Co-diseño en investigación social con IA: hacia una colaboración metodológica transformadora
Marcela Ordiz – Coordinadora de equipo pedagógico del PED FLACSO
Reconfiguración Epistemológica del trabajo de investigación
La integración de la inteligencia artificial (IA) en la investigación social plantea interrogantes fundamentales sobre la naturaleza del conocimiento académico y los procesos metodológicos. Lejos de la narrativa dicotómica que presenta la IA como sustituto del investigador (o del docente), proponemos situarnos en el paradigma del co-diseño, donde se establece una relación colaborativa que potencia las capacidades analíticas y reflexivas del proceso investigativo.
Esta transformación epistemológica no constituye meramente una innovación tecnológica, sino una reconfiguración de las prácticas de investigación en ciencias sociales. ¿Cómo conceptualizar esta colaboración metodológica? ¿Qué roles específicos puede desempeñar la IA en el diseño y desarrollo de investigación en Ciencias Sociales?
Esta transformación epistemológica no constituye meramente una innovación tecnológica, sino una reconfiguración de las prácticas de investigación en ciencias sociales. ¿Cómo conceptualizar esta colaboración metodológica? ¿Qué roles específicos puede desempeñar la IA en el diseño y desarrollo de investigación en Ciencias Sociales?
Siete roles de la IA en la investigaciòn social, adaptación de los roles propuestos según Mollick y Mollick
En su trabajo “Assigning AI: Seven Approaches for Students, with Prompts”, Ethan y Lilach Mollick desarrollan un marco conceptual de siete enfoques para integrar la IA en contextos educativos, definiendo roles específicos: tutor, entrenador, mentor, compañero de equipo, herramienta, simulador y estudiante. Aunque este marco se diseñó originalmente para el ámbito pedagógico, su fundamentación teórica resulta especialmente pertinente para la investigación social, dado que los autores conceptualizan la IA como una tecnología de propósito general que puede emplearse en una “amplia variedad de formas” según las necesidades específicas del contexto de aplicación.
Esta característica de versatilidad tecnológica permite trasladar los principios metodológicos del marco educativo hacia el campo de la investigación social. En consecuencia, proponemos una reinterpretación sistemática de estos siete roles para establecer relaciones de co-diseño entre investigadores sociales y sistemas de IA, configurando así una colaboración metodológica donde cada componente —humano y computacional— contribuye con sus capacidades distintivas y complementarias al proceso de producción de conocimiento científico.
La siguiente tabla comparativa presenta la correspondencia conceptual entre los roles originales propuestos por Mollick y Mollick para el contexto educativo y su adaptación específica para la investigación en ciencias sociales, evidenciando cómo cada función se transforma y adquiere nuevas dimensiones metodológicas en el ámbito investigativo:
La siguiente tabla comparativa presenta la correspondencia conceptual entre los roles originales propuestos por Mollick y Mollick para el contexto educativo y su adaptación específica para la investigación en ciencias sociales, evidenciando cómo cada función se transforma y adquiere nuevas dimensiones metodológicas en el ámbito investigativo:
Cuadro comparativo: roles de IA según Mollick & Mollick y su adaptación para investigación en Ciencias Sociales
| Roles de IA según Mollick & Mollick | Roles adaptados para investigación en ciencias sociales | Correspondencia y transformación |
|---|---|---|
| MENTOR: proporciona retroalimentación que mejora los resultados de aprendizaje | Mentor reflexivo | La IA ofrece retroalimentación sobre el diseño metodológico, identifica posibles sesgos y cuestiona decisiones para promover la reflexividad en el proceso investigativo. |
| TUTOR: proporciona instrucción directa personalizada | Asistente metodológico | La IA ofrece instrucción específica sobre métodos de investigación, diseño de instrumentos y procedimientos adaptados al proyecto particular del investigador. |
| ENTRENADOR: promueve la metacognición y oportunidades para la reflexión | Provocador conceptual | La IA estimula la reflexión sobre los supuestos teóricos, desafía los marcos conceptuales establecidos y genera perspectivas alternativas para enriquecer el análisis. |
| COMPAÑERO o COLEGA: aumenta el rendimiento del equipo proporcionando puntos de vista alternativos | Colaborador analítico | La IA complementa el trabajo del investigador aportando capacidades de análisis, identificación de patrones y triangulación de datos desde perspectivas complementarias. |
| ESTUDIANTE: recibe explicaciones (enseñar a otros mejora el aprendizaje) | Interlocutor reflexivo | El investigador “enseña” a la IA sobre su tema de estudio, lo que le permite refinar sus propias explicaciones, identificar lagunas en su comprensión, verificar la coherencia de sus argumentos y articular con mayor claridad conceptos complejos. Este proceso de exposición fortalece la claridad conceptual del investigador. |
| SIMULADOR: facilita la práctica deliberada y aplicación del conocimiento | Generador de hipótesis | La IA simula diferentes escenarios explicativos y relaciones causales posibles, permitiendo al investigador practicar el razonamiento hipotético-deductivo con diversos modelos interpretativos. |
| HERRAMIENTA: ayuda a lograr más tareas en el mismo marco temporal | Mediador interdisciplinario | La IA funciona como herramienta para establecer conexiones entre distintas disciplinas, facilitando un análisis integrado que sería más difícil o consumiría más tiempo sin esta asistencia. |
A continuación, desarrollamos una descripción detallada de cada uno de estos siete roles adaptados para la investigación social, incluyendo sus fundamentos conceptuales y aplicaciones prácticas específicas que ilustran su implementación en diferentes contextos investigativos:
1. Asistente metodológico: soporte en diseño y procedimientos
La IA funciona como asistente metodológico, proporcionando apoyo especializado en el diseño de instrumentos de investigación, selección de métodos apropiados y planificación de procedimientos metodológicos. Esta función implica una asistencia técnica que complementa la experticia del investigador.
En el diseño de instrumentos de recolección de datos, la IA puede sugerir escalas psicométricas validadas, identificar sesgos metodológicos potenciales y recomendar estrategias de muestreo coherentes con los objetivos de investigación.
2. Colaborador analítico: análisis exploratorio y triangulación
El rol de colaborador analítico posiciona a la IA como un agente de apoyo en procesos de análisis exploratorio, identificación de patrones emergentes y triangulación metodológica. Esta función resulta particularmente relevante en el manejo de volúmenes extensos de datos cualitativos y cuantitativos.
En estudios de fenómenos migratorios urbanos, la IA puede procesar corpus amplios de entrevistas semiestructuradas, identificar categorías emergentes y señalar relaciones no evidentes entre variables sociodemográficas y experiencias migratorias.Recomendamos siempre anonimizar los datos.
3. Provocador conceptual: generación de perspectivas alternativas
La IA como provocador conceptual cumple la función de generar perspectivas teóricas alternativas, formular contra-argumentos y cuestionar los supuestos epistemológicos del investigador. Este rol promueve la reflexividad teórica y la apertura a marcos interpretativos diversos.
En investigaciones sobre polarización política digital, la IA puede generar hipótesis alternativas que cuestionen las relaciones causales asumidas y sugerir variables moderadoras o mediadoras no consideradas inicialmente.
4. Mentor reflexivo: promoción de la reflexividad metodológica
El mentor reflexivo constituye un mecanismo de retroalimentación crítica que cuestiona decisiones metodológicas, identifica sesgos potenciales y promueve la autoconciencia epistemológica en el proceso investigativo.
Durante la fase de análisis de datos, la IA puede revisar procesos de codificación, señalar inconsistencias interpretativas y alertar sobre posibles sesgos de confirmación en la construcción de categorías analíticas.
5. Interlocutor reflexivo: pedagogía inversa y clarificación conceptual
El rol de interlocutor reflexivo opera mediante un proceso de pedagogía inversa donde el investigador “enseña” a la IA sobre su objeto de estudio. Este intercambio didáctico permite refinar explicaciones teóricas, identificar lagunas conceptuales y verificar la coherencia argumentativa.
Al explicar marcos teóricos sobre gentrificación urbana a la IA, el investigador puede identificar ambigüedades conceptuales, fortalecer definiciones operacionales y articular con mayor precisión las relaciones entre variables.
6. Generador de hipótesis: exploración de relaciones causales
La función de generador de hipótesis posibilita la exploración de explicaciones alternativas y relaciones causales potenciales que podrían no ser evidentes en el análisis inicial. Este rol amplía el espectro de posibilidades interpretativas.
En estudios sobre deserción escolar, la IA puede sugerir hipótesis que conecten variables aparentemente no relacionadas, como infraestructura urbana y rendimiento académico, generando nuevas líneas de investigación.
7. Mediador interdisciplinario: integración de perspectivas disciplinarias
El mediador interdisciplinario facilita el diálogo entre campos disciplinarios diversos, estableciendo conexiones conceptuales y metodológicas que enriquecen el análisis desde una perspectiva transdisciplinaria.
En investigaciones sobre salud mental comunitaria, la IA puede integrar perspectivas de psicología social, epidemiología, urbanismo y políticas públicas, generando análisis más comprensivos y metodológicamente robustos.
El humano en el circuito: fundamentos de una epistemología colaborativa
Un concepto fundamental que promueven Mollick y Mollick es que los estudiantes (y, por extensión, los investigadores) deben “permanecer como el ‘humano en el circuito'” (the “human in the loop”). Este principio subraya que, independientemente de las capacidades tecnológicas disponibles, la agencia humana debe mantenerse como elemento rector del proceso de investigación, conservando la autoridad interpretativa y la responsabilidad epistemológica.
Esta reconfiguración hacia el co-diseño con IA trasciende la mera innovación instrumental; constituye una transformación paradigmática en la producción de conocimiento social. La colaboración permite abordar problemáticas de mayor complejidad, procesar información a escalas analíticas antes impracticables y generar insights con mayor profundidad interpretativa. Sin embargo, este potencial transformador debe equilibrarse con una comprensión clara de los límites y responsabilidades inherentes a esta nueva modalidad de investigación
La implementación efectiva del “humano en el circuito” conlleva desafíos epistémicos significativos. Los investigadores deben mantener una postura analítica consciente, asegurar que la IA complemente sin sustituir el juicio académico, y considerar sistemáticamente las implicaciones de esta alianza tecnológica. Esto implica desarrollar nuevas competencias: la habilidad de formular preguntas apropiadas a la IA, evaluar críticamente sus respuestas, y mantener la autonomía interpretativa frente a las sugerencias algorítmicas.
Como comunidad académica, tenemos la oportunidad de liderar esta transformación, manteniendo nuestro compromiso fundamental con el rigor científico y la responsabilidad social que define la investigación en ciencias sociales. El futuro no se configura como una dicotomía entre capacidades humanas y computacionales, sino como una colaboración que potencia ambas dimensiones, donde el investigador permanece como el arquitecto del conocimiento mientras la IA actúa como un colaborador especializado.
Esta transformación no es un horizonte futuro, sino una realidad presente que demanda de nosotros una aproximación rigurosa. La pregunta ya no es si debemos integrar la IA en nuestras prácticas investigativas, sino cómo hacerlo de manera que fortalezca, en lugar de comprometer, los valores fundamentales de la investigación social.
Referencia:
Mollick, Ethan R. and Mollick, Lilach, Assigning AI: Seven Approaches for Students, with Prompts (September 23, 2023). The Wharton School Research Paper, Available at SSRN: http://dx.doi.org/10.2139/ssrn.4475995
Nota de transparencia metodológica: Este texto fue desarrollado con la colaboración de Claude (Anthropic) en la corrección de la redacción, siguiendo los principios de co-diseño investigativo propuestos en el documento. La IA funcionó como asistente metodológico en la estructuración del contenido y colaborador analítico en la refinación de la expresión académica, manteniendo en todo momento al investigador humano como “humano en el circuito” responsable del contenido conceptual, la argumentación teórica y las decisiones epistemológicas fundamentales.
Cómo citar este artículo: Ordiz, M. (2025). Co-diseño en investigación social con IA: hacia una colaboración metodológica transformadora. Programa Educación a Distancia FLACSO. https://ped.flacso.org.ar/index.php/co-diseno-en-investigacion-social-con-ia/