DEPARTAMENTO DE CIECNIAS HUMANAS Y
SOCIALES
Carrera: Ingeniera de Software
DATOS GENERALES:
APELLIDOS Y NOMBRES.
Michael Andrés Daquilema Chafla
Guillermo Martin Falconi Oña
Joel Alexis Pilco Pillajo
Diego Fernando Pinto Pillajo
TEMA: “Implementación de la IA en el aprendizaje del desarrollo de software,
una comparación con metodologías tradicionales”
Fecha de Presentación:
Desarrollo del planteamiento del problema de investigación. Preguntas de
investigación, Objetivo de Investigación, Justificación) utilizando las técnicas de
manejo de información, citación y parafraseo
CAPÍTULO I
1. Tema: “Implementación de la IA en el aprendizaje del desarrollo de
software, una comparación con metodologías tradicionales”
Planteamiento del Problema
Definición del problema
Con la creación de la inteligencia artificial y su enorme impacto en el mundo
tecnológico, el desarrollo de software ha cambiado a como se hacía hace algunos años.
Esta nueva tecnología permitió la creación de herramientas capaces de crear código,
automatizar procesos y optimizar el desarrollo de software. Por estos motivos varios
estudiantes han optado por implementar la IA como una herramienta de apoyo en el
proceso de aprendizaje, programación y desarrollo de proyectos. Sin embargo, todavía
existen estudiantes que optan por utilizar metodologías tradicionales lo que genera
varias diferencias en el aprendizaje, la eficiencia en la escritura de código y la calidad
de un software.
Contextualización
Macro. En base a Vargas (2023) las tecnologías emergentes como la
Inteligencia Artificial (IA) están tomando protagonismo en la sociedad moldeando los
comportamientos individuales y colectivos. En los últimos años la Inteligencia Artificial
se ha expandido a un ritmo acelerado, del mismo modo su uso no se limita solo a
generar información puede utilizarse como una herramienta que facilita y optimiza
varios procesos, planteando la posibilidad de un futuro en el que la IA realice varias
actividades sin ninguna intervención humana.
De acuerdo con Patricia & Gallo (2024) “La IA puede ser utilizada en una gran
variedad de campos, incluyendo la educación y puede ser especialmente útil en la
programación de pregrado”. Su implementación no solo ayuda a estudiantes que están
empezando a desarrollar software también puede ser de utilidad para personas que ya
llevan un tiempo programando, siendo utilizada como una herramienta que ayuda a
detectar y corregir errores, así como la generación de código favoreciendo el
aprendizaje y el ahorro de tiempo.
Sin embargo, la utilización de la IA en la programación no resulta del todo
buena, ya que no existe garantía de que un estudiante desarrolle de manera correcta la
lógica necesaria para programar, lo que puede provocar vacíos en las bases que debe
tener todo programador. Por otra parte, el aprendizaje de la programación sin ayuda de
IA puede evitar estos vacíos de conocimiento sin embargo el aprendizaje y la escritura
de código será un proceso más lento.
Meso. En base a Ruiz Muñoz & Vasco Delgado (2025) “La integración de las
TIC e IA en la formación tanto de docentes como de estudiantes se presenta como un
desafío ineludible y una oportunidad sin precedentes para reimaginar y potenciar la
educación del futuro”. En Ecuador la IA ya es utilizada desde hace varios años por parte
de estudiantes y de docentes como una herramienta en el desarrollo de actividades
escolares potenciando el acceso a información y nuevas ideas que impulsen la creación
de habilidades necesarias para la correcta formación académica, sin embargo en otros
casos no es usada de la manera correcta generando deshonestidad académica afectando
directamente la calidad en la educación ignorando completamente que “La Inteligencia
Artificial (IA) en la educación representa la convergencia de la tecnología avanzada y
los métodos pedagógicos para mejorar el proceso de enseñanza y aprendizaje” Morocho
Cevallos et al. (2023).
“En la educación superior se implementó la IA como una herramienta de
gestión, optimización y análisis” (CRUZ). En el ámbito educativo superior ecuatoriano,
en el desarrollo de software la IA ha generado gran dependencia por el fácil desarrollo
de código, lo que genera poco conocimiento practico algo fundamental en estudiantes
que busquen desarrollar habilidades de programación. Adicional el código que genera la
IA puede contener errores por lo que en algunos casos se sigue prefiriendo
metodologías tradicionales en el desarrollo de software.
Micro. En la Universidad de las Fuerzas Armadas ESPE se observa un aumento
en el uso de herramientas de Inteligencia Artificial en el desarrollo de software, se
genera la duda de si la IA es capaz de mejorar la rapidez y crear un software de calidad
en comparación con estudiantes que prefieren hacer uso de metodologías tradicionales,
también se busca comparar si el aprendizaje adquirido es el mismo o si existen grandes
diferencias.
Relación causa efecto
El problema principal identificado es la existencia de diferencias en la eficiencia
del desarrollo de software entre métodos tradicionales y herramientas basadas en
inteligencia artificial en estudiantes de ingeniería. Esta situación se desarrolla por
diversas causas, entre ellas el escaso conocimiento sobre herramientas de IA al ser una
tecnología reciente que ha estado en constante evolución desde su implementación años
atrás, esto ha llevado a la dependencia de métodos tradicionales como alternativa a estas
nuevas tecnologías. Además, la falta de capacitación tecnológica es uno de los
principales problemas, ya que muchas personas rechazan el uso de estas herramientas
por no tener los conocimientos necesarios ni una motivación adecuada para aprender a
utilizarlas correctamente. De igual manera, el uso inadecuado de herramientas
inteligentes y el limitado acceso a tecnologías modernas contribuyen a aumentar estos
problemas.
Como consecuencia, los estudiantes sufren un baja productividad al momento de
desarrollar cualquier aplicación dentro de la programación al usar de manera
equivocada las herramientas inteligentes en vez de usarlas como guía, lo que lleva a que
exista un mayor uso de tiempo en la parte de desarrollo, y así mismo provoca que los
procesos no se realiza de la manera más rápida, eficiente y organizada posible, poniendo
en evidencia la escasez de conocimiento en el en estas nuevas herramientas
tecnológicas.
Delimitación
1.2. Formulación del Problema
¿Cómo afecta a los estudiantes de Ingeniería en Software el uso de herramientas
de Inteligencia artificial para la escritura de código en comparación a los métodos
tradicionales?
1.3. Preguntas de Investigación
o ¿Qué diferencias existen entre el desarrollo tradicional de software y el
desarrollo asistido por Inteligencia Artificial?
o ¿Cómo mejorar la eficiencia en el desarrollo de software el uso de
herramientas IA?
o ¿Qué impacto tiene la Inteligencia Artificial en el aprendizaje de
programación en estudiantes de Ingeniería?
1.4. Objetivos
General.
Analizar el desarrollo tradicional y el desarrollo asistido por IA para comparar la
calidad y eficiencia en la creación de software.
Específicos.
o Comparar diferencias entre el uso de desarrollo tradicional de software y el uso
de Inteligencia Artificial asistido.
o Analizar si el uso de herramientas de Inteligencia Artificial mejora la eficiencia
en el desarrollo de software.
o Identificar el impacto que tiene el uso de Inteligencia Artificial en el aprendizaje
de programación de estudiantes de Ingeniería.
1.5. Justificación
El mercado global de la IA se expande a grandes pasos en la actualidad, su uso
tanto en el ámbito cotidiano como académico ha mostrado una integración rápida en la
vida de las personas, el 90% de estudiantes universitarios utilizan herramientas de IA
generativa en sus labores académicas, lo cual resulta contradictorio, ya que los propios
estudiantes muestras preocupación por cómo afecta su pensamiento crítico y su
integridad académica (Culebro Castillo et al., 2025). En el contexto académico de un
ingeniero en desarrollo de software, la dependencia a dicha herramienta está generando
profesionales que producen códigos vulnerables. Los estudiantes de ingeniería en
software, prefieren el uso de la IA antes que el método tradicional, el cual ayuda a
formar la lógica algorítmica. El 41,9% de estudiantes automatizan sus trabajos antes que
aprender el método correcto de cómo realizarlos (Contractor & Reyes, 2025), esto solo
demuestra una severa perdida de habilidades críticas, generando así profesionales
incapaces de crear software con una estructura sostenible y que no sea vulnerable a
recibir ataques.
Por lo tanto, este estudio se justifica por la urgencia de medir la influencia
directa que tiene la inteligencia artificial asistida frente al desarrollo de software
tradicional. Al analizar a los estudiantes de la Universidad de las Fuerzas Armadas, la
investigación mostrará con datos reales las diferencias en el aprendizaje de la lógica
algorítmica y en la calidad del código creado. Estos resultados tienen una utilidad
práctica: servirán como evidencia para que la institución actualice sus estrategias de
enseñanza, permitiendo que la tecnología se utilice como herramienta de apoyo sin que
el estudiante pierda las bases de la programación.
Finalmente, realizar esta investigación es completamente viable. Se tiene acceso
directo a la población de estudio, conformada por los estudiantes matriculados en la
carrera de Ingeniería en Software durante el periodo académico 2026. Esto asegura que
se podrán recolectar los datos necesarios para comparar ambos métodos y cumplir con
el objetivo del informe dentro del tiempo establecido.
CAPÍTULO II
2. Fundamentación Teórica
2.1. Antecedentes
En los últimos años, la inteligencia artificial ha tomado un papel importante
dentro del desarrollo de software, una de las utilidades de estas herramientas es la
posibilidad de generar código, corregir errores y ayudar al programador durante el
proceso de desarrollo. Provocando, comparaciones entre la programación tradicional y
la programación asistida por inteligencia artificial con el objetivo de analizar aspectos
relacionados con la productividad, la calidad del código, la eficiencia en el desarrollo y
la formación en estudiantes y profesionales de ingeniería.
Un trabajo relevante es el estudio correspondiente a (Izaguirre, 2026), quien
realizo: “Análisis comparativo del código generado por IA y del desarrollo tradicional
mediante métricas de calidad software”, en el cual se analizó el uso de herramientas
basadas en LLM, utilizando dos enfoques distintos: una implementación realizada
manualmente por un programador y otra desarrollada mediante GitHub Copilot,
herramienta basada en modelos de lenguaje e inteligencia artificial. El objetivo principal
de esta investigación fue comparar el comportamiento de ambas metodologías
utilizando métricas de calidad de software, un apartada de pruebas, la adaptabilidad y
mantenibilidad del código.
Dentro de esta investigación se menciona que las herramientas de inteligencia
artificial pueden ayudar a mejorar la eficiencia en tareas específicas de programación y
servir como una guía durante el desarrollo de software. A pesar de todo, también quedó
en evidencia que el código generado automáticamente presenta problemas relacionados
con la organización lógica, la mantenibilidad y la validación del sistema, por lo que
continúa siendo necesaria la supervisión humana para garantizar producto de calidad.
Además, se explica que herramientas como Github Copilot funcionan mediante
sugerencias de código generadas en tiempo real con las instrucciones del usuario. Estas
herramientas se integran en entornos de desarrollo y ayudan a agilizar el trabajo del
programador. Sin embargo, el desarrollador sigue teniendo el control total y debe
revisar constantemente las sugerencias de la inteligencia artificial.
La comparación de productividad y rapidez en el desarrollo muestra que la
programación asistida por IA puede acelerar tareas repetitivas. Esto permite generar
fragmentos de código en menos tiempo. Sin embargo, durante el desarrollo, surgen
problemas. El código generado por la IA no cumple siempre con los requisitos. Por lo
tanto, el desarrollador debe corregir errores, reformular instrucciones y generar partes
del sistema de nuevo. Como consecuencia, aunque la IA reduce el tiempo en algunas
actividades, todavía necesita de la intervención humana para obtener resultados
correctos. La programación asistida por IA es útil, pero requiere de supervisión, ya que
es necesaria para asegurar que el código generado por la IA sea correcto y cumpla con
los requisitos establecidos.
Otro aspecto clave del estudio fue evaluar la calidad y precisión del código
generado. Para medir esto, se usaron herramientas de análisis estático como
SonarCloud. Estas herramientas ayudaron a evaluar aspectos como la mantenibilidad,
fiabilidad, seguridad, duplicación de código y la adaptabilidad. Los resultados indicaron
que ambas implementaciones, la manual y la generada mediante inteligencia artificial,
consiguieron una buena calidad en términos de seguridad y fiabilidad. Pero, el código
generado mediante IA mostró más problemas de calidad, conocidos como “code
smells", y problemas con la adaptabilidad del código en comparación con de hacerlo
manualmente. Esto demuestra que el código desarrollado de manera tradicional tenía
una estructura más clara y equilibrada. Esto hace que el sistema sea más fácil de
entender y mantener a largo plazo.
Por último, el estudio concluye que la inteligencia artificial no reemplaza al
programador, sino que funciona como una herramienta complementaria que puede
facilitar tareas específicas dentro del desarrollo de software. Donde se destaca que la
eficiencia de estas tecnologías depende también de las capacidades del desarrollador
para redactar instrucciones adecuadas, supervisar el código generado y corregir posibles
errores durante el proceso de implementación.
En el ámbito universitario la implementación de IA la propuesta de (García,
2023) en su artículo de investigación titulado “Inteligencia Artificial en Educación
Superior: Oportunidades y Riesgos”, planteó como objetivo principal reflexionar sobre
los beneficios y riesgos de la Inteligencia Artificial en la Educación Superior,
especialmente en las Universidades Españolas. El estudio se realizó mediante un
enfoque analítico y cualitativo. Se examinó el marco de trabajo actual de la Inteligencia
Artificial. También se enumeraron sus aplicaciones educativas de manera realista y se
recopilaron herramientas tecnológicas y casos prácticos a nivel internacional.
Entre los resultados principales del estudio, se destaca que la Inteligencia
Artificial en la educación no se limita solo a la llegada de herramientas como ChatGPT.
También abarca tecnologías predictivas y de aprendizaje automático desarrolladas
durante décadas. Las aplicaciones en cuatro áreas esenciales: perfilado y predicciones,
tutores inteligentes, apoyo a la evaluación, y sistemas adaptativos y personalización.
Asimismo, la integración de tecnologías avanzadas en la educación permite mejorar el
aprendizaje personalizado. Esto ayuda a identificar a los estudiantes que necesitan
apoyo. Además, permite a los docentes automatizar tareas rutinarias y aumentar la
motivación de los estudiantes con el concepto “Trae tu propia motivación".
La investigación muestra que para que la inteligencia artificial funcione bien en
las universidades, no solo se necesita tecnología. También se necesita una planificación
estratégica por parte de los líderes institucionales y un cambio en la forma de enseñar,
orientado hacia la Educación 4.0. Es importante que todos en la universidad aprendan
sobre la inteligencia artificial y que se cambien los métodos de evaluación para
enfocarse en el proceso de aprendizaje, no solo en los resultados.
Además, hay que tener cuidado con los sistemas de inteligencia artificial en la
educación, ya que se consideran de “alto riesgo” según la Ley de Inteligencia Artificial
Europea. Esto significa que hay que abordar con seriedad los desafíos éticos y legales
relacionados con la parcialidad, la privacidad, el acceso igualitario y la propiedad
intelectual.
Metodologías Tradicionales de Desarrollo de Software. El desarrollo de
software tradicional en la actualidad ha sido utilizado en diferentes áreas de
conocimiento dentro de las carreras que tienen desarrollo de software, especialmente en
la carrera de Ingeniería en Software. Esta metodología sigue siendo utilizada ya sigue
una estructura que es eficiente a la hora de hacer análisis, diseño, implementación y
mantenimiento de software. Varios autores consideran que este enfoque ayuda a
mantener un mayor control en el desarrollo de sistemas y facilita la organización de
proyectos.
Las metodologías tradicionales de desarrollo de software se caracterizan por
seguir procesos estructurados y una planificación detallada desde las primeras etapas del
proyecto. Este enfoque se centra principalmente en la documentación exhaustiva, el
control de actividades y la definición precisa de requisitos antes de iniciar el desarrollo
del software. Además, estas metodologías buscan mantener una organización rigurosa
mediante la asignación específica de roles, actividades, herramientas y procesos durante
todo el ciclo de desarrollo.
De igual manera, el desarrollo tradicional tiene como finalidad garantizar un
mayor control y eficiencia en la elaboración del producto software, por lo que se da gran
importancia a la planificación total del proyecto antes de comenzar la fase de
implementación. Sin embargo, diversos estudios indican que este tipo de metodologías
presentan ciertas limitaciones cuando existen cambios constantes en los requerimientos,
debido a que poseen menor capacidad de adaptación frente a entornos dinámicos o
variables. Asimismo, la implementación de modificaciones durante el desarrollo puede
generar mayores costos y afectar el tiempo de ejecución del proyecto, lo que representa
una desventaja en comparación con enfoques más flexibles y modernos. (Maida &
Pacienzia, 2015)
Dificultades de Estudiantes al Programar. La enseñanza de programación en
carreras de ingeniería relacionadas con tecnología se ha convertido en un tema de gran
importancia debido a las dificultades que presentan muchos estudiantes durante su
proceso de aprendizaje. De acuerdo con una investigación realizada en la Universidad
de Valparaíso, a pesar de que en los últimos años se han desarrollado nuevas
herramientas y metodologías para la enseñanza de programación, todavía no existe un
enfoque completamente efectivo que permita resolver todas las dificultades de
aprendizaje que enfrentan los estudiantes.
El estudio señala que actividades consideradas básicas por los docentes, como la
comprensión de conceptos fundamentales, la elaboración de algoritmos y la resolución
de problemas lógicos, representan un reto significativo para muchos estudiantes. Estas
dificultades se presentan independientemente del lenguaje de programación o
paradigma utilizado, lo que demuestra que el problema no depende únicamente de la
herramienta tecnológica empleada, sino también de factores personales y académicos
relacionados con el estudiante.
Asimismo, la investigación menciona que existen diferentes factores que
influyen en el aprendizaje de programación, entre ellos la motivación, los distintos
estilos de aprendizaje y la experiencia previa de los estudiantes. Debido a esto, algunas
universidades han implementado estrategias para mejorar el rendimiento académico,
como la incorporación de nuevas herramientas tecnológicas, la actualización de planes
de estudio y programas de nivelación para estudiantes de primeros semestres.
Finalmente, el estudio destaca que la deserción estudiantil en los primeros años
de ingeniería alcanza porcentajes elevados, situación que evidencia la necesidad de
continuar desarrollando métodos de enseñanza que faciliten la comprensión de
programación y mejoren el desempeño académico de los estudiantes. (Muñoz et al.,
2012)
IA Aplicada al Desarrollo de Software. En la actualidad con la llegada de la
Inteligencia Artificial los Desarrolladoras de software se han visto en la necesidad y
obligación de implementar esta herramienta como apoyo para el desarrollo de sus
proyectos. Esta tecnología permite a los programadores a poder automatizar tareas
repetitivas, optimizar tiempo y costos de desarrollo. Además, diversos estudios indican
que la Inteligencia Artificial, como herramienta de apoyo, puede mejorar la
productividad y a detectar errores de manera rápida y a solucionarlos de manera
eficiente.
Las investigaciones sobre inteligencia artificial aplicada al desarrollo de
software indican que estas tecnologías pueden utilizarse en distintas etapas del ciclo de
vida del software, como el análisis, diseño, programación, pruebas y mantenimiento.
Uno de los enfoques más destacados es la Ingeniería de Software Basada en Búsqueda
(SBSE), la cual busca resolver problemas del desarrollo de software mediante técnicas
de optimización y algoritmos inteligentes. Entre las aplicaciones más comunes se
encuentran la corrección automática de errores, la generación de casos de prueba y la
mejora de la calidad del código fuente.
Del mismo modo, los algoritmos evolutivos son considerados una de las técnicas
más utilizadas dentro de SBSE, debido a que permiten generar soluciones eficientes
mediante procesos inspirados en la evolución biológica, como selección, cruce y
mutación. Estas técnicas ayudan a optimizar procesos de programación y
mantenimiento de software, mejorando el rendimiento y reduciendo la complejidad de
los sistemas informáticos. (Ramírez, 2018)
Impacto de la IA en el aprendizaje de programación. Las investigaciones
sobre aprendizaje de programación tradicional señalan que las asignaturas introductorias
de informática representan el primer acercamiento de los estudiantes al desarrollo de
software y a los fundamentos de programación. En la asignatura Informática Básica de
la Universidad de La Laguna, el proceso de enseñanza se desarrolla mediante clases
teóricas, resolución de problemas y prácticas de laboratorio, utilizando el lenguaje C++
como herramienta principal para el aprendizaje de programación orientada a objetos.
Este tipo de metodología busca que el estudiante adquiera conocimientos tanto
conceptuales como prácticos relacionados con la lógica de programación y el desarrollo
de programas informáticos.
El estudio destaca que gran parte del aprendizaje se basa en la práctica constante
y en el desarrollo progresivo de ejercicios de programación. Cada semana los
estudiantes deben resolver programas de diferente complejidad con el propósito de
fortalecer habilidades de análisis, diseño y codificación. También se menciona que el
alumnado dispone de materiales de apoyo, ejemplos de programas y actividades
prácticas que permiten reforzar los contenidos estudiados en clase. La investigación
concluye que el aprendizaje tradicional de programación requiere dedicación continua y
un alto nivel de práctica autónoma para lograr un adecuado dominio de los conceptos
fundamentales de programación (De Sande & Ramos, 2023)
2.2. Fundamentación Legal
La investigación sobre la Implementación de la IA en el aprendizaje del
desarrollo de software, una comparación con metodologías tradicionales, busca
encontrar las diferentes maneras en la escritura de un código, rigiéndose a varias
normativas para evitar implicaciones legales tales como el artículo 16 de la Constitución
de la Republica del Ecuador que establece “El acceso universal a las tecnologías de
información y comunicación” permitiendo a los estudiantes el acceso a los medios e
información adecuada y pertinente para el desarrollo del proyecto, además por la
naturaleza de la investigación y el manejo de datos personales entra en vigor el artículo
66 de la Constitución de la Republica del Ecuador que indica el manejo correcto de
datos personales y en caso de ser necesario recopilarlos tendrá el aviso correspondiente
a el propietario de los mismos.
Adicional el proyecto es promovido por el artículo 93 de la Ley Orgánica de
Educación Superior en donde se busca que los estudiantes mediante el ejercicio de la
investigación científica como parte de su formación académica, desarrollen un sentido
de auto crítica, mejora continua, pertinencia e innovación, además, de generar
conciencia sobre el uso e implementación de la Inteligencia artificial en el software. Por
otra parte, los estudiantes siguiendo el mismo artículo deben desarrollar el proyecto
buscando la mejor calidad posible, recopilando y exponiendo la información de manera
correcta sin redundancia y además se evitará el plagio de toda la información
recopilada.
2.3. Marco Teórico
Calidad del Software. La calidad del software hace referencia a aspectos que
un sistema debe cumplir para poder ser útil, eficiente y fácil de usar. Los ingenieros de
software deben garantizar que un software sea de calidad y además logra satisfacer
todas las necesidades del usuario sin la presencia de algún error, logrado gracias a la
preparación profesional que deben tener los desarrolladores.
De acuerdo con (López Echeverry Ana María et al., 2008) una vez que el
software termina debe ser capaz de cumplir cualidades como ser fiable, se modificable,
ser comprensible, tener buen rendimiento, fácil de usar, tener capacidad de prueba y ser
portable. Además, se debe poder realizar modificaciones sin generar errores y siempre
el usuario debe ser capaz de entender con facilidad como opera el sistema creado, es
entonces que se dice que un software es de calidad.
Eficiencia en el Desarrollo del Software. La eficiencia en el desarrollo de
software indica la capacidad de crear un sistema en el menor tiempo posible sin
malgastar ningún recurso sin perder su calidad. Además, se toma en cuenta aspectos
como la organización y la planificación del proyecto, “De tal forma que la eficiencia de
proyectos de desarrollo de software está en función de los factores tiempo y costo”
(Arellano et al., 2014)
Para lo cual existen varias metodologías para poder desarrollar un proyecto, una
de ellas las metodologías agiles que “CITAR”, indica que los desarrolladores son
capaces de adaptarse a las nuevas necesidades mientras el software se desarrolla, pero a
pesar de todo nunca pierde su calidad.
2.4. Hipótesis
Hi:
La implementación de la IA en la escritura de código genera diferencias en el
aprendizaje en comparación a los métodos tradicionales
Ho:
La implementación de la IA en la escritura de código no genera diferencias en el
aprendizaje en comparación a los métodos tradicionales
Ha:
La práctica continua en la escritura de código genera diferencias en el
aprendizaje en comparación a los métodos tradicionales
2.5. Variables
2.6. Operacionalización de Variables
CAPÍTULO III
1. Marco Metodológico
Cada uno de los ítems que se encuentran a continuación deben tener
tres partes en su redacción.
a) Identificar el tipo, diseño técnicas, entre otras a las que corresponde la
investigación
b) Definir la elección (tipo, diseño.) realizada
c) Contextualizar a la investigación
3.1. Enfoque de Investigación
La investigación sobre la Implementación de la IA en el aprendizaje del
desarrollo de software, una comparación con metodologías tradicionales tiene un
enfoque mixto debido a la recolección y análisis de los datos que serán recopilados. “La
investigación mixta es una metodología que combina la rigurosidad de los métodos
cuantitativos con la profundidad de los métodos cualitativos, con el objetivo de obtener
una comprensión más completa y enriquecedora de los fenómenos estudiados”
(MIGUEL ANGEL)
Esta investigación busca analizar diversos puntos de vista con respecto a la
implementación de la IA de software a la vez que se analiza la diferencia en el
aprendizaje que ocurre en la utilización de la IA. Para esto se recopilarán datos
directamente de especialistas con respecto a programación mediante una entrevista, del
mismo modo se analizará los datos obtenidos de la encuesta que se realizará a los
estudiantes de ingeniería que cursen clases de programación.
3.2. Tipo de investigación
La investigación es descriptiva correlacional y busca definir como la
implementación de la IA afecta el aprendizaje del desarrollo de software en
comparación con las metodologías tradicionales, abordando diferentes características
como son la calidad de software, eficiencia del software y el pensamiento lógico para la
resolución de problemas.
3.3 Diseño de Investigación
La investigación sobre “La Implementación de la IA en el aprendizaje del
desarrollo de software, una comparación con metodologías tradicionales”, sigue un
diseño no experimental transversal, ya que se recopilará y analizará datos relacionados
con el tema en un instante determinado siendo este el periodo académico SI 2026.
3.4 Técnicas de Investigación
1. La entrevista, la investigación utilizara la entrevista para poder obtener
información de especialistas en el tema para conocer su punto de vista y experiencia
sobre la implementación de la IA en el proceso de aprendizaje del desarrollo de
software.
[Link]. La encuesta tiene como objetivo estudiantes de ingeniería que cusen
alguna materia relacionada a la programación con el fin de obtener datos cuantitativos
para la investigación.
3.5 Instrumentos de Investigación
[Link] ayuda en la realización de la entrevista se hará uso del guion de
entrevista, abordando preguntas que logren aportar con información para la realización
de la investigación
2. Cuestionario en plataformas digitales, la investigación recopilara datos acerca
del uso de la IA en estudiantes, así como, su desempeño académico.
3.6. Población y Muestra
3.6.1. Población. De acuerdo al tema de investigación la población que se busca
investigar estará conformada por estudiantes universitarios que cursen por lo menos una
materia relacionada a la programación
3.6.2. Muestra
3.7 Recolección de datos
3.8 Análisis de Resultados
3.9 Discusión de los resultados
4. Conclusiones y Recomendaciones
Bibliografía
Miguel Angel
[Link]
118/160/189?inline=1
Anexos
Anexo 1
Ideas de Investigación
Anexo 2
Árbol de problema / Espina de pescado
Anexo 3
Índice del marco teórico
Anexo 3
Instrumentos de investigación