ActiFolio: Entrega de la actividad R5

Inteligencia Artificial Generativa en docentes universitarios de Posgrado: uso, valoración y percepciones según género en una universidad privada de Lima Metropolitana, 2026

El motivo por el que escogí este tema responde a varias razones. La primera es personal: nace de observar la dinámica de mi propia familia, la disparidad de género tanto en la elección de profesiones de mi abuelo y abuela como en la adopción de tecnología. Esa misma observación reapareció en mi profesión, cuando durante la pandemia acompañé a docentes y les brindé soporte en la adopción del aula virtual como recurso e intermediario de aprendizajes.

A ese interés, se suma el contexto actual: La Inteligencia Artificial Generativa avanza a un ritmo acelerado impulsada por estructuras económicas que sostienen estos modelos tales como grandes compañías, equipos robustos de investigación y desarrollo, y publicación casi diaria de nuevos proyectos. Su irrupción masiva suele situarse en la aparición de ChatGPT el cual marcó un punto importante en la masificación de estos modelos (Stanford HAI, 2026).

Esta transformación no es neutral en términos de género. Organismos internacionales como UNESCO (2024) y la Organización Mundial del Trabajo (2026) advierten que la IA puede profundizar las desigualdades digitales si no se diseña e implementa teniendo en cuenta estas variables. La preocupación es crítica para la Educación Superior: la OIT (2026) señala que las ocupaciones feminizadas presentan casi el doble de exposición a la Inteligencia Artificial Generativa que las masculinizadas (29% frente a 16%) y un riesgo de automatización más de cinco veces mayor (16% frente a 3%). Si las ocupaciones que históricamente desempeñan las mujeres están más expuestas, entonces la forma en que las y los docentes usan, valoran y perciben estas herramientas no es un detalle menor: define quiénes quedan en posición de adaptarse a esta transformación y quiénes corren el riesgo de verse desplazados por ella.

Este estudio busca encontrar esos usos, valoraciones y percepciones justificándose no solo en las métricas mundiales que alertan, sino en normativas nacionales que exigen y demandan identificarlas con el propósito de diseñar programas de mejora más aterrizados en beneficio de las y los docentes.

Parte 1: ¿Qué se hizo y en donde se hizo?

Uno de los principales retos fue encontrar investigaciones que respondan a los mismos contextos universitarios, y donde el género no se defina como una variable para análisis posterior sino que parta desde el diseño de la investigación. La búsqueda fue exhaustiva, y un poco difícil en algunos momentos. El uso, adopción y percepción suelen verse como variables horizontales y pocas veces aterrizan en condiciones más situadas como género, posiblemente edad, etc. En el siguiente genially comparto los resultados de esta búsqueda, así como los enlaces a las normativas que he mencionado. Igualmente, hacer una tabla y dos fases PRISMA me ayudó a analizar a fondo cada uno de mis hallazgos para tomar una decisión final.

Link de genially con evidencias y detalles de la investigación: https://view.genially.com/6a2b8a40e78a342cafa0f216

 

Parte 2: Elaboración de justificación

Una vez que pude recopilar todos estos estudios, y luego de su lectura exhaustiva, fui construyendo una narrativa que integre la justificación y pertinencia del tema. Partí desde la data global como The 2026 AI Index Report, el cual es un reporte que integra diferentes puntos de vista hacia la integración de la IA en nuestra sociedad. Luego, concatené mis ideas y definí su pertinencia con las normativas y leyes peruanas como la Ley Universitaria, la Política de Igualdad de Género y por último la Ley de Inteligencia Artificial. El resultado ha sido muy satisfactorio, pues he podido integrar varios aristas para este tema, el cual me motiva demasiado.

Parte 3: Elaboración de las preguntas de Investigación, objetivos e hipótesis.

En lo personal, esta parte fue una de las más retadoras. Sin embargo, la revisión de los materiales brindados en el curso así como el libro Metodología de la Investigación de Hernández Samperi et al. (2014)  ayudaron para poder identificar aquello que mediré y se presentará como parte de los resultados de la investigación. En la Universidad donde laboro y pienso aplicar el instrumento que forma parte de esta investigación contamos con los niveles de Pregrado y Posgrado, siendo este último la población escogida debido a la horizontalidad en la modalidad de los cursos que se imparten: todos son virtuales.

He optado por una investigación enfoque cuantitativo,  y de diseño no experimental transversal aplicado, mediante la cual observaré cual es el estado de las y los docentes con respecto al uso, valoración de la IA y su percepción hacia ella. La encuesta se aplicará en un momento determinado y se prevee compartir los resultados con la Universidad, realizando propuestas de trabajo a partir de la data recogida.

Esta investigación tiene enfoque de género. Para ello, he revisado las siguientes guías las cuales me han permitido analizar críticamente todo mi trabajo y adoptar la visión que pretende tener este estudio:

Comisión Europea. (2018). Gender equality in research and innovation. Directorate-General for Research and Innovation. https://research-and-innovation.ec.europa.eu/strategy/strategy-research-and-innovation/democracy-and-rights/gender-equality-research-and-innovation_en 

Fundación CIREM. (2012). Género y TIC: Incorporación de las mujeres a la sociedad de la información. Fundación CIREM.

Asimismo, se ha considerado el estudio de Blázquez Rodríguez M., Vartabedian J., Mancha Cáceres O. I. y Pichardo Galán J. I. (2025). Percepciones y usos de la inteligencia artificial en el profesorado universitario: un análisis desde la perspectiva de género cuyo instrumento es el antecedente principal de esta investigación, el cual se adaptará al contexto en el que se aplicará el estudio y por que guarda una relación directa con las variables previamente mencionadas.

Valoración final

Mi experiencia en esta asignatura y realizar los avances de mi TFM han partido de una motivación personal y de mis propias observaciones en el campo profesional. Agradezco mucho el acompañamiento del docente, el cual ha sido paciente para resolver mis dudas y tomar mis decisiones de una manera consciente sin desenfocar mi compromiso con el tema. Uno de los retos principales en la presente investigación, es la masividad de los estudios sobre Inteligencia Artificial que incorporaré en la versión final de mi TFM. Documentos como Magnifica Humanitas (2026) por ejemplo, vuelven pertinente la mirada hacia el ser humano y distintos factores para la adopción de la Inteligencia Artificial. Las normativas a nivel país representan otro reto mayor: Perú vive un panorama político cambiante, e incierto con respecto a normativas que se promulgan o se derogan, sin embargo y pese a ello, el compromiso institucional de la Universidad en donde aplicaré el instrumento y donde actualmente trabajo, y la motivación personal siempre estarán intactas.

Bibliografía relevante

Banco Mundial. (2025). AI in schools: Opportunities, challenges and realities for the future of learning. Vienna Development Knowledge Center. https://www.worldbank.org/en/programs/vienna-development-knowledge-center/brief/ai-in-schools-opportunities-challenges-realities-for-the-future-of-learning

Blázquez Rodríguez M., Vartabedian J., Mancha Cáceres O. I. y Pichardo Galán J. I. (2025). Percepciones y usos de la inteligencia artificial en el profesorado universitario: un análisis desde la perspectiva de género. Investigaciones Feministas, 16(1), 71-91. https://doi.org/10.5209/infe.100625 

Crompton, H., Burke, D. (2023) Artificial intelligence in higher education: the state of the field. Int J Educ Technol High Educ 20, 22 . https://doi.org/10.1186/s41239-023-00392-8 

Digital Education Council. (2026). Encuesta sobre la IA en la Educación Superior en América Latina 2026. Digital Education Council, Tecnológico de Monterrey. 

Hernández Sampieri, Roberto , Fernández Collado, Carlos , Baptista Lucio, María del Pilar (2014). Metodología de la investigación (6° ed.). México: McGraw Hill Interamericana Editores S.A. de C.V.

Hicks, M. (2017). Programmed inequality: How Britain discarded women technologists and lost its edge in computing. MIT Press.

Maslej, N., Fattorini, L., Perrault, R., Parli, V., Reuel, A., Brynjolfsson, E., Etchemendy, J., Ligett, K., Lyons, T., Manyika, J., Niebles, J. C., Shoham, Y., Wald, R., y Clark, J. (2026). The 2026 AI Index Report. Stanford University, Human-Centered Artificial Intelligence. https://hai.stanford.edu/ai-index/2026-ai-index-report 

Ministerio de la Mujer y Poblaciones Vulnerables. (2019). Política Nacional de Igualdad de Género. Decreto Supremo N.° 008-2019-MIMP. https://www.gob.pe/44830

Organización Internacional del Trabajo (OIT). (2026). Generative AI and the future of work: A gender perspective. OIT.

Presidencia del Consejo de Ministros. (2026). Estrategia Nacional de Inteligencia Artificial 2026-2030. Resolución Ministerial N.° 152-2026-PCM.

Superintendencia Nacional de Educación Superior Universitaria. (2015) Modelo de Licenciamiento y su implementación en el Sistema Universitario Peruano. Resolución del Consejo Directivo N.° 006-2015-SUNEDU/CD. https://www.sunedu.gob.pe/licenciamiento-institucional/ 

UNESCO. (2024). Artificial intelligence and gender equality: Key findings of UNESCO’s work on AI and gender. UNESCO.

Universitat Oberta de Catalunya (UOC). (2023). Informe sobre inteligencia artificial y perspectiva de género en la educación universitaria. UOC.

UKRI. (2026). Gendered dimensions of AI adoption in higher education. UK Research and Innovation.

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.

Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory. MIS Quarterly, 36(1), 157–178.