Habilidades investigativas en Medicina Humana: diagnóstico y programa basado en inteligencia artificial y lenguaje R
DOI:
https://doi.org/10.64492/s49hrb33Palabras clave:
habilidades investigativas, inteligencia artificial, IA, medicina humana, producción científica, RStudioResumen
Introducción: La formación médica exige habilidades para formular problemas de investigación, evaluar evidencia científica, analizar datos y comunicar resultados con rigor. Sin embargo, en estudiantes de pregrado persisten dificultades metodológicas, limitaciones en la lectura crítica y escaso dominio de herramientas digitales aplicadas a la investigación. Objetivo: Diagnosticar las habilidades investigativas de estudiantes de Medicina Humana y diseñar un programa formativo basado en inteligencia artificial y lenguaje R. Metodología: Se desarrolló una investigación aplicada educacional, sustentada en los paradigmas sociocrítico e interpretativo, con enfoque cualitativo y soporte cuantitativo, diseño no experimental, descriptivo y transversal. Participaron 59 estudiantes de una universidad pública de Áncash, seleccionados mediante muestreo no probabilístico por conveniencia. La información se obtuvo mediante entrevistas semiestructuradas, grupo focal y cuestionario. Los datos cualitativos se examinaron mediante codificación, análisis temático y triangulación; los datos cuantitativos se procesaron con frecuencias y porcentajes. Resultados: El 52,5 % de los estudiantes se ubicó en el nivel medio de autopercepción de habilidades investigativas; el 28,8 %, un nivel bajo; y el 18,7 %, un nivel alto. El análisis identificó tres necesidades formativas: dominio metodológico para el uso crítico de inteligencia artificial y R, fortalecimiento de la alfabetización científica y del razonamiento crítico, y mejora de la comunicación científica con criterios éticos. A partir del diagnóstico, se diseñó un programa organizado en cinco fases y cinco módulos vinculados con investigación científica, análisis de datos, lectura crítica, comunicación académica y publicación. Conclusiones: El diagnóstico evidenció un predominio del nivel medio de autopercepción de las habilidades investigativas, acompañado de necesidades formativas relacionadas con las competencias metodológicas, la alfabetización científica, el razonamiento crítico y la comunicación académica. El programa diseñado responde a estas necesidades y propone una ruta pedagógica cuya efectividad deberá evaluarse mediante su implementación posterior.
Referencias
Alvarado, L., & García, M. (2008). Características más relevantes del paradigma sociocrítico: su aplicación en investigaciones de educación ambiental y de enseñanza de las ciencias realizadas en el Doctorado de Educación del Instituto Pedagógico de Caracas. Sapiens. Revista Universitaria de Investigación, 9(2), 187–202.
Amgad, M., Tsui, M. M. K., Liptrott, S. J., & Shash, E. (2015). Medical student research: An integrated mixed-methods systematic review and meta-analysis. PLOS ONE, 10(6), e0127470. https://doi.org/10.1371/journal.pone.0127470
Aria, M., & Cuccurullo, C. (2017). Bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959–975. https://doi.org/10.1016/j.joi.2017.08.007
Brauer, D. G., & Ferguson, K. J. (2015). The integrated curriculum in medical education: AMEE Guide No. 96. Medical Teacher, 37(4), 312–322. https://doi.org/10.3109/0142159X.2014.970998
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101. https://doi.org/10.1191/1478088706qp063oa
Chan, K. S., & Zary, N. (2019). Applications and challenges of implementing artificial intelligence in medical education: Integrative review. JMIR Medical Education, 5(1), e13930. https://doi.org/10.2196/13930
Chang, Y., Ramnanan, C. J., & Ginsburg, S. (2017). Transformative learning in medical education: Fostering critical reflection and clinical reasoning. Medical Teacher, 39(8), 828-834. https://doi.org/10.1080/0142159X.2017.1332365
Chapman, H. J., & Veras-Estévez, B. A. (2024). Empowering medical students through collaborative writing sessions. The Clinical Teacher, 21(3), e13687. https://doi.org/10.1111/tct.13687
Conover, G. M., Monk, M. B., Nigli, S., & Awalt, A. (2024). Early exposure of medical students to a formal research program promotes successful scholarship in a multi-campus medical school. Medical Science Educator, 34(5), 1091–1103. https://doi.org/10.1007/s40670-024-02098-6
Creswell, J. W., & Poth, C. N. (2018). Qualitative inquiry and research design: Choosing among five approaches (4th ed.). SAGE Publications.
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285-296. https://doi.org/10.1016/j.jbusres.2021.04.070
Eldredge, J. D., Schiff, M. A., & Langsjoen, J. O. (2023). Effectiveness of a question formulation rubric with second-year medical students: A randomized controlled trial. Journal of the Medical Library Association, 111(1–2), 591–598. https://doi.org/10.5195/jmla.2023.1529
Fernández, R., & Torres, P. (2020). Evaluación crítica de la literatura científica y medicina basada en evidencia en estudiantes universitarios. Revista Educación Médica Superior, 34(3), 1-13.
Green, M. L., & Ellis, P. J. (1997). Impact of an evidence-based medicine curriculum based on adult learning theory. Journal of General Internal Medicine, 12(12), 742–750. https://doi.org/10.1046/j.1525-1497.1997.07159.x
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education.
Kasai, H., Asahina, M., Tajima, H., Shikino, K., Shimizu, I., Onodera, M., Kimura, Y., Araki, N., Tsukamoto, T., Yoshida, S., Yamauchi, K., & Ito, S. (2024). Effectiveness of a report writing training program using peer review: Evidence from first-year medical students. BMC Medical Education, 24, Article 1132. https://doi.org/10.1186/s12909-024-06041-6
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274
Kvale, S., & Brinkmann, S. (2015). InterViews: Learning the craft of qualitative research interviewing (3rd ed.). SAGE Publications.
Lee, M. G. Y., Hu, W. C. Y., & Bilszta, J. L. C. (2020). Determining expected research skills of medical students on graduation: A systematic review. Medical Science Educator, 30(4), 1465–1479. https://doi.org/10.1007/s40670-020-01059-z
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
Masters, K. (2019). Artificial intelligence in medical education. *Medical Teacher, 41*(9), 976–980. https://doi.org/10.1080/0142159X.2019.1595557
Miles, M. B., Huberman, A. M., & Saldaña, J. (2018). Qualitative data analysis: A methods sourcebook (4th ed.). SAGE Publications.
Mohan, L., Singh, Y., Kathrotia, R., Cariappa, M. P., Khera, A., & Ghosh, S. (2020). Scientific literacy and the medical student: A cross-sectional study. The National Medical Journal of India, 33(1), 35–37. https://doi.org/10.4103/0970-258X.308242
Morgan, D. L. (2019). Basic and advanced focus groups. SAGE Publications.
Murdoch-Eaton, D., & Whittle, S. (2012). Generic skills in medical education: Developing the tools for successful lifelong learning. Medical Education, 46(1), 120-128. https://doi.org/10.1111/j.1365-2923.2011.04065.x
Patra, S., & Khan, A. M. (2019). Development and implementation of a competency-based module for teaching research methodology to medical undergraduates. Journal of Education and Health Promotion, 8, Article 164. https://doi.org/10.4103/jehp.jehp_133_19
Polit, D. F., & Beck, C. T. (2006). The content validity index: Are you sure you know what's being reported? Critique and recommendations. Research in Nursing & Health, 29(5), 489–497. https://doi.org/10.1002/nur.20147
R Core Team. (2024). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.r-project.org/
Ramírez, V., Torres, E., & Mendoza, J. (2021). Presentación oral y visual de resultados científicos en educación superior. Revista Educación Médica Superior, 35(4), 1-12.
Sapci, A. H., & Sapci, H. A. (2020). Artificial intelligence education and tools for medical and health informatics students: Systematic review. *JMIR Medical Education, 6*(1), e19285. https://doi.org/10.2196/19285
Turner, T. L., Balmer, D. F., & Coverdale, J. H. (2013). Methodologies and study designs relevant to medical education research. International Review of Psychiatry, 25(3), 301–310. https://doi.org/10.3109/09540261.2013.790310
Wartman, S. A., & Combs, C. D. (2018). Medical education must move from the information age to the age of artificial intelligence. *Academic Medicine, 93*(8), 1107–1109. https://doi.org/10.1097/ACM.0000000000002044.
Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science: Import, tidy, transform, visualize, and model data (2nd ed.). O’Reilly Media.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education: Where are the educators? International Journal of Educational Technology in Higher Education, 16, Article 39. https://doi.org/10.1186/s41239-019-0171-0
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Omar Bellido Valdiviezo, Samuel Honorio Martínez Huamán, Eva María Rojas Cordero
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores conservan los derechos de autor.
)
