Génesis Gissell Cabrera Salazar
Génesis Gissell Cabrera Salazar has a total of 4 co-authors. Here are the top co-authors by number of shared publications:
- David Israel Báez Herrera
Investigador Independiente
2 shared publications - Galo Fernando Almeida Casanova
Universidad Politécnica Estatal del Carchi
2 shared publications - Julio Alfredo Castillo Guillin
Investigador Independiente
2 shared publications - Ángel Patricio Herrera Carrión
Universidad Bolivariana del Ecuador
2 shared publications
Latest Publications
- 28 August 2026
- Published by Red Ecuatoriana de Docentes Investigadores Para la Ciencia y Tecnología
Inteligencia artificial para diseñar proyectos de investigación
Este libro analiza el uso de la inteligencia artificial como herramienta de apoyo para diseñar proyectos de investigación de manera más estructurada, crítica y metodológicamente coherente. La obra examina cómo estas tecnologías pueden intervenir desde la identificación y delimitación de problemas científicos hasta la formulación de preguntas, la comparación de alternativas metodológicas, el diseño de instrumentos y la evaluación de riesgos asociados con el proceso investigativo. A lo largo de cinco capítulos se estudian aplicaciones concretas de la inteligencia artificial para buscar y organizar antecedentes, detectar vacíos de conocimiento, analizar tendencias, generar y refinar preguntas científicas, simular decisiones sobre enfoque, diseño, población, muestra, técnicas de recolección y análisis de datos, así como revisar cuestionarios, escalas, entrevistas y protocolos de observación. También se abordan problemas relacionados con sesgos, errores, viabilidad, trazabilidad y confiabilidad de las decisiones asistidas. La obra sostiene que la inteligencia artificial puede ampliar la capacidad de exploración, comparación y revisión del investigador, pero no sustituye el juicio científico, la validación metodológica ni la comprobación de las fuentes. Su uso exige supervisión humana, criterios explícitos y una evaluación constante de la calidad de la información empleada.
- 28 August 2026
- Published by Red Ecuatoriana de Docentes Investigadores Para la Ciencia y Tecnología
Inteligencia artificial para diseñar proyectos de investigación
Este libro analiza el uso de la inteligencia artificial como herramienta de apoyo para diseñar proyectos de investigación de manera más estructurada, crítica y metodológicamente coherente. La obra examina cómo estas tecnologías pueden intervenir desde la identificación y delimitación de problemas científicos hasta la formulación de preguntas, la comparación de alternativas metodológicas, el diseño de instrumentos y la evaluación de riesgos asociados con el proceso investigativo. A lo largo de cinco capítulos se estudian aplicaciones concretas de la inteligencia artificial para buscar y organizar antecedentes, detectar vacíos de conocimiento, analizar tendencias, generar y refinar preguntas científicas, simular decisiones sobre enfoque, diseño, población, muestra, técnicas de recolección y análisis de datos, así como revisar cuestionarios, escalas, entrevistas y protocolos de observación. También se abordan problemas relacionados con sesgos, errores, viabilidad, trazabilidad y confiabilidad de las decisiones asistidas. La obra sostiene que la inteligencia artificial puede ampliar la capacidad de exploración, comparación y revisión del investigador, pero no sustituye el juicio científico, la validación metodológica ni la comprobación de las fuentes. Su uso exige supervisión humana, criterios explícitos y una evaluación constante de la calidad de la información empleada.
- Open Access
- 14 January 2026
- Published by Editorial JOGB in Journal of Multidisciplinary Novel Journeys & Explorations
- Vol. 4 (1) , 1-23
Competencias para el uso de inteligencia artificial y autoeficacia en el diseño de proyectos de investigación
Introducción: La incorporación de herramientas de inteligencia artificial en la investigación universitaria exige competencias que permitan comprender su funcionamiento, aplicarlas de forma pertinente, evaluar críticamente sus resultados y utilizarlas con criterios éticos. Paralelamente, la autoeficacia influye en la percepción de capacidad para formular y estructurar proyectos de investigación. Objetivo: Determinar la relación entre las competencias para el uso de inteligencia artificial y la autoeficacia en el diseño de proyectos de investigación. Metodología: Se desarrolló un estudio cuantitativo, no experimental, correlacional y transversal con 175 estudiantes universitarios de últimos semestres, seleccionados mediante muestreo no probabilístico por conveniencia. Se aplicó un cuestionario de 40 ítems adaptado a partir de SNAIL y C-RSES. La fiabilidad alcanzó α = 0,924 para competencias en IA y α = 0,934 para autoeficacia. Resultados: El 59,4 % presentó nivel medio de competencias en IA y el 52,0 % nivel medio de autoeficacia. Se obtuvo una correlación positiva y significativa entre las variables, r = 0,744, p < 0,001. Las correlaciones entre dimensiones oscilaron entre r = 0,462 y r = 0,588. Conclusión: Mayores competencias para utilizar inteligencia artificial se asociaron con una mayor autoeficacia para diseñar proyectos de investigación, sin que estos resultados permitan establecer causalidad.
- 14 January 2026
- Published by Editorial JOGB in Journal of Multidisciplinary Novel Journeys & Explorations
- Vol. 4 (1) , 1-23
Open AccessCompetencias para el uso de inteligencia artificial y autoeficacia en el diseño de proyectos de investigación
Introducción: La incorporación de herramientas de inteligencia artificial en la investigación universitaria exige competencias que permitan comprender su funcionamiento, aplicarlas de forma pertinente, evaluar críticamente sus resultados y utilizarlas con criterios éticos. Paralelamente, la autoeficacia influye en la percepción de capacidad para formular y estructurar proyectos de investigación. Objetivo: Determinar la relación entre las competencias para el uso de inteligencia artificial y la autoeficacia en el diseño de proyectos de investigación. Metodología: Se desarrolló un estudio cuantitativo, no experimental, correlacional y transversal con 175 estudiantes universitarios de últimos semestres, seleccionados mediante muestreo no probabilístico por conveniencia. Se aplicó un cuestionario de 40 ítems adaptado a partir de SNAIL y C-RSES. La fiabilidad alcanzó α = 0,924 para competencias en IA y α = 0,934 para autoeficacia. Resultados: El 59,4 % presentó nivel medio de competencias en IA y el 52,0 % nivel medio de autoeficacia. Se obtuvo una correlación positiva y significativa entre las variables, r = 0,744, p < 0,001. Las correlaciones entre dimensiones oscilaron entre r = 0,462 y r = 0,588. Conclusión: Mayores competencias para utilizar inteligencia artificial se asociaron con una mayor autoeficacia para diseñar proyectos de investigación, sin que estos resultados permitan establecer causalidad.