DIPLOMADO EN

CONTENIDO ACADÉMICO DETALLADO

MÓDULO 1  |  EPISTEMOLOGÍA DE LA CIENCIA, ÉTICA E INTEGRIDAD DE LA INVESTIGACIÓN EN LA ERA DE LA INTELIGENCIA ARTIFICIAL.

Unidad 1.1         Estatuto epistemológico de la ciencia y crisis del positivismo lineal: tránsito hacia las epistemologías de la complejidad y la irrupción de la inteligencia artificial.

Unidad 1.2         El paradigma de la complejidad y el pensamiento sistémico: principios dialógico, recursivo y hologramático de Morin aplicados al diseño de investigaciones con mediaciones algorítmicas.

Unidad 1.3         La infosfera y el paradigma Onlife: ontología del investigador contemporáneo según Floridi; reontologización de la realidad y condición del investigador como organismo informacional.

Unidad 1.4         Ética de la responsabilidad y sesgo algorítmico: principio de Jonas, fuentes y manifestaciones del sesgo, y estrategias de vigilancia ética para identificarlo y mitigarlo.

Unidad 1.5         Integridad científica y tipologías de la mala conducta en la era de la IA: fabricación, falsificación, plagio algorítmico, fabricación de datos y generación de referencias inexistentes.

Unidad 1.6         La alucinación algorítmica: causas técnicas, manifestaciones en la producción académica y protocolos rigurosos de verificación de fuentes, datos y citas generadas por IA.

Unidad 1.7         Marco normativo del uso ético de la IA y políticas de integridad institucional: reglamento boliviano de universidades privadas, declaración de uso, supervisión tutorial y evaluación en tribunales.

MÓDULO 2  |  ENFOQUES METODOLÓGICOS CUALITATIVOS CON SOPORTE DE INTELIGENCIA ARTIFICIAL.

Unidad 2.1         Fundamentos de la investigación cualitativa y sus tradiciones: interpretativismo, construccionismo, fenomenología, estudio de caso, etnografía, teoría fundamentada e investigación narrativa.

Unidad 2.2         Diseño cualitativo, muestreo intencional y construcción del corpus: diseño emergente, muestreo teórico y rol de la IA en la organización preliminar de grandes volúmenes sin sustituir la interpretación.

Unidad 2.3         Técnicas de recolección: entrevista en profundidad, observación y grupos focales; uso asistido de IA en transcripción y organización inicial de datos con sus límites en la captación del sentido.

Unidad 2.4         Análisis cualitativo asistido: codificación abierta, axial y selectiva; papel de la IA en la detección de patrones sin desplazar la interpretación humana que confiere significado a los datos.

Unidad 2.5         Hermenéutica de datos y análisis del discurso en entornos digitales: articulación entre potencia computacional y profundidad interpretativa humana en grandes volúmenes textuales.

Unidad 2.6         Rigor, credibilidad y criterios de calidad cualitativa: credibilidad, transferibilidad, dependibilidad, confirmabilidad y documentación del uso de IA para preservar transparencia y auditabilidad.

Unidad 2.7         Aplicación integradora: diseño de un protocolo cualitativo asistido por IA con documentación explícita de decisiones interpretativas humanas y apoyos algorítmicos empleados.

MÓDULO 3  |  DISEÑOS CUANTITATIVOS Y ANÁLISIS DE DATOS ASISTIDO POR INTELIGENCIA ARTIFICIAL GENERATIVA.

Unidad 3.1         Lógica de la investigación cuantitativa y operacionalización de variables: formulación de hipótesis, construcción del marco de medición y aporte de la IA bajo primacía del razonamiento metodológico.

Unidad 3.2         Diseños cuantitativos: experimentales, cuasiexperimentales y no experimentales; validez interna y externa, criterios de selección y apoyo de la IA sin comprometer el juicio metodológico.

Unidad 3.3         Muestreo probabilístico, tamaño muestral y potencia estadística: técnicas probabilísticas, cálculo asistido y verificación crítica de resultados con comprensión de sus fundamentos.

Unidad 3.4         Estadística descriptiva e inferencial con soporte algorítmico: pruebas de hipótesis, modelos de asociación y verificación humana de la pertinencia y corrección de procedimientos sugeridos por IA.

Unidad 3.5         Construcción y validación de instrumentos de medición: validez de contenido, criterio y constructo; confiabilidad y generación preliminar de ítems con IA sometidos a validación por criterio experto.

Unidad 3.6         Interpretación de resultados, visualización de datos y comunicación de hallazgos: representación visual efectiva y advertencias sobre el riesgo de interpretaciones espurias asistidas por IA.

Unidad 3.7         Aplicación integradora: diseño cuantitativo completo desde la formulación hasta el plan de análisis, documentando el uso ético de la IA y garantizando la responsabilidad interpretativa del investigador.

MÓDULO 4  |  REDACCIÓN CIENTÍFICA ESTRUCTURAL IMRYD, GESTIÓN EDITORIAL Y TUTORÍA UNIVERSITARIA CON INTELIGENCIA ARTIFICIAL.

Unidad 4.1         La estructura IMRyD y la arquitectura del artículo científico: lógica argumentativa de cada sección, calidad de la redacción y uso de IA como asistente de redacción bajo control intelectual del autor.

Unidad 4.2         Redacción de cada sección del manuscrito y normas APA 7: sistema de citación, referencias, gestión de DOI y verificación de cada referencia frente a la fabricación algorítmica de fuentes.

Unidad 4.3         Búsqueda, gestión bibliográfica y construcción del estado del arte: búsqueda sistemática en Scopus, Web of Science y SciELO; uso de IA para síntesis con verificación de existencia y pertinencia real.

Unidad 4.4         Proceso editorial, revistas indexadas y respuesta a revisores: funcionamiento del sistema de publicación científica, revisión por pares y elaboración de cartas de respuesta con criterio editorial experto.

Unidad 4.5         Fundamentos de la tutoría universitaria y andamiaje del investigador en formación: competencias del tutor, zona de desarrollo próximo del tesista y enseñanza del uso ético de la IA sin atrofiar competencias.

Unidad 4.6         Evaluación de la integridad en trabajos de titulación y gestión de tribunales: detección de mala conducta asistida por IA, verificación de autoría y criterios para distinguir uso legítimo del fraudulento.

Unidad 4.7         Aplicación integradora: dirección de un proceso completo de titulación desde el diseño hasta la defensa, integrando supervisión ética de la IA y garantía de integridad científica del producto final.