El impacto de la inteligencia artificial generativa en la docencia universitaria de las disciplinas jurídicas y sociales

La utilización de la inteligencia artificial en la docencia e investigación universitaria 45 Compara los artículos más recientes e identificar las tendencias dominantes en un campo específico 13 . b. Detección de áreas poco exploradas Indicando vacíos de investigación, así como conceptos emergentes poco estudiados. c. Desajustes en la literatura Otro enfoque de la IA es la detección de inconsistencias o divergencias en las conclu- siones de diferentes estudios. d. Sugerencias y recomendaciones Finalmente, basándose en el análisis de tendencias y lagunas, la IA puede proponer nuevas líneas de investigación. Etapa 2. Formulación de hipótesis y diseño experimental A continuación, se describen dos formas que pueden aportar valor en estas fases iniciales del trabajo científico. 1. Generación de hipótesis basadas en la literatura existente Mediante técnicas de procesamiento de lenguaje natural (PLN), se generan hipótesis más informadas y relevantes, basadas en un análisis exhaustivo del estado del arte. Resaltamos Elicit.org 14 basada en IA para generar hipótesis, encontrar evidencia empírica y resumir lite- ratura científica. 2. Sugerencias para el diseño experimental A partir del análisis de estudios comparables, la IA puede sugerir enfoques metodológicos pertinentes (cuantitativos, cualitativos o mixtos), estrategias de muestreo, instrumentos de me- dición validados y técnicas estadísticas adecuadas para el análisis de datos. Etapa 3. Análisis de datos para la investigación académica Se basan en tres áreas: 1. Exploración de datos: identificación de patrones, tendencias y correlaciones Utilizando algoritmos de aprendizaje automático (machine learning), (Jordan,2015) 15 y técni- cas avanzadas de minería de datos 16 . 13 Mediante el análisis de patrones de citas, la IA puede detectar las áreas de investigación más relevantes 14  https://elicit.org 15 Jordan, M. I., &Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255–260. 16 A través de estas herramientas, se pueden identificar correlaciones, agrupamientos y tendencias ocultas en grandes conjuntos de datos.