Implementacion de la metodologia F.I.A.R empleando la IAG para el desarrollo de proyectos investigativos en la universidad

La Inteligencia Artificial ya forma parte de la vida académica, pero su presencia no significa necesariamente que esté bien integrada en los procesos de enseñanza e investigación. Muchos docentes y estudiantes recurren a ella para resolver tareas puntuales, redactar textos o responder preguntas de último momento, sin incorporarla de manera estructurada al trabajo científico. En SILIA 2026, los investigadores Dionisio Ponce y Edmundo Jalón presentan una alternativa a este uso reactivo: la Metodología FIAR, un ciclo basado en Foco, Intención, Acción y Reacomodo que busca convertir a la IA en un verdadero interlocutor cognitivo para investigar, aprender, cuestionar y producir conocimiento.

Una metodología para transformar la relación entre IA e investigación

El diagnóstico presentado por los investigadores evidencia una brecha importante entre utilizar Inteligencia Artificial y saber integrarla pedagógica y científicamente. Aunque el 90% de los docentes analizados reconoce y utiliza herramientas de IA generativa en su vida cotidiana, solo el 26,7% consigue incorporarlas de manera estructural y curricular. Además, el 63,3% recurre a ellas principalmente de manera reactiva para resolver necesidades específicas.

Frente a este escenario surge el Ciclo FIAR, una metodología que organiza la investigación asistida por IA en cuatro fases: Foco, Intención, Acción y Reacomodo. Cada etapa corresponde a un momento concreto del proceso investigativo y propone utilizar la tecnología de acuerdo con un propósito definido.

El planteamiento va más allá de emplear la IA como generadora automática de contenidos. Su objetivo es convertirla en un soporte para la focalización documental, la definición de objetivos, el diseño metodológico, la construcción crítica y la optimización del proceso científico, manteniendo siempre la reflexión, el criterio académico y la responsabilidad ética del investigador.

Cómo funciona el Ciclo FIAR en la investigación científica

1.La universidad necesita pasar de las certezas al pensamiento crítico

Los ponentes describen la educación superior contemporánea como parte de un entorno mucho más complejo, intertextual y dinámico que el modelo universitario tradicional. En este contexto, la Inteligencia Artificial no debería entenderse únicamente como una herramienta instrumental. Puede convertirse en un interlocutor dentro del proceso formativo, siempre que su utilización esté acompañada por una identidad reflexiva, crítica y ética. El reto consiste en aprender a desarrollar pensamiento en red sin delegar en la tecnología la responsabilidad intelectual del investigador.

2.El uso extendido de IA todavía no significa integración curricular

El estudio presentado en la conferencia, realizado con docentes de áreas como Odontología, Obstetricia y Derecho, muestra una adopción considerable de la IA generativa, pero también una limitada integración metodológica. Mientras el 90% declara utilizarla, apenas un 26,7% la incorpora estructuralmente a su planificación. El 53,3% la emplea como apoyo cognitivo y el 50% para delimitar problemas científicos, mientras que el 63,3% realiza adaptaciones textuales de acuerdo con los ritmos de aprendizaje de los estudiantes.

3.La evaluación también debe transformarse

El avance de la IA está impulsando modificaciones en las prácticas de evaluación. Según los datos presentados, un 46,4% de los docentes ha comenzado a incorporar diálogos argumentativos y defensas orales. Este cambio busca fortalecer un pensamiento más profundo y reflexivo, trasladando el énfasis desde la simple generación de una respuesta hacia la capacidad del estudiante para justificarla, comprenderla, defenderla y relacionarla con un problema académico específico.

4.Foco: delimitar antes de preguntar

La primera fase del Ciclo FIAR corresponde a la focalización documental. Su propósito es delimitar de manera adecuada la idea de investigación y construir una base inicial de comprensión. En esta etapa se pueden utilizar modelos de lenguaje general como ChatGPT o Claude. El objetivo no es solicitar inmediatamente un trabajo terminado, sino explorar conceptos, organizar antecedentes, precisar preguntas y definir con mayor claridad qué se quiere investigar.

5.Intención: convertir la idea en un proyecto investigable

En la segunda fase se establecen los objetivos y se estructura el plano proyectivo de la investigación. Aquí el investigador debe precisar qué pretende demostrar, analizar o comprender y comenzar a construir la descripción metodológica. Los ponentes mencionan herramientas de búsqueda y apoyo como Perplexity y Google Gemini. La tecnología se utiliza para ampliar perspectivas y localizar información relevante, pero siempre subordinada a una intención científica previamente definida.

6.Acción: construir, contrastar y diseñar

La fase de Acción corresponde al desarrollo y construcción del proceso investigativo. La IA funciona aquí como soporte crítico y de diseño. Pueden emplearse herramientas como Claude, Google NotebookLM o entornos de generación visual como DALL-E y Midjourney, dependiendo de las necesidades del proyecto. La finalidad es crear un andamiaje cognitivo que ayude al investigador a organizar información, contrastar posibilidades y representar ideas sin reemplazar la interpretación académica.

7.Reacomodo: revisar, rediseñar y optimizar

FIAR no plantea la investigación como un recorrido lineal. La fase de Reacomodo permite revisar lo desarrollado, identificar inconsistencias y rediseñar estructuras. En este momento pueden utilizarse modelos avanzados como Claude o herramientas basadas en la familia de modelos Llama. La lógica es iterativa: el investigador analiza los resultados, modifica el planteamiento cuando es necesario y vuelve sobre fases anteriores hasta lograr una estructura científica más consistente.

8.La metodología ya presenta resultados académicos concretos

De acuerdo con los casos presentados en la ponencia, la aplicación de este enfoque en Uniandes ha permitido que 141 estudiantes universitarios aparezcan como autores o coautores en revistas indexadas, además de generar más de 100 ponencias científicas. El modelo incorpora también entrenamiento para estructurar prompts mediante mapas mentales y busca desarrollar un ecosistema de aprendizaje en el que los estudiantes pasen de consumir contenidos a convertirse en productores de conocimiento científico.

Conclusión

La innovación educativa no consiste simplemente en permitir que docentes y estudiantes utilicen Inteligencia Artificial, sino en ofrecerles un método para hacerlo con propósito. El Ciclo FIAR propone precisamente ese tránsito: pasar de una IA utilizada de forma reactiva a una IA integrada como andamiaje cognitivo para investigar, cuestionar, construir y revisar conocimiento.