La inteligencia artificial generativa en las revistas científicas de educación: retos éticos y editoriales desde la educación comparada

 

Por Verónica C. Cobano-Delgado, Alicia Sianes-Bautista, Tania F. Gómez Sánchez  y  Adrián Neubauer 

Palabras clave: REEC, inteligencia artificial generativa, publicación científica, autoría académica, revisión por pares, educación comparada

En los últimos años, las revistas científicas de educación han experimentado cambios profundos en sus dinámicas editoriales como consecuencia del desarrollo acelerado de nuevas tecnologías digitales. Entre ellas, la aparición de herramientas de inteligencia artificial, en adelante IA, capaces de producir textos coherentes y estructurados ha abierto un debate creciente sobre la escritura académica, la autoría y la evaluación científica. Estas herramientas, conocidas como inteligencia artificial generativa (IAG), se caracterizan por su capacidad para generar contenidos textuales a partir del análisis de grandes volúmenes de datos, lo que las distingue de otros sistemas de IA utilizados desde hace tiempo en el ámbito editorial (UNESCO, 2023).

Hasta fechas recientes, la IA se había integrado en la publicación científica de manera relativamente discreta. Sin embargo, la posibilidad de que sistemas automatizados intervengan directamente en la redacción de textos académicos introduce un cambio cualitativo que interpela a las revistas en su función de garantes de la calidad, la originalidad y la integridad del conocimiento que publican. Este giro ha sido señalado también en editoriales de alto impacto, que advierten de la necesidad de establecer límites claros para preservar la transparencia científica (Stokel-Walker & Van Noorden, 2023).

En el ámbito de la educación, esta cuestión resulta especialmente relevante. La escritura académica no constituye únicamente un medio para comunicar resultados, sino una práctica intelectual estrechamente vinculada a procesos de reflexión, posicionamiento teórico e interpretación crítica. La mediación de herramientas de IA en estos procesos plantea interrogantes que van más allá de la eficiencia o la productividad, afectando al núcleo mismo de la actividad investigadora (Thorp, 2023).

Estas preguntas afectan al conjunto de las revistas científicas de educación, pero adquieren una complejidad particular en el campo de la educación comparada. La investigación comparada se construye a partir de la diversidad de contextos nacionales, culturales y lingüísticos, y exige una atención especial a los marcos desde los que se interpretan los fenómenos educativos. En este sentido, el uso desigual de herramientas de IAG y los sesgos asociados, especialmente los de tipo cognitivo y la falta de transparencia algorítmica, a los datos con los que estas se entrenan pueden tener implicaciones relevantes para la producción y circulación del conocimiento (Martínez et al., 2022).

¿Qué está cambiando con la inteligencia artificial en la escritura académica?

Uno de los cambios más visibles asociados a la expansión de la IAG es su creciente utilización como apoyo en la escritura académica. Estas herramientas permiten resumir textos, reformular párrafos, traducir contenidos o elaborar borradores iniciales a partir de indicaciones generales. En distintos campos científicos, se ha señalado que estas prácticas están modificando la relación entre los/as investigadores/as y el proceso de escritura, desplazando parcialmente el esfuerzo desde la redacción hacia la supervisión del texto generado (Stokel-Walker & Van Noorden, 2023).

No obstante, esta aparente neutralidad instrumental encierra una transformación más profunda. A diferencia de otras herramientas digitales, la IAG puede intervenir en la organización del discurso académico, influyendo en el estilo argumentativo y en la formulación de ideas. Algunos/as autores/as han advertido de que este fenómeno puede favorecer una estandarización del lenguaje científico, con posibles efectos sobre la diversidad epistemológica y expresiva (OECD, 2023).

Autoría académica y responsabilidad científica

La cuestión de la autoría constituye uno de los ejes centrales del debate en torno al uso de la IAG en la publicación científica. Tradicionalmente, la autoría académica ha estado asociada a la responsabilidad intelectual sobre el contenido de un trabajo. La mediación de sistemas capaces de generar texto obliga a revisar esta concepción y a preguntarse qué significa realmente asumir la autoría de un artículo.

Organismos internacionales como el Committee on Publication Ethics han sido explícitos al señalar que las herramientas de IA no pueden ser consideradas autoras, ya que no pueden asumir responsabilidad ética ni rendir cuentas sobre el contenido publicado (COPE, 2023). De forma coherente, editoriales de alto impacto como Nature han establecido que los sistemas de IA no deben figurar como autores y que cualquier uso de estas herramientas debe ser declarado de forma transparente (Nature Editorial, 2023). De igual manera la American Psychological Association en la atribución de contenidos generados por IAG como propios, parece existir consenso en cuanto a cuestionar e incluso, en su caso, condenar la ética de tales prácticas (McAdoo et al., 2025).

Más allá de esta cuestión formal, el problema de fondo reside en la posible erosión de la responsabilidad científica. Investigaciones recientes en el ámbito de la educación superior subrayan que el uso de IAG en la escritura académica puede afectar a la integridad académica si no se acompaña de marcos claros de autoría, transparencia y alfabetización ética por parte de autores e instituciones (Bittle & El-Gayar, 2025). En este contexto, preservar la autoría como compromiso intelectual, y no solo como atribución formal, se convierte en una tarea central para las revistas científicas. En qué medida se puede generar conocimiento fiable si se desconocen las fuentes de las que proviene, lo que sugiere serias dudas sobre la calidad de la información que emana de IAG (Spennemann, 2025).

Revisión por pares y políticas editoriales

La IAG plantea también retos significativos para la revisión por pares, uno de los pilares del sistema de publicación científica. La dificultad para identificar el grado de intervención de estas herramientas en los manuscritos limita la capacidad de los revisores para valorar la originalidad y autenticidad de los textos, una preocupación señalada en debates recientes sobre integridad científica (COPE, 2023).

Al mismo tiempo, el uso de herramientas de IA por parte de revisores introduce nuevos dilemas relacionados con la confidencialidad de los manuscritos. Estudios recientes en el ámbito de la educación superior advierten de que la utilización de modelos de lenguaje como ChatGPT puede generar nuevas formas de deshonestidad académica difíciles de detectar, lo que obliga a replantear las estrategias editoriales y los criterios de evaluación tradicionales (Cotton et al., 2023).

Como respuesta, editoriales científicas como Springer Nature han actualizado sus políticas para exigir la declaración explícita del uso de IA y reafirmar que la responsabilidad última del contenido recae siempre en las personas autoras (Springer Nature, 2023).

La aportación de la educación comparada

La educación comparada aporta una mirada especialmente necesaria para analizar estos procesos. La investigación comparada permite visibilizar cómo una innovación tecnológica aparentemente global puede tener efectos diferenciados en función de los contextos nacionales, lingüísticos y académicos.

Tal como señala la UNESCO (2023), el desarrollo y la implementación de sistemas de IA no se producen de manera homogénea, lo que puede intensificar desigualdades existentes en la producción científica. En un campo como la educación comparada, donde la pluralidad de perspectivas constituye un valor central, estos desequilibrios no pueden ser ignorados.

Durante décadas, eminencias de la disciplina a nivel tanto nacional como internacional como José Luis García Garrido, Jürgen Schriewer, Robert Cowen, Val Rust, Isaac Kandel, Michael Sadler y Andreas M. Kazamias entre otros, han venido destacando a lo largo de la historia la importancia del rol de los y las comparatistas en la investigación propia de nuestra disciplina. García Garrido ya manifestaba a mediados de los años 80 del siglo pasado lo siguiente:

Después de obtener las conclusiones analíticas y de llegarse a una formulación correcta y definitiva de las hipótesis, el criterio de comparación adquiere rasgos cada vez más precisos. Pero es solo después de la yuxtaposición cuando llega a perfilarse con entera claridad y nos fuerza a valorar de modo distinto cada una de las opciones. Lo que significa que entramos, por segunda vez, en un terreno en el que volverán a ser importantísimas nuestra formación científica previa —la del investigador, se entiende— y nuestra particular ideología o visión del mundo (1986, p. 160).

Egido Gálvez y Martínez Usarralde (2019) recientemente avalan esta tendencia manifestando que “la solidez y calidad del estudio comparado están determinados por la profundidad de su interpretación” (p.77). Tal vez convendría abrir debate acerca de si en disciplinas como la educación comparada sería pertinente defender el factor humano y la artesanía académica como parte de su ethos, como una seña de identidad propia.

Desde esta perspectiva, las revistas de educación comparada están llamadas a desempeñar un papel activo en la reflexión sobre la gobernanza ética de la problemática que aquí atañe, el auge incontrolado de la IA (Saura et al. 2025), promoviendo políticas editoriales sensibles a la diversidad, al contexto, al desarrollo tecnológico y mutaciones socioculturales, pero también a la propia naturaleza e idiosincrasia de la disciplina.

Referencias

Bittle, K., & El-Gayar, O. (2025). Generative AI and academic integrity in higher education: A systematic review and research agenda. Information, 16(4), 296. https://doi.org/10.3390/info16040296

Committee on Publication Ethics. (2023). Authorship and AI tools. https://publicationethics.org

Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148

Egido Gálvez, I. y Martínez Usarralde, M. J. (2019). La educación comparada, hoy. Síntesis.

Elsevier. (2023). Responsible use of AI in research and publishing. https://www.elsevier.com  

García Garrido, J. L. (1991). Fundamentos de la Educación Comparada. Dykinson.

Martínez, N., Agudo, U., y Matute, H. (2022). Human cognitive biases present in Artificial Intelligence. Revista Internacional de los Estudios Vascos. RIEV, 67(2), 51–60.

McAdoo, T., Denneny, S. & Lee, C. (9 de septiembre de 2025). Citing generative AI in APA Style: Part 3—Is AI “allowed” in APA Style? Apa Style Blog. https://apastyle.apa.org/blog/cite-generative-ai-allowed  

Nature Editorial. (2023). Tools such as ChatGPT threaten transparent science; here are our ground rules. Nature, 613, 612. https://doi.org/10.1038/d41586-023-00191-1

OECD. (2023). Artificial intelligence in science: Challenges and opportunities. OECD Publishing. https://www.oecd.org  

Saura, G., Arguelho, M. y Casas, J. (2025). Mitos EdTech: Fetichismo, ejército digital de reserva y estado financiarizador en educación. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 23(4). https://doi.org/10.15366/reice2025.23.4.004

Spennemann, D. H. R. (2025). The Origins and Veracity of References ‘Cited’ by Generative Artificial Intelligence Applications: Implications for the Quality of Responses. Publications, 13(1), 12. https://doi.org/10.3390/publications13010012

Springer Nature. (2023). Artificial intelligence (AI): Policy for authors and reviewers. https://www.springernature.com

Stokel-Walker, C., & Van Noorden, R. (2023). What ChatGPT and generative AI mean for science. Nature, 614, 214–216. https://doi.org/10.1038/d41586-023-00340-6

Thorp, H. H. (2023). ChatGPT is fun, but not an author. Science, 379(6630), 313. https://doi.org/10.1126/science.adg7879  

UNESCO. (2023). Guidance on generative AI in education and research. UNESCO Publishing. https://www.unesco.org

Vicente, L., Matute, H., Fregosi, C., & Cabitza, F. (2025). Machine learning systems as mentors in human learning: A user study on machine bias transmission in medical training. International Journal of Human-Computer Studies, 198, 103474. https://doi.org/10.1016/j.ijhcs.2025.103474

Cómo citar esta entrada:

Cobano-Delgado, Verónica; Sianes-Bautista, Alicia, Gómez Sánchez, Tania, y Neubauer, Adrián. (2026). La inteligencia artificial generativa en las revistas científicas de educación: retos éticos y editoriales desde la educación comparada. Aula Magna 2.0 [blog]. https://cuedespyd.hypotheses.org/21444

---

Verónica C. Cobano-Delgado es profesora Titular de la Universidad de Sevilla, adscrita al Departamento de Teoría e Historia de la Educación y Pedagogía Social. Es Directora de Gestión de la Revista Española de Educación Comparada (REEC).

Alicia Sianes-Bautista es Profesora Permanente Laboral del Departamento de Historia de la Educación y Educación Comparada de la Universidad Nacional de Educación a Distancia (UNED). Es la creadora de HEDUCOM, el único pódcast sobre Educación Comparada e Historia de la Educación en español. Sus líneas de investigación son la Educación Comparada e Internacional, la Pedagogía en la Educación Superior y la Educación Infantil.

Tania F. Gómez Sánchez es profesora Ayudante Doctora en la Universidade da Coruña. Forma parte del área de Didáctica y Organización Escolar en la Facultad de Ciencias de la Educación.  Es miembro del Grupo de investigación en Innovaciones Educativas.

Adrián Neubauer es profesor Ayudante Doctor de la la Universidad Nacional de Educación a Distancia (UNED), adscrito al Departamento de Didáctica, Organización Escolar y Didácticas Especiales). Es Director de Contenidos de la Revista Española de Educación Comparada (REEC).

 

---

---