Revista Multidisciplinar Epistemología de las Ciencias
Vol. 3, Núm. 3, 2026, julio-septiembre, Edición
Especial
DOI: https://doi.org/10.71112/2h12tf97
LA INTELIGENCIA ARTIFICIAL EN LA INVESTIGACIÓN CIENTÍFICA:
TRANSFORMACIONES METODOLÓGICAS Y DESAFÍOS EMERGENTES
ARTIFICIAL INTELLIGENCE IN SCIENTIFIC RESEARCH: METHODOLOGICAL
TRANSFORMATIONS AND EMERGING CHALLENGES
Alberto Oviedo-Argueta
Bruno Paúl Alexander Vásquez
Johanna Beatriz Pérez de Martínez
Omar Otoniel Flores-Cortez
El Salvador
DOI: https://doi.org/10.71112/2h12tf97
1 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
La inteligencia artificial en la investigación científica: transformaciones
metodológicas y desafíos emergentes
Artificial intelligence in scientific research: methodological transformations and
emerging challenges
Alberto Oviedo-Argueta
a,*
alberto.oviedo@usam.edu.sv
https://orcid.org/0009-0000-7474-2072
Bruno Paúl Alexander Vásquez
a
bruno.vasquez@usam.edu.sv
https://orcid.org/0009-0006-5111-9230
Johanna Beatriz Pérez de Martínez
a
johana.perez@usam.edu.sv
https://orcid.org/0000-0002-4984-324X
Omar Otoniel Flores-Cortez
b
omar.flores@utec.edu.sv
https://orcid.org/0000-0003-1754-4090
*Autor de correspondencia: alberto.oviedo@usam.edu.sv,
a
Universidad Salvadoreña Alberto
Masferrer,
b
Universidad Tecnológica de El Salvador, El Salvador.
RESUMEN
La integración de la inteligencia artificial (IA) en la investigación científica ha dado lugar a
avances significativos en la automatización de tareas, el análisis de grandes conjuntos de datos
y la facilitación de iniciativas de investigación innovadoras. Una revisión de la literatura indica
que la aplicación de la inteligencia artificial (IA) está transformando las metodologías,
promoviendo el acceso al conocimiento y acelerando los descubrimientos en diversas
disciplinas, especialmente en áreas como la medicina, las ciencias sociales, la biología y la
informática. Sin embargo, también plantea retos éticos, sociales y jurídicos relacionados, como
los posibles errores en los algoritmos, la falta de transparencia en el funcionamiento de los
DOI: https://doi.org/10.71112/2h12tf97
2 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
modelos y la responsabilidad de las decisiones que toman. Este trabajo destaca la necesidad
de establecer directrices y principios éticos explícitos, así como de educar a la comunidad
científica sobre el uso responsable de la IA, con la intención de fomentar una investigación más
innovadora, transparente y socialmente responsable.
Palabras clave: Inteligencia Artificial (IA); Investigación Científica; Ética de la IA; Análisis de
Datos; Metodologías de Investigación.
ABSTRACT
The integration of artificial intelligence (AI) within the domain of scientific research has led to
significant advances in the automation of tasks, the analysis of voluminous data sets, and the
facilitation of the development of innovative research initiatives. A review of the literature
indicates that the application of artificial intelligence (AI) is transforming methodologies,
promoting access to knowledge, and accelerating discoveries in various disciplines, especially
in areas such as medicine, social sciences, biology, and computer science. However, it also
addresses related ethical, social, and legal challenges, such as potential errors in algorithms,
lack of transparency in how models work, and responsibility for the decisions they make. The
study underscores the necessity of establishing explicit ethical guidelines and principles, as well
as educating the scientific community on the responsible use of AI. This approach is intended to
foster more innovative, transparent and socially responsible research.
Keywords: Artificial Intelligence (AI); Scientific Research; Ethics of AI; Data Analysis; Research
Methodologies.
Recibido: 17 febrero 2026 | Aceptado: 30 junio 2026 | Publicado: 1 julio 2026
DOI: https://doi.org/10.71112/2h12tf97
3 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
INTRODUCCIÓN
La integración de la Inteligencia Artificial (IA) en el desarrollo de investigaciones
científicas ha precipitado un cambio de paradigma en la forma en que se genera, analiza y
aplica el conocimiento científico (Juca Maldonado, 2023).
Su incorporación en procesos de investigación ha permitido analizar grandes
volúmenes de información, automatizar tareas de clasificación y optimizar la toma de
decisiones basadas en evidencia (Rueda Carreño, Osvaldo et al., 2024).
La integración de la IA ha facilitado la identificación de tendencias, la concepción de
nuevas iniciativas de investigación y la progresión de la información (Moreno, A. et al., 2020).
Al igual que todas las tecnologías, la inteligencia artificial ha impregnado y está
transformando tanto la educación como los métodos de investigación (Ruiz Muñoz, G. F.,
2024). Esto ha propiciado la innovación y la mejora de la calidad y la aplicación de los
resultados centrados en la resolución de problemas sociales, medioambientales, geopolíticos,
entre otros (Subieta, L., 2024).
Esta investigación se propone comprender la forma en que la Inteligencia Artificial (IA)
se está adoptando y utilizando en el desarrollo de la investigación científica, así como su
capacidad para procesar y analizar de manera eficiente volúmenes sustanciales de datos, lo
que está impulsando la innovación en múltiples disciplinas (Xu, Yongjun et al., 2021).
Se llevó a cabo una revisión de la bibliografía existente para identificar la aplicación
actual de la Inteligencia Artificial (IA) en la investigación científica. El estudio también explora el
potencial de la IA para optimizar los procesos de investigación, promover su uso ético y abordar
los nuevos retos asociados a su utilización (Rashidov, A., 2024). El objetivo de este estudio es
contribuir a un uso más informado y estratégico de la IA en la investigación, fomentando un
proceso de investigación científica más innovador y riguroso que no descuide la ética de la
investigación (Jobin, et al., 2019).
DOI: https://doi.org/10.71112/2h12tf97
4 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
La llegada de la inteligencia artificial (IA) ha precipitado un cambio de paradigma en la
forma en que se lleva a cabo la investigación científica (Ramirez, G., 2023). Desde la
recopilación inicial de datos y su posterior análisis hasta la formulación de hipótesis y la
redacción de artículos de investigación, se ha demostrado que las herramientas de inteligencia
artificial (IA) optimizan cada etapa del proceso de investigación. Su capacidad para procesar
grandes cantidades de información y discernir patrones complejos ha acelerado
considerablemente el ritmo del avance científico (Polonevych O. et al., 2024).
Una de las contribuciones más significativas de la IA al ámbito científico se refiere a la
automatización de tareas repetitivas y rutinarias, como la revisión de la bibliografía y la
identificación de errores en los escritos académicos (Parra Taboada M. E. et al., 2023). Esto
permite a los investigadores dedicar su tiempo a tareas más exigentes desde el punto de vista
cognitivo. Además, la integración de herramientas de lenguaje natural facilita la traducción de
textos científicos y garantiza su alineación con las normas internacionales de publicación
(Rashidov A. y Rashidova F., 2024).
La integración de la inteligencia artificial también ha mejorado la investigación
interdisciplinaria, facilitando la integración de datos de campos tan diversos como la
informática, la medicina, la biología y las ciencias sociales. La capacidad de la IA para
establecer conexiones entre disciplinas dispares ha dado lugar a la aparición de nuevos
ámbitos de conocimiento y metodologías híbridas que antes eran difíciles de conceptualizar
(Sanieva, A., 2024). La llegada de técnicas sofisticadas, como el aprendizaje automático y el
procesamiento del lenguaje natural, ha precipitado un cambio de paradigma en el ámbito de la
minería de datos (Kowsari, K., et al., 2019). Estas metodologías han hecho posible el análisis
de voluminosas bases de datos y literatura científica en cuestión de segundos. Esto ha
permitido identificar lagunas de conocimiento y generar hipótesis más eficaces basadas en
pruebas (Safarov A., 2023).
DOI: https://doi.org/10.71112/2h12tf97
5 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
El campo de la IA ha demostrado una eficacia especial en disciplinas como la ciencia
climática y la ciencia de los materiales, donde la gestión de datos voluminosos y complejos
requiere metodologías computacionales avanzadas. Los casos de éxito demuestran el
potencial de los modelos predictivos basados en la IA para mejorar la eficiencia y la precisión
de los descubrimientos científicos (Padakanti S. y Kommidi V., 2024).
A pesar de sus ventajas, la utilización de la IA en la investigación se ve obstaculizada
por retos importantes, como la interpretabilidad de ciertos algoritmos, el riesgo de disminución
de la reproducibilidad y los dilemas éticos relacionados con la autoría y la originalidad. Además,
la utilización indiscriminada de la IA puede dar lugar a malas prácticas, como la generación
automática de artículos carentes de rigor académico (Rashidov A. y Rashidova F., 2024).
Una de las preocupaciones más importantes en relación con el uso de la IA en la
investigación está relacionada con el problema del plagio. Sin embargo, es evidente que estas
tecnologías están avanzando rápidamente en diversos ámbitos de la actividad humana. Se ha
demostrado que su aplicación juiciosa y adecuada mejora y fortalece los procesos de
investigación (Universidad de Sevilla, 2023). De hecho, ya existen algunos rastreadores
oficiales de datos de contenido generado por IA y se están realizando avances hacia la
protección de los derechos de autor de estas tecnologías (García, J., 2024).
La integración de la IA en los esfuerzos de investigación tiene el potencial de mejorar
la eficiencia y optimizar la carga de trabajo de los investigadores. Esta integración puede
adoptar la forma de automatización de tareas rutinarias o complejas, como el control de
instrumentos, el manejo de muestras o la gestión de proyectos (Suazo, I., 2023). Desde una
perspectiva cuantitativa, los estudios han demostrado que los artículos que incorporan IA
tienden a recibir más citas que los que no lo hacen, lo que sugiere una ventaja competitiva en
términos de impacto académico. Sin embargo, esta misma tendencia puede exacerbar las
DOI: https://doi.org/10.71112/2h12tf97
6 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
desigualdades existentes en el acceso a la tecnología, especialmente en las comunidades
científicas que se enfrentan a recursos limitados (Gao J. y Wang D., 2023).
Los avances en el aprendizaje automático y el procesamiento del lenguaje natural han
permitido a los sistemas de IA analizar grandes volúmenes de literatura existente, identificando
patrones, tendencias y conexiones que, de otro modo, podrían pasar desapercibidos para los
investigadores humanos (Vedran, D., 2018). En consecuencia, la IA permite a los
investigadores identificar contribuciones y tendencias que podrían pasarse por alto al emplear
métodos tradicionales (Muñoz, G., 2024). Las herramientas de IA también han contribuido al
desarrollo de habilidades de investigación en contextos educativos, proporcionando acceso a
modelos de análisis avanzados para estudiantes e investigadores de instituciones con recursos
limitados. Se ha demostrado que este enfoque democratiza el acceso al conocimiento científico
y facilita la formación en metodologías cuantitativas y cualitativas avanzadas (Aristizábal C.,
2023).
METODOLOGÍA
Se realizó una revisión bibliográfica exhaustiva para determinar el estado actual del
conocimiento sobre el tema «Uso de la inteligencia artificial en la investigación científica». Se
llevo a cabo una búsqueda utilizando palabras clave identificadas según las variables del
estudio en la biblioteca electrónica de acceso abierto Scielo, la base de datos bibliográfica
Scopus, en la editorial académica Taylor & Francis y Google Scholar, un motor de búsqueda
especializado en literatura académica.
Se realizo una búsqueda para recopilar la bibliografía utilizando las siguientes
variables: El uso de la inteligencia artificial AND desarrollo de la investigación científica AND la
ética. Tras la adquisición de los resultados de los artículos, se revisó el título, el resumen y las
palabras clave para finalizar los textos seleccionados para el análisis.
DOI: https://doi.org/10.71112/2h12tf97
7 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
Del mismo modo, los criterios de inclusión abarcaron artículos tanto en español como
en inglés, con el rigor de la revisión por pares y el uso de metodologías científicas, que
incorporan enfoques mixtos. Los textos también debían cumplir el criterio de haber sido
publicados en revistas indexadas y cuya publicación no tenga más de diez años de antigüedad.
RESULTADOS
Esta revisión bibliográfica ha analizado fuentes primarias sobre las implicaciones de la
inteligencia artificial (IA) en el desarrollo de la investigación científica. Estos estudios subrayan
el impacto sustancial de la inteligencia artificial en el avance de la investigación, haciendo
hincapié en su capacidad para discernir relaciones complejas, formular teorías novedosas y
optimizar procesos (Bolaños, F. et al., 2024).
Sin embargo, los estudios analizados también destacan las implicaciones éticas y
sociales que surgen con la expansión del uso de la IA. Es imprescindible realizar un examen
exhaustivo de las implicaciones éticas asociadas a la utilización de algoritmos, haciendo
hincapié en los sesgos, la opacidad de los procesos y la responsabilidad en la toma de
decisiones (Mittelstadt, B. et al., 2016). Además, es necesario subrayar la importancia de
diseñar metodologías que mejoren la comprensión y la transparencia de los modelos de
inteligencia artificial.
La implementación de la inteligencia artificial plantea una serie de retos, especialmente
en el ámbito de la investigación. Entre los aspectos más destacados se encuentran:
• Es imprescindible establecer programas de formación estructurados y certificados que
enseñen a los académicos e investigadores a utilizar adecuadamente las herramientas
de IA para el desarrollo de estudios científicos (Reddy, Chandan K. & Shojaee, Parshin,
2025).
• Es fundamental participar activamente en el debate ético en torno a la implementación
de la inteligencia artificial (IA) en los proyectos de investigación. Esta participación es
DOI: https://doi.org/10.71112/2h12tf97
8 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
fundamental para garantizar un uso responsable y transparente de la IA en el ámbito de
la investigación (Resnik, D.B. y Hosseini, M., 2024).
• La promoción del acceso abierto a las tecnologías de inteligencia artificial (IA) en el
ámbito científico es de suma importancia. Esta promoción debe fomentar su
disponibilidad y la libre circulación del conocimiento derivado de su aplicación (Wang, H.
et al., 2023).
• La preparación de revistas académicas y científicas es esencial para comprender y
regular el uso de la inteligencia artificial (IA) en la producción de publicaciones. Esto les
permite desempeñar un papel clave en la supervisión de su aplicación, su gestión
adecuada y la protección de los derechos de autor (Yoo, Jin-Hong, 2025).
Aunque el campo de la inteligencia artificial tiene el potencial de ofrecer perspectivas
novedosas para el avance de la investigación científica, su implementación requiere un examen
meticuloso de sus implicaciones éticas, sociales y legales. Es imperativo establecer
regulaciones explícitas y principios éticos que rijan su uso en entornos académicos. Esto
garantizará que se maximicen los beneficios derivados de su uso, al tiempo que se mantienen
los más altos estándares de responsabilidad social e integridad científica (Subharun, 2023).
DISCUSIÓN
Los hallazgos de esta revisión de la literatura evidencian que la inteligencia artificial
(IA) se ha consolidado como una herramienta estratégica en el desarrollo de investigaciones
científicas, tanto por su capacidad de acelerar procesos analíticos como por su potencial para
generar nuevos marcos conceptuales (Moreno et al., 2020; Polonevych O. et al., 2024). La
automatización de tareas repetitivas y la posibilidad de explorar grandes volúmenes de
información en tiempos reducidos representan un cambio de paradigma en comparación con
los métodos tradicionales (Safarov A., 2023). Esto coincide con estudios recientes revisados en
DOI: https://doi.org/10.71112/2h12tf97
9 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
esta investigación que muestran cómo la IA impulsa la innovación al unir y analizar datos de
diferentes áreas, como la medicina, la biología, las ciencias sociales y la informática.
Sin embargo, los resultados también muestran problemas importantes que es
necesario atender. El sesgo algorítmico, la falta de transparencia y la dificultad para garantizar
la reproducibilidad de ciertos estudios son problemáticas recurrentes que limitan la confiabilidad
de los hallazgos (Quimis Arteaga, L. E., 2024) . En este sentido, es indispensable debatir sobre
la discusión ética y la responsabilidad de las decisiones derivadas de modelos de IA.
Particularmente en un contexto donde estas tecnologías comienzan a desempeñar un papel
activo en la generación de conocimiento. El riesgo de prácticas inadecuadas, como la
producción automática de artículos sin rigor metodológico, refuerza la necesidad de
implementar mecanismos regulatorios y de control editorial.
Asimismo, se observa una desigualdad en el acceso a las tecnologías de IA, que
puede profundizar las brechas entre comunidades científicas con diferentes niveles de
recursos. Aunque la democratización de herramientas basadas en IA ofrece una oportunidad
sin precedentes para ampliar la participación en la producción científica, esta ventaja solo se
materializará si se diseñan políticas que garanticen la disponibilidad equitativa de dichas
tecnologías.
Finalmente, los hallazgos sugieren que la implementación exitosa de la IA en
investigación no puede desvincularse de la formación académica y la construcción de una
cultura de uso responsable. La capacitación estructurada en técnicas de inteligencia artificial,
junto con la incorporación de principios éticos y normativos claros, permitirá aprovechar de
manera más efectiva sus beneficios, reduciendo al mismo tiempo los riesgos asociados.
DOI: https://doi.org/10.71112/2h12tf97
10 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
CONCLUSIONES
La revisión de la literatura evidencia que la inteligencia artificial se ha consolidado
como una herramienta clave para la transformación de la investigación científica, al potenciar la
automatización de procesos, el análisis de grandes volúmenes de datos y la generación de
nuevas líneas de estudio. En disciplinas como la informática, la medicina, la biología y las
ciencias sociales, su impacto es cada vez más evidente, facilitando la integración
interdisciplinaria y la formulación de hipótesis innovadoras. Sin embargo, se requiere un
equilibrio entre la innovación y la ética, mediante la formulación de normativas precisas y
principios éticos claros. Solo así será posible aprovechar plenamente las ventajas de estas
tecnologías, promoviendo una ciencia más eficiente, transparente y socialmente responsable.
La IA no debe concebirse únicamente como un instrumento técnico, sino como un
agente transformador que redefine los métodos, las prácticas y la ética de la producción
científica; su implementación adecuada permitirá acelerar el ritmo de los descubrimientos y, al
mismo tiempo, fortalecer una ciencia más abierta, transparente y socialmente responsable. En
este proceso, el papel de la comunidad investigadora debe centrarse en emplear la IA como un
complemento que potencie la innovación, la transparencia y la responsabilidad social, en
coherencia con los objetivos de una ciencia más abierta, democrática y ética.
Declaración de conflicto de interés
Los autores declaran no tener ningún conflicto de interés relacionado con esta
investigación.
Declaración de contribución a la autoría
Alberto Oviedo-Argueta: conceptualización, investigación, metodología, administración
del proyecto, supervisión, validación, redacción del borrador original, revisión y edición de la
redacción.
DOI: https://doi.org/10.71112/2h12tf97
11 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
Johana Beatriz Pérez de Martínez: investigación, metodología, administración del
proyecto, supervisión, validación, redacción del borrador original, revisión y edición de la
redacción.
Bruno Paúl Alexander Vásquez: investigación, validación y revisión
Omar Otoniel Flores-Cortez: supervisión, validación, redacción del borrador original,
revisión y edición de la redacción.
Declaración de uso de inteligencia artificial
Los autores declaran que utilizaron la inteligencia artificial como apoyo para este
artículo, y también que esta herramienta no sustituye de ninguna manera la tarea o proceso
intelectual. Después de rigurosas revisiones con diferentes herramientas en la que se
comprobó que no existe plagio como constan en las evidencias, los autores manifiestan y
reconocen que este trabajo fue producto de un trabajo intelectual propio, que no ha sido escrito
ni publicado en ninguna plataforma electrónica o de IA.
REFERENCIAS
Aristizábal, C. (2023). Tools for AI-driven development of research competencies. [Artículo de
conferencia]. https://doi.org/10.62486/latia202316
Bolaños, Francisco, Salatino, Angelo, Osborne, Francesco, & Motta, Enrico. (2024). Artificial
intelligence for literature reviews: Opportunities and challenges. 57(259).
https://doi.org/10.1007/s10462-024-10902-3
Gao, J., & Wang, D. (2023). Quantifying the benefit of artificial intelligence for scientific
research. [Preprint]. https://doi.org/10.48550/arXiv.2304.10578
Jobin, Anna, Lenca, Marcello, & Vayena, Effy. (2019). The global landscape of AI ethics
guidelines. 389-399. https://doi.org/10.1038/s42256-019-0088-2
DOI: https://doi.org/10.71112/2h12tf97
12 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
Juca Maldonado, F. (2023, marzo). THE IMPACT OF ARTIFICIAL INTELLIGENCE ON
ACADEMIC WORK AND RESEARCH PAPERS. 6(S1).
Kowsari, K., Jafari Meimandi, K., Heidarysafa, M., Mendu, S., Barnes, L., & Brown, D. (2019).
Text Classification Algorithms: A Survey. 10(4). https://doi.org/10.3390/info10040150
Mittelstadt, B., Allo, P., & Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big
Data & Society, 3(2). https://doi.org/10.1177/2053951716679679
Moreno, A., Lopéz, J., Marin, J., & Soler, R. (2020). Scientific development of educational
artificial intelligence in Web of Science. Future Internet, 12(8), 124.
https://doi.org/10.3390/fi12080124
Muñoz, G. (2024). Implicaciones de la inteligencia artificial en la metodología de investigación.
RITI Journal, 12(26), 1–7. https://doi.org/10.36825/RITI.12.26.003
Padakanti, S., & Kommidi, V. (2024). AI in scientific research: Empowering researchers with
intelligent tools. International Journal of Computer Science Engineering and
Information Technology, 14(1). https://doi.org/10.32628/cseit241051012
Parra Taboada María Elina, Trujillo Arteaga, Juan Carlos, Álvarez Abad, Diana Rubí, Arias
Domínguez, Andrea Soledad, & Santillán Gordón, Esthela. (2023). THE IMPACT OF
ARTIFICIAL INTELLIGENCE ON EDUCATION. 1(4), 169-181.
Polonevych, O., Averichev, I., Polonevych, A., & Morozova, S. (2024). Use of artificial
intelligence in the organization of scientific research. Science and Innovations, 3(3), 1–
9. https://doi.org/10.31673/2412-9070.2024.030306
Quimis Arteaga, Luis Edwin. (2024). Artificial intelligence in journalism: Innovation, ethics, and
collaboration in content creation and verification. 5.
https://doi.org/10.56712/latam.v5i6.3069
Ramirez, Gloria. (2023). Artificial Intelligence (AI) in the Study of Natural Sciences:
Opportunities and Challenges. https://doi.org/10.5281/zenodo.10139852
DOI: https://doi.org/10.71112/2h12tf97
13 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
Rashidov, A., & Rashidova, F. (2024). Challenges and limitations in the use of artificial
intelligence in research and some options to overcome them. En 2024 International
Conference on Computer, Communication, and Network Technology (pp. 1–5). IEEE.
https://doi.org/10.1109/ICCCNT61001.2024.10724588
Rashidov, Aldeniz. (2024). ARTIFICIAL INTELLIGENCE IN SCIENTIFIC RESEARCH. 32(5s).
https://doi.org/10.53656/str2024-5s-3-ald
Reddy, Chandan K & Shojaee, Parshin. (2025). Towards Scientific Discovery with Generative
AI: Progress, Opportunities, and Challenges. 39(27), 28601-28609.
https://doi.org/10.48550/arXiv.2412.11427
Resnik, D.B. & Hosseini, M. (2024). The ethics of using artificial intelligence in scientific
research: New guidance needed for a new tool. 5, 1499-1521.
https://doi.org/10.1007/s43681-024-00493-8
Rueda Carreño, Osvaldo, Seoanes Leon, Jairo Francisco, Gonzalez, Jorge Luis, & Moreno
Bonilla, Harold. (2024). Artificial Intelligence (AI) in Scientific Research.
https://doi.org/10.52783/lhep.2024.1366
Ruiz Muñoz, Geovanny Francisco. (2024). Implications of artificial intelligence in research
methodology. 12(26), 28-38. https://doi.org/10.36825/RITI.12.26.003
Safarov, A. (2023). Progress of artificial intelligence in research: New methods and possibilities.
Ekonomija i Upravlenie: Regionalnye Voprosy, 8(3).
https://doi.org/10.36871/ek.up.p.r.2024.08.08.006
Sanieva, A. (2024). Development of interdisciplinary scientific research through the application
of artificial intelligence. Journal of Interdisciplinary Research, 14(2).
https://doi.org/10.36871/ek.up.p.r.2024.08.03.008
Suazo, I. (2023). Inteligencia artificial en investigación científica. Scientia et Ratio, 3(1), 2149.
https://doi.org/10.32457/scr.v3i1.2149
DOI: https://doi.org/10.71112/2h12tf97
14 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 3, 2026, julio-septiembre, Edición Especial
Subieta, L. (2024). El uso de la inteligencia artificial en la investigación científica.
https://doi.org/10.19053/uptc.01227238.18014
Subharun Pal. (2023). A Paradigm Shift in Research: Exploring the Intersection of Artificial
Intelligence and Research Methodology. 11(3).
https://doi.org/10.37082/IJIRMPS.v11.i3.230125
Universidad de Sevilla. (2023). Inteligencia artificial en la investigación y la docencia
universitaria. (Colección de Monografías y Estudios, 41).
https://bib.us.es/sites/bib3.us.es/files/investiga41.pdf
Vedran, D. (2018). Machine learning & artificial intelligence in the quantum domain: A review of
recent progress. Reports on Progress in Physics, 81(12). https://doi.org/10.1088/1361-
6633/aab406
Wang, Hanchen, Fu, Tianfan, Yuanqi Du, Wenhao Gao, Kexin Huang, Ziming Liu, Payal
Chandak, Shengchao Liu, Peter Van Katwyk, Andreea Deac, Anima Anandkumar,
Karianne Bergen, Carla P. Gomes, Shirley Ho, Pushmeet Kohli, Joan Lasenby, Jure
Leskovec, Tie-Yan Liu, Arjun Manrai, … …Marinka Zitnik. (2023). Scientific discovery
in the age of artificial intelligence. 47-60. https://doi.org/10.1038/s41586-023-06221-2
Xu, Yongjun, Liu, Xin, Cao, Xin, Huang, Changping, Liu, Enke, Qian, Sen, Liu, Xingchen, Wu,
Yanjun, Dong, Fengliang, Cheng-Wei Qiu, Qiu, Junjun, Hua, Keqin, Su, Wentao, Wu,
Jian, Xu, Huiyu, Han, Young, Chenguang Fu, Zhigang Yin, Miao Liu, … Zhang, Jiabao.
(2021). Artificial intelligence: A powerful paradigm for scientific research. 2(4).
Yoo, Jin-Hong. (2025). Defining the Boundaries of AI Use in Scientific Writing: A Comparative
Review of Editorial Policies. 40(23). https://doi.org/10.3346/jkms.2025.40.e187
