestreo cuando corresponda.

### Módulo 8. Ciencia de datos, análisis e interpretación de resultados

Objetivo general: preparar, analizar e interpretar datos de forma coherente con el diseño de investigación, empleando herramientas digitales y asistencia de IA cuando resulte apropiado.

Capítulo 22. Preparación y calidad de los datos

22.1. Estructuración de bases de datos y diccionarios de variables. 22.2. Datos faltantes, inconsistencias, duplicados y valores atípicos. 22.3. Anonimización y control de acceso. 22.4. Trazabilidad de transformaciones y conservación de datos originales.

Capítulo 23. Técnicas de análisis cuantitativo y cualitativo

23.1. Estadística descriptiva y visualización. 23.2. Fundamentos de inferencia estadística y sus supuestos. 23.3. Codificación, categorización y análisis temático cualitativo. 23.4. Integración de evidencia en diseños mixtos.

Capítulo 24. Interpretación, contrastación y límites de las conclusiones

24.1. Resultados frente a objetivos e hipótesis. 24.2. Significación estadística, magnitud del efecto e incertidumbre. 24.3. Interpretación contextual y contraste con la literatura. 24.4. Sesgos, explicaciones alternativas y límites de generalización.

Resumen: el estudiante aprende a convertir datos en resultados interpretables sin confundir asociación con causalidad ni salida automatizada con demostración científica.

Qué aprenderán: limpiar datos, seleccionar técnicas de análisis, interpretar resultados y reconocer limitaciones.

Competencias adquiridas: alfabetización de datos, razonamiento analítico, interpretación crítica y comunicación de incertidumbre.

Producto evaluable: informe de análisis con datos documentados, procedimientos reproducibles y conclusiones justificadas.

### Módulo 9. Integridad, ética, reproducibilidad y auditoría científica

Objetivo general: asegurar que el proceso investigativo respete los derechos de las personas, la integridad académica y los principios de transparencia y verificabilidad.

Capítulo 25. Ética y responsabilidad investigativa

25.1. Consentimiento informado y participación voluntaria. 25.2. Protección de datos personales y confidencialidad. 25.3. Conflictos de interés, autoría y responsabilidad. 25.4. Consideraciones éticas específicas del uso de IA.

Capítulo 26. Integridad académica y prevención de malas prácticas

26.1. Plagio, fabricación, falsificación y manipulación de resultados. 26.2. Citas incorrectas y referencias inexistentes. 26.3. Sesgos de selección, reporte selectivo y exageración de conclusiones. 26.4. Declaración transparente de la asistencia de IA.

Capítulo 27. Reproducibilidad y auditoría de la investigación

27.1. Registro de protocolos, decisiones y modificaciones. 27.2. Versionado de documentos y conservación de evidencias. 27.3. Reproducción de análisis y verificación independiente. 27.4. Auditoría mediante listas de control y revisión humana.

Resumen: establece mecanismos para que la investigación pueda examinarse, verificarse y evaluarse responsablemente.

Qué aprenderán: detectar riesgos éticos, documentar decisiones, proteger datos y facilitar la revisión independiente.

Competencias adquiridas: integridad científica, gestión ética de información, trazabilidad y auditoría.

Producto evaluable: expediente de integridad con declaración de IA, evaluación de riesgos y lista de comprobación de reproducibilidad.

### PARTE IV. Producción, evaluación y transferencia científica

### Módulo 10. Escritura científica y producción de documentos académicos

Objetivo general: comunicar los resultados y argumentos de la investigación mediante documentos claros, estructurados, verificables y adecuados al propósito académico.

Capítulo 28. Arquitectura de la escritura científica

28.1. Estructura de perfiles, protocolos, tesis e informes. 28.2. Organización de introducción, métodos, resultados y discusión, cuando corresponda. 28.3. Coherencia argumentativa, claridad y precisión terminológica. 28.4. Adaptación del documento al lector y a las normas institucionales.

Capítulo 29. Redacción académica asistida por IA

29.1. Planificación de secciones y organización de argumentos. 29.2. Revisión de claridad, gramática, cohesión y consistencia. 29.3. Comparación de versiones y aceptación crítica de sugerencias. 29.4. Preservación de la voz, la autoría y el significado original.

Capítulo 30. Referencias, tablas, figuras y presentación

30.1. Citación y referencias según el estilo requerido. 30.2. Tablas, gráficos, diagramas y criterios de visualización. 30.3. Anexos, instrumentos y documentación complementaria. 30.4. Revisión editorial, formato y control de versiones.

Resumen: integra la lógica científica, la redacción académica y la presentación editorial en un documento coherente.

Qué aprenderán: estructurar documentos, mejorar la redacción, presentar resultados y revisar referencias y elementos gráficos.

Competencias adquiridas: comunicación científica, edición académica y producción documental.

Producto evaluable: manuscrito académico completo en una versión lista para revisión.

### Módulo 11. Evaluación científica, revisión por pares y defensa

Objetivo general: desarrollar la capacidad de someter una investigación a evaluación crítica, responder observaciones y defender sus decisiones con evidencia.

Capítulo 31. Sistemas de evaluación y rúbricas científicas

31.1. Criterios de calidad conceptual, metodológica y documental. 31.2. Rúbricas analíticas y niveles de desempeño. 31.3. Evaluación formativa y sumativa. 31.4. Diferencias entre calidad formal, rigor científico y novedad.

Capítulo 32. Revisión por pares y mejora iterativa

32.1. Lectura crítica de investigaciones propias y ajenas. 32.2. Detección de inconsistencias y afirmaciones insuficientemente sustentadas. 32.3. Formulación de observaciones constructivas. 32.4. Respuesta documentada a comentarios y control de cambios.

Capítulo 33. Defensa oral y argumentación científica

33.1. Organización de una presentación académica. 33.2. Comunicación de métodos, resultados y limitaciones. 33.3. Respuestas a preguntas, objeciones y contraargumentos. 33.4. Simulación de defensa con evaluación del profesor humano.

Resumen: transforma la revisión y la defensa en procesos de aprendizaje, no en trámites finales.

Qué aprenderán: evaluar documentos, responder críticas, justificar decisiones y comunicar hallazgos con rigor.

Competencias adquiridas: evaluación científica, argumentación, comunicación oral y mejora basada en retroalimentación.

Producto evaluable: informe de revisión por pares, versión corregida del trabajo y defensa oral sin sustituir el razonamiento propio por respuestas generadas automáticamente.

### Módulo 12. Publicación, transferencia y proyecto científico integrador

Objetivo general: consolidar las competencias adquiridas mediante un proyecto de investigación completo y preparar sus resultados para comunicación, aplicación o publicación según corresponda.

Capítulo 34. Estrategias de publicación y difusión

34.1. Selección de revistas y canales de comunicación adecuados. 34.2. Alcance, audiencia, requisitos editoriales y revisión por pares. 34.3. Acceso abierto, costos editoriales y licencias. 34.4. Identificación de revistas depredadoras y prácticas editoriales cuestionables.

Capítulo 35. Transferencia y aplicación del conocimiento

35.1. Relación entre hallazgos científicos y problemas reales. 35.2. Recomendaciones fundamentadas y límites de aplicación. 35.3. Informes técnicos, divulgación y comunicación a públicos no especializados. 35.4. Impacto potencial, indicadores y agenda de investigación futura.

Capítulo 36. Proyecto científico integrador INVESTIGA-IA 360°

36.1. Consolidación del expediente investigativo. 36.2. Revisión integral de coherencia, evidencia, metodología y ética. 36.3. Auditoría final de fuentes, datos, referencias y uso de IA. 36.4. Presentación, defensa, evaluación y plan de mejora posterior.

Resumen: culmina el recorrido formativo con un producto que debe demostrar la capacidad del estudiante para integrar y justificar todas las etapas de la investigación.

Qué aprenderán: preparar una investigación para su difusión, explicar su contribución y elaborar una agenda realista de continuidad.

Competencias adquiridas: integración investigativa, transferencia del conocimiento, planificación de publicación y defensa académica.

Producto evaluable: proyecto final defendido ante el profesor humano y, cuando proceda, ante un panel académico.

### 4\. Estructura pedagógica estándar de cada capítulo

Para que el libro tenga una identidad editorial y didáctica consistente, recomiendo que los 36 capítulos sigan una plantilla común.

### Plantilla maestra de capítulo

* Título y código: número de módulo, capítulo e identificación del tema.

* Situación de apertura: problema real, caso académico o dilema científico.

* Objetivo general: capacidad que se espera desarrollar.

* Objetivos específicos: resultados observables al finalizar el capítulo.

* Mapa conceptual: relación entre conceptos principales.

* Desarrollo teórico: capítulos, incisos y subincisos con definiciones y ejemplos.

* Caso práctico: aplicación a un proyecto de investigación real o simulado.

* Laboratorio de IA: actividad guiada, instrucciones, verificación y reflexión crítica.

* Intervención del profesor humano: explicación, discusión, retroalimentación y aclaración de dudas.

* Actividad autónoma: ejercicio individual o colaborativo con instrucciones y entregables.

* Errores frecuentes: fallos conceptuales, metodológicos y de uso de IA.

* Resumen ejecutivo: síntesis de los conocimientos y decisiones esenciales.

* Qué aprendí: autoevaluación reflexiva del estudiante.

* Competencias adquiridas: resultados de aprendizaje observables y evaluables.

* Evaluación: cuestionario, ejercicio aplicado, rúbrica o defensa breve.

* Referencias verificables: bibliografía académica y fuentes de consulta.

Esta plantilla evita que el libro sea solamente un compendio de información. Cada capítulo conecta teoría, práctica, interacción humana, uso crítico de IA y evaluación.

### 5\. Modelo de formación 100 % virtual con profesor humano

La modalidad virtual debe estar presente en el diseño de las actividades, la evaluación y el acompañamiento, no limitarse a subir el libro a una plataforma.

A. Encuentros sincrónicos

Clases por videoconferencia, demostraciones, análisis de casos, seminarios de investigación y tutorías con el profesor.

B. Aprendizaje asincrónico

Lecturas digitales, videos, ejercicios, materiales descargables, cuestionarios y laboratorios guiados de IA.

C. Acompañamiento humano

Retroalimentación sobre entregables, tutorías individuales o grupales, revisión metodológica y orientación para resolver dificultades.

D. Comunidad académica virtual

Foros moderados, revisión por pares, discusión de artículos y seminarios de presentación de avances.

E. Evaluación auténtica

Portafolio digital, tareas aplicadas, versiones sucesivas de documentos, defensa oral y evaluación mediante rúbricas.

### Funciones que corresponden al profesor humano

* Explicar los fundamentos teóricos y metodológicos.

* Orientar la selección del tema y el diseño de la investigación.

* Detectar errores de razonamiento y problemas de coherencia.

* Evaluar la calidad de las fuentes y las decisiones metodológicas.

* Dar retroalimentación individualizada.

* Moderar debates y revisión por pares.

* Valorar la autoría, la comprensión y la capacidad de defender el trabajo.

* Resolver dudas que requieren criterio académico y contextual.

La IA puede facilitar ejercicios, exploración de alternativas y revisión preliminar, pero no debe sustituir la supervisión docente ni decidir por sí sola la aprobación de una tesis o investigación.

### 6\. Carga horaria y organización académica propuesta

Para convertir el libro en un programa formativo implementable, sugiero una primera edición de 240 horas académicas de trabajo total, distribuidas en 24 semanas. Esta carga es una propuesta de diseño, no un requisito oficial de la UAGRM.

Distribución ilustrativa: 48 + 60 + 36 + 72 + 24 = 240 horas.

### Distribución por módulos

| Módulo | Horas | Producto principal |
| ——————————– | —– | ——————————- |
| 1. Investigador aumentado | 12 | Diagnóstico y portafolio |
| 2. Problema científico | 18 | Problema, preguntas y objetivos |
| 3. Coherencia investigativa | 18 | Matriz de coherencia |
| 4. Evidencia científica | 20 | Expediente documental |
| 5. Fundamentación teórica | 20 | Marco teórico |
| 6. IA para investigar | 20 | Cuaderno humano-IA |
| 7. Diseño metodológico | 24 | Protocolo metodológico |
| 8. Análisis de datos | 24 | Informe de análisis |
| 9. Integridad y reproducibilidad | 16 | Expediente de integridad |
| 10. Escritura científica | 20 | Manuscrito académico |
| 11. Evaluación y defensa | 16 | Revisión y defensa |
| 12. Proyecto integrador | 32 | Investigación final |
| Total | 240 | Portafolio científico integral |

Las horas por módulo incluyen el conjunto de actividades académicas y no deben sumarse nuevamente a las horas de clases, tutorías o laboratorios indicadas en el gráfico.

### 7\. Sistema de evaluación por competencias

El sistema debe evaluar tanto el proceso como el producto final.

| Criterio | Peso |
| ——————————————- | —– |
| Formulación del problema y coherencia | 15 % |
| Fundamentación teórica y fuentes | 15 % |
| Diseño metodológico | 20 % |
| Análisis e interpretación de evidencia | 15 % |
| Uso responsable y verificable de IA | 10 % |
| Integridad, trazabilidad y reproducibilidad | 10 % |
| Producto final y defensa oral | 15 % |
| Total | 100 % |

### Condiciones de aprobación recomendadas

* Cumplir los requisitos mínimos de participación establecidos.

* Entregar los productos esenciales de cada etapa.

* Alcanzar el umbral de desempeño definido por la institución.

* Corregir observaciones críticas de metodología, ética y fuentes.

* Defender personalmente las decisiones principales del proyecto.

* Declarar de forma transparente la asistencia de IA.

El programa debería evitar que una buena presentación formal compense deficiencias graves de evidencia o metodología. Los criterios de aprobación deben publicarse antes del inicio del curso.

### 8\. Elementos que darían identidad propia al libro

La principal innovación pedagógica sería utilizar cinco instrumentos transversales durante los 36 capítulos.


1\. Pasaporte del investigador

Registro progresivo de objetivos, competencias, decisiones, dificultades y avances del estudiante.

2\. Matriz de evidencia verificable

Cada afirmación importante se vincula con su fuente, ubicación, interpretación y grado de confianza.


3\. Bitácora de interacción humano-IA

Documenta instrucciones, resultados utilizados, errores detectados, correcciones y decisiones tomadas por el investigador.


4\. Semáforo de integridad científica

Clasifica el estado de las evidencias como verificadas, pendientes de verificación o rechazadas. No reemplaza una auditoría formal.


5\. Rúbrica de madurez investigativa

Mide el avance desde la comprensión inicial hasta la capacidad de justificar decisiones, revisar evidencia y defender conclusiones.

Estos instrumentos permiten dar continuidad al aprendizaje y generar evidencias de competencia que el profesor pueda revisar a lo largo del curso.

### 9\. Anexos técnicos que debería incluir la obra

Para facilitar su aplicación, recomiendo cerrar el libro con un conjunto de materiales listos para utilizar.

* Plantilla de perfil de investigación.

* Matriz de coherencia investigativa.

* Guía de búsqueda bibliográfica reproducible.

* Matriz de revisión de literatura.

* Plantilla de marco teórico.

* Modelo de protocolo metodológico.

* Fichas para diseño y evaluación de instrumentos.

* Lista de control para análisis de datos.

* Protocolo de ética y protección de información.

* Registro de uso de IA y verificación de resultados.

* Rúbricas de evaluación para cada producto.

* Plantilla de artículo científico.

* Guía de revisión por pares.

* Formato de respuesta a observaciones del profesor.

* Guía para la defensa oral.

* Rúbrica del proyecto científico integrador.

* Glosario de metodología e inteligencia artificial.

* Bibliografía académica recomendada y recursos digitales.

La bibliografía debe verificarse antes de la publicación, incluyendo autores, títulos, fechas, DOI o URL cuando corresponda. Conviene actualizar periódicamente los apartados sobre herramientas de IA, ya que sus funciones, condiciones de uso y políticas cambian con el tiempo.

### 10\. Recomendación editorial definitiva

Recomiendo publicar la obra como un libro de texto universitario acompañado de un manual de aplicación docente, manteniendo una misma arquitectura metodológica.

* Volumen I: fundamentos, formulación del problema, evidencia, teoría e IA.

* Volumen II: diseño metodológico, análisis, integridad y producción científica.

* Manual docente complementario: planificación de clases virtuales, actividades, rúbricas, tutorías y criterios de evaluación.

El libro debe diferenciar claramente los contenidos conceptuales, las instrucciones prácticas y las decisiones que requieren juicio del investigador o intervención del profesor humano.

La combinación de 12 módulos, 36 capítulos, productos progresivos, instrumentos de trazabilidad y defensa final constituye una propuesta curricular coherente que puede convertirse en un programa virtual universitario. Su implementación requerirá validación académica, revisión bibliográfica, pilotaje con estudiantes y ajustes basados en resultados.

Título recomendado para la edición inicial: INVESTIGACIÓN INTELIGENTE 360°: Método de Investigación Científica Aumentada por Inteligencia Artificial y Supervisión Humana.

El siguiente paso editorial más útil sería desarrollar el Módulo 1 completo, con todos sus capítulos, subincisos desarrollados, ejemplos, ejercicios, instrucciones de IA, actividades virtuales con profesor humano, evaluaciones y bibliografía verificada, y continuar después con los módulos restantes siguiendo la misma estructura.