Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 229
Revisión exploratoria del libro científico El oráculo
del silicio: inteligencia artificial y el porvenir del
conocimiento
A Scoping Review of The Oracle of Silicon: Artificial Intelligence and
the Future of Knowledge
Ovelar-Fernánez, Walter Daniel
1
Ibarra-de-Ramirez, María Raquel
2
https://orcid.org/0000-0002-2414-5154
https://orcid.org/0000-0002-3620-3454
walter.ovelar@americana.edu.py
maria.ibarra@americana.edu.py
Paraguay, Asunción, Universidad Americana.
Paraguay, Asunción, Universidad Americana.
Autor de correspondencia
1
DOI / URL: https://doi.org/xxxxxx
Resumen: El avance de la inteligencia artificial ha
generado una producción académica creciente que
requiere ser sistematizada para identificar tendencias,
enfoques predominantes y brechas de conocimiento. Esta
investigación tuvo como objetivo realizar una revisión
exploratoria del libro científico El Oráculo del Silicio:
inteligencia artificial y el porvenir del conocimiento,
integrado por 55 capítulos, con el propósito de organizar
sus principales líneas temáticas, enfoques metodológicos y
oportunidades para futuras investigaciones. Se adoptó un
enfoque cualitativo-descriptivo, apoyado en herramientas
digitales como inteligencia artificial generativa y planillas
electrónicas, utilizadas para clasificar capítulos, agrupar
temas, construir clústeres conceptuales y generar mapas
de coocurrencia. Los resultados muestran que la mayoría
de los capítulos se vinculan con las ciencias sociales, con
predominio de ensayos reflexivos, revisiones de literatura y
análisis teóricos. La discusión evidencia que la IA opera
como catalizador de reflexión sobre la sociedad, el
conocimiento, la educación y la transformación institucional
en Paraguay. Se concluye que el estudio constituye una
aproximación sistemática e innovadora a la revisión
exploratoria de un libro científico, con potencial aporte
metodológico para América Latina, especialmente por
incorporar análisis clúster, mapas temáticos y redes de
coocurrencia asistidas por ChatGPT.
Palabras clave: análisis clúster, ChatGPT, inteligencia
artificial, libro científico, revisión exploratoria.
Research Article
Receptado: 14/Jun/2026
Aceptado: 10/Jul/2026
Publicado: 31/Jul/2026
Cita: Ovelar-Fernánez, W. D., & Ibarra-de-
Ramirez, M. R. (2026). Revisión exploratoria
del libro científico El oráculo del silicio:
inteligencia artificial y el porvenir del
conocimiento. Journal of Economic and Social
Science Research, 6(3), 229-
250. https://doi.org/10.55813/gaea/jessr/v6/n3/
276
Journal of Economic and Social Science
Research (JESSR)
https://economicsocialresearch.com
jessr@editorialgrupo-aea.com
info@editoriagrupo-aea.com
Nota del editor: Editorial Grupo AEA se
mantiene neutral con respecto a las
reclamaciones legales resultantes de
contenido publicado. La responsabilidad de
información publicada recae enteramente en
los autores.
© 2026. Este artículo es un documento de
acceso abierto distribuido bajo los términos y
condiciones de la Licencia Creative
Commons, Atribución-NoComercial 4.0
Internacional.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 230
Artículo Científico
Julio – Septiembre 2026
Abstract:
Advances in artificial intelligence have led to a growing body of academic literature that
needs to be systematized in order to identify trends, predominant approaches, and
knowledge gaps. The objective of this research was to conduct an exploratory review
of the scientific book The Oracle of Silicon: Artificial Intelligence and the Future of
Knowledge, comprising 55 chapters, with the aim of organizing its main thematic
strands, methodological approaches, and opportunities for future research. A
qualitative-descriptive approach was adopted, supported by digital tools such as
generative artificial intelligence and spreadsheets, which were used to classify
chapters, group topics, construct conceptual clusters, and generate co-occurrence
maps. The results show that most chapters are related to the social sciences, with a
predominance of reflective essays, literature reviews, and theoretical analyses. The
discussion reveals that AI acts as a catalyst for reflection on society, knowledge,
education, and institutional transformation in Paraguay. We conclude that this study
constitutes a systematic and innovative approach to the exploratory review of a
scientific book, with potential methodological contributions for Latin America,
particularly due to its incorporation of cluster analysis, thematic maps, and co-
occurrence networks assisted by ChatGPT.
Keywords: artificial intelligence, ChatGPT, cluster analysis, scientific book, scoping
review.
1. Introducción
La inteligencia artificial (IA) se ha consolidado como una de las tecnologías más
disruptivas del siglo XXI. A finales de 2022, el uso generalizado de modelos
generativos como ChatGPT mostró que las máquinas pueden imitar diferentes
funciones del pensamiento humano, como entender y crear texto, reconocer imágenes
y hacer predicciones. Estas habilidades han hecho que la IA sea una de las bases
fundamentales de la Cuarta Revolución Industrial. Esta etapa se caracteriza por la
unión de tecnologías avanzadas como la IA, la robótica y la edición genética, que
mezclan los mundos físico, digital y biológico. Esta transformación está reconfigurando
de forma profunda los modelos de negocio, los sistemas de gestión y múltiples esferas
de la vida humana (Oosthuizen, 2022).
Quizás uno de los ámbitos más sensibles a esta disrupción sea el mercado laboral.
Un estudio del Banco Interamericano de Desarrollo (BID), elaborado por Benítez y
Parrado (2024), introdujo el Índice de Exposición Laboral Generado por la IA
(GENOE), el cual emplea grandes modelos lingüísticos para evaluar el impacto
potencial de la IA sobre más de 750 ocupaciones. Según sus hallazgos, en promedio,
las profesiones enfrentan un 28 % de probabilidad de verse afectadas por la IA en el
corto plazo (un año), cifra que se incrementa a 38 % y 44 % en horizontes temporales
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 231
Artículo Científico
Julio – Septiembre 2026
de cinco y diez años, respectivamente. Al proyectar estos datos, se estima que
aproximadamente 84 millones en toda América Latina podrían estar expuestos a
transformaciones inducidas por la IA en el próximo año.
Ante un panorama de transformación tecnológica acelerada, la academia no puede
adoptar una postura pasiva. Resulta imperativo que las universidades revisen y
actualicen sus planes de estudio para incorporar competencias clave como IA, ciencia
de datos, ética algorítmica, programación y pensamiento crítico, con el propósito de
formar profesionales preparados para desenvolverse en un entorno digital dinámico y
cambiante. Diversas voces del liderazgo académico, como la rectora de la Universitat
Oberta de Catalunya (UOC), han señalado que la irrupción de la IA exige repensar
profundamente el modelo educativo, incluyendo los objetivos, destinatarios y
finalidades de la educación superior (Fundación CYD, 2024).
Al mismo tiempo, la academia tiene la responsabilidad de involucrarse en el estudio
crítico de las posibilidades, desafíos e implicaciones sociales y éticas de la IA. Solo
con una reflexión cuidadosa se podrán crear políticas públicas y estrategias de
instituciones que aprovechen al máximo los beneficios de la IA, mientras se minimizan
sus posibles efectos negativos en el empleo, las organizaciones, la gestión pública y
la cohesión social.
En ese sentido, el libro científico El Oráculo del Silicio, presentado en Asunción del
Paraguay en el mes de septiembre del año 2025 y editado por las académicas
paraguayas Kwan y Dos Santos (2025), representa un primer aporte. Este libro es un
excelente punto de inicio para comenzar a investigar sobre IA en Paraguay y un
ejemplo inspirador que debe ser expandido por futuras investigaciones universitarias
en Paraguay y la región.
Tal como se destaca en el trabajo colaborativo analizado, la IA ya está transformando
profundamente los modos de producción y generación de conocimiento, al tiempo que
reinventa las dinámicas de la educación superior. Estos avances tecnológicos afectan
mucho los métodos tradicionales de investigación científica, lo que nos lleva a
reconsiderar tanto las metodologías como las prácticas relacionadas con la difusión
del conocimiento académico.
El libro El Oráculo del Silicio, en su prólogo, subraya su anclaje en la realidad
paraguaya, al caracterizar a la IA como un “espejo de silicio que nos plantea incógnitas
complejas”. Esta metáfora indica que el problema principal es entender cómo la IA
afecta la creación de conocimiento en nuestro país y qué consecuencias de
conocimiento surgen de este cambio.
En este marco, la propuesta es realizar una revisión exploratoria del contenido del
libro científico El Oráculo del Silicio. Según Peters et al. (2021), una revisión
exploratoria es un tipo de síntesis de evidencia que busca identificar y organizar de
manera sistemática la literatura relevante que cumple con criterios de inclusión
específicos sobre un tema, contexto, campo, concepto o pregunta particular.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 232
Artículo Científico
Julio – Septiembre 2026
Es frecuente la confusión entre cuáles son los objetivos y alcances de una revisión
sistemática (RS) y los de una revisión exploratoria (Scoping Review, ScR). Para Munn
et al. (2018), son métodos de síntesis con objetivos y alcances distintos. A
continuación, se comparan sus diferencias en términos de propósito, tipo de
preguntas, evaluación crítica, síntesis de resultados y aplicabilidad.
Propósito: La RS tiene como objetivo responder de manera precisa a una pregunta
específica, usualmente sobre la efectividad de una intervención o la relación entre
variables, ofreciendo conclusiones sólidas (Aguilera-Eguía et al., 2024). Por el
contrario, la ScR busca mapear un campo más amplio, brindando una visión general
de la evidencia disponible en lugar de una respuesta concluyente (Munn et al., 2018;
Peters et al., 2020).
Tipo de preguntas: La pregunta de una RS es específica (p. ej., “¿El programa X
reduce la deserción escolar?”), mientras que la de una ScR es amplia y orientada a
qué se ha estudiado sobre un tema (p. ej., “¿Qué disciplinas científicas aborda el libro
sobre IA?” (Codina, 2022). Por ejemplo, una RS en educación podría evaluar la
eficacia de un método pedagógico específico, mientras una ScR mapearía las
metodologías educativas utilizadas y detectaría vacíos en la investigación (Arksey &
O’Malley, 2005).
Evaluación crítica: La RS incluye una evaluación rigurosa de la calidad de los estudios
para sustentar sus conclusiones (Aguilera-Eguía et al., 2024). En cambio, la ScR no
requiere evaluar la calidad de cada estudio (Codina, 2022); por tanto, ofrece una
descripción amplia del panorama en lugar de valorar la solidez de la evidencia.
Síntesis de resultados: En una RS, los hallazgos suelen sintetizarse mediante meta-
análisis cuantitativo (si los datos lo permiten) o con una síntesis narrativa estructurada.
La ScR ofrece una síntesis descriptiva: expone resultados cualitativos en narrativas,
tablas o mapas conceptuales en vez de combinarlos estadísticamente (Codina, 2022).
Al respecto, Arksey & O’Malley (2005) afirman que las ScR podrían describir con
mayor detalle los resultados y el rango de la investigación en un área particular de
estudio.
Aplicabilidad: Los resultados de una RS son aplicables para guiar decisiones prácticas
o políticas, pues proporcionan evidencia robusta sobre “qué funciona” en una cuestión
delimitada (Aguilera-Eguía et al., 2024). Sin embargo, en contraste, la ScR ofrece un
panorama global para planificar la investigación: identifica tendencias y vacíos en la
literatura (Arksey & O’Malley, 2005), orientando futuras líneas de estudio en lugar de
ofrecer recomendaciones inmediatas (Codina, 2022). Por ejemplo, una RS en
sociología podría confirmar si una intervención en la comunidad disminuye la
desigualdad social, mientras que una ScR sobre el mismo tema identificaría las
intervenciones sociales estudiadas y destacaría aspectos que se han investigado
poco.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 233
Artículo Científico
Julio – Septiembre 2026
Si bien las revisiones exploratorias se han consolidado como una herramienta
metodológica en las ciencias médicas (Lockwood et al., 2019; Levac et al., 2010), su
aplicación aún se limita a las ciencias sociales y en los campos de la ingeniería y la
tecnología. De hecho, no se han identificado estudios que utilicen este enfoque para
mapear exclusivamente libros científicos, lo que refuerza el carácter pionero de esta
investigación. Por tanto, este trabajo constituye una de las primeras aproximaciones
sistemáticas a la revisión exploratoria de un libro científico en Paraguay y
posiblemente en Hispanoamérica.
Mak y Thomas (2022), así como Levac et al. (2010), coinciden en que toda revisión
exploratoria debe iniciarse con la formulación clara de las preguntas de investigación,
las cuales orientan el proceso de recolección y el análisis de datos. En este sentido,
las preguntas de investigación que guían el presente estudio son:
PI-1: ¿Cuáles son las disciplinas y subdisciplinas científicas abordadas en cada
capítulo del libro científico?
PI-2: ¿Cuál es el enfoque metodológico, el tipo de estudio y los métodos utilizados en
cada capítulo?
PI-3: ¿Cuál es la cantidad y frecuencia de las palabras clave empleadas en los
capítulos?
PI-4: ¿Qué coocurrencias existen entre las palabras clave en los capítulos del libro?
PI-5: ¿Qué clústeres temáticos emergen del análisis de las palabras clave?
PI-6: ¿Cuál es la cantidad y frecuencia de filiaciones institucionales de los autores
participantes?
PI-7: ¿Cuál es la cantidad y frecuencia de las titulaciones máximas obtenidas por los
autores?
PI-8: ¿Cuál es la distribución y frecuencia del número de autores por capítulo?
PI-9: ¿Cuál es la cantidad y distribución de páginas por capítulo?
PI-10: ¿Qué brechas de conocimiento pueden identificarse a partir del análisis del
contenido del libro?
A partir de estas preguntas, se plantea como objetivo general: Realizar una revisión
exploratoria de los capítulos del libro científico El Oráculo del Silicio con el propósito
de mapear las disciplinas y subdisciplinas abordadas, identificar enfoques
metodológicos, tipos de estudios y métodos empleados y, además, analizar las
coocurrencias y redes semánticas de palabras clave, así como detectar las principales
brechas de conocimiento emergentes.
Los objetivos específicos son:
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 234
Artículo Científico
Julio – Septiembre 2026
1. Caracterizar las disciplinas y subdisciplinas científicas presentes en los
capítulos del libro El Oráculo del Silicio.
2. Identificar y clasificar los enfoques metodológicos, tipos de estudios y
métodos de investigación utilizados en cada capítulo.
3. Cuantificar la cantidad y frecuencia de las palabras clave, y analizar su
distribución temática.
4. Detectar relaciones de coocurrencia entre palabras clave y visualizar estas
relaciones mediante un mapa de calor y una red semántica.
5. Agrupar palabras clave en clústeres temáticos y describir sus
características, nodos centrales y relaciones predominantes.
6. Analizar la filiación institucional de los autores y su nivel de formación
académica.
7. Examinar la frecuencia de autoría por capítulo y su extensión en número de
páginas.
8. Identificar brechas de conocimiento emergentes y líneas temáticas con
potencial de desarrollo futuro.
2. Materiales y métodos
Este artículo científico, tal como lo puntualizan los autores Noble & Smith (2018) y
Munn et al. (2018), se circunscribe en el marco de un enfoque cualitativo-descriptivo
asistido tanto por herramientas de IA como digitales, las que se emplearon para
mapear los tópicos de conocimientos, identificar áreas para futuras revisiones
sistemáticas u otras formas de síntesis de evidencias (Peters et al., 2020) y encontrar
brechas de conocimientos (Arksey & O’Malley, 2005). Por lo tanto, conforme a las
afirmaciones de Li et al. (2018), las revisiones exploratorias se centran más en «lo que
se ha hecho» que en «lo que se ha encontrado». La idea principal es trazar un mapa
del territorio, por lo que las revisiones exploratorias también se denominan revisiones
de mapeo.
Este estudio seguirá el marco metodológico de cinco etapas sugerido por Arksey &
O’Malley (2005) y refinado por Levac et al. (2010), compuesto por: (a) identificación
de las preguntas de investigación, (b) búsqueda y selección de fuentes, (c)
codificación y extracción de datos, (d) análisis temático y visualización, y (e) síntesis
y comunicación de resultados. Se incluyeron los 55 capítulos contenidos en el libro El
Oráculo del Silicio (Kwan & Dos Santos, 2025), independientemente del enfoque
disciplinar, la nacionalidad del autor o el método de trabajo utilizado. El corpus se
delimitó a partir de su versión digital en PDF (Kwan & Dos Santos, 2025).
Los procedimientos metodológicos por objetivo específico son los siguientes:
Objetivo 1: Caracterizar disciplinas y subdisciplinas científicas.
Para caracterizar en qué disciplinas y subdisciplinas científicas se enmarcan cada uno
de los 55 capítulos del libro científico analizado, se utilizó el OECD (2015) de la
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 235
Artículo Científico
Julio – Septiembre 2026
Organización para la Cooperación y el Desarrollo Económicos (OCDE). Este manual
es un estándar internacional utilizado para categorizar investigaciones, proyectos de
investigación y desarrollo (I+D) y fondos públicos destinados a ciencia y tecnología.
El manual clasifica las ciencias en seis amplias disciplinas del conocimiento, cada una
de ellas con varias subdisciplinas.
Seguidamente, se muestra la taxonomía del OECD (2015) por disciplina científica con
sus correspondientes subdisciplinas: 1. Ciencias Naturales incluye: Matemáticas,
Ciencias de la computación, Física, Química, Ciencias de la tierra y del
medioambiente, Biología y otras ciencias naturales. 2. Ingeniería y Tecnología incluye:
Ingeniería civil, eléctrica, mecánica y ambiental, tecnología médica, de los materiales,
nanotecnología, biotecnología y otras ingenierías y tecnologías. 3. Ciencias Médicas
y de la Salud incluye: Medicina básica, Medicina clínica, Ciencias de la salud pública,
Enfermería, Odontología, Farmacia y otras ciencias médicas. 4. Ciencias Agrícolas y
Veterinarias incluye: Agricultura, silvicultura, pesca, ciencia de los alimentos, medicina
veterinaria y otras ciencias agrícolas. 5. Ciencias Sociales incluye: Psicología,
Economía y Negocios, Sociología, Derecho, Ciencias Políticas, Geografía Económica
y Social, Medios de Comunicación y otras ciencias sociales. 6. Humanidades y Artes
incluye: Historia, Lengua y literatura, Filosofía, ética y religión, Artes (incluye música,
artes visuales y escénicas), Arqueología y otras humanidades. Este proceso implicó
una lectura exploratoria de cada capítulo, codificando manualmente la disciplina y
subdisciplina predominante mediante análisis de contenido (Krippendorff, 2018).
Objetivo 2: Identificar enfoques metodológicos y tipos de estudios.
Se extrajeron las secciones metodológicas o su equivalente implícito en cada capítulo.
Luego, se categorizó el enfoque (cuantitativo, cualitativo, mixto), el tipo de estudio
(descriptivo, exploratorio, experimental, entre otros) y los métodos utilizados (ensayo,
revisión bibliográfica, estudio de caso, etc.) con base en criterios definidos por
Hernández-Sampieriy Mendoza. (2018).
Objetivo 3: Cuantificar palabras clave y analizar distribución temática.
Se normalizó el conjunto de palabras clave de los 55 capítulos, eliminando
duplicidades, errores tipográficos y variantes semánticas. Posteriormente, se utilizó
Microsoft Excel y el software Voyant Tools (2025) para generar una tabla de
frecuencias y nube de palabras, permitiendo observar la recurrencia y distribución
temática general.
Objetivo 4: Detectar coocurrencias y visualizarlas.
Para detectar y analizar coocurrencias, se identificaron pares de palabras que
aparecen juntas en un mismo conjunto temático. Este análisis se realizó en tres
etapas. En primer lugar, se utilizó ChatGPT (OpenAI, 2025) para procesar el corpus
de palabras clave y generar una matriz de coocurrencias. Esta matriz se representó
visualmente como un mapa de calor, que permitió visualizar la densidad de relaciones
entre conceptos clave. El modelo de IA se instruyó para identificar asociaciones
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 236
Artículo Científico
Julio – Septiembre 2026
semánticas robustas en base a la frecuencia de coaparición entre términos. En
segundo lugar, con el mismo conjunto de datos, se solicitó a ChatGPT la construcción
de una red de coocurrencia semántica. Los nodos representaron conceptos clave y
los enlaces reflejaron el grado de asociación temática entre ellos.
Se aplicó un análisis de clústeres para identificar comunidades temáticas dentro de la
red, que reflejen áreas de concentración e interacción disciplinar. En tercer lugar, se
generaron visualizaciones mediante scripts automatizados sugeridos por ChatGPT,
los que fueron exportados y adaptados en Microsoft Excel, según la complejidad del
grafo. Estas visualizaciones se validaron mediante triangulación con la literatura
especializada de expertos en análisis bibliométrico (Moral-Muñoz et al., 2020; Tricco
et al., 2018).
Objetivo 5: Agrupar y describir clústeres temáticos.
Con el análisis clúster se descompusieron las unidades analizadas en grupos de ítems
afines y relacionados, los que en el contexto científico pueden interpretarse como
líneas temáticas o campos disciplinares emergentes (Gálvez, 2018). Asimismo,
también se tomó como base a Callon et al. (1991), al ser cada clúster analizado en
función de sus nodos centrales, peso semántico y dominio disciplinar predominante.
Objetivo 6: Analizar filiación institucional y nivel académico.
Se construyó una base de datos con los autores y coautores de cada capítulo,
registrando su filiación institucional y titulación máxima obtenida (licenciatura,
maestría, doctorado). Esta información se extrajo directamente del libro.
Objetivo 7: Examinar frecuencia de autoría y extensión de capítulos.
Se sistematizó la cantidad de autores por capítulo (autor único, coautoría, etc.) y el
número total de páginas por capítulo. Esta información se visualizó mediante
histogramas de distribución y análisis de tendencias para identificar patrones de
producción académica individual o colaborativa.
Objetivo 8: Identificar brechas de conocimiento.
A partir del análisis clúster y redes semánticas, se identificaron nodos periféricos,
palabras clave poco conectadas o ausentes y dominios temáticos poco representados.
Estas observaciones sirvieron de base para la formulación de brechas de
conocimiento y recomendaciones para futuras investigaciones (Boell & Cecez-
Kecmanovic, 2015).
El presente estudio no involucra datos personales ni intervenciones sobre seres
humanos. Toda la información utilizada es de acceso abierto y forma parte de una
publicación académica. Se reconoce el uso ético de herramientas de IA como
ChatGPT (OpenAI, 2025), como apoyo en procesos analíticos, conforme a principios
de transparencia y reproducibilidad.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 237
Artículo Científico
Julio – Septiembre 2026
3. Resultados
En la Figura 1, elaborada con el apoyo de ChatGPT (OpenAI, 2025), se determinó qué
disciplinas prevalecen entre los 55 capítulos del libro científico. Las Ciencias Sociales
prevalecen con 43 capítulos, seguidas por las Ciencias de la Salud con siete,
Ingeniería y Tecnología con tres y, finalmente, Humanidades y Artes con dos. Las
disciplinas científicas de Ciencias Naturales y Ciencias Agrícolas y Veterinarias no
poseen ni un capítulo en el libro científico revisado.
Figura 1
Disciplinas científicas
Nota: Elaboración con apoyo de ChatGPT (OpenAI, 2026).
Por otro lado, en cuanto a las subdisciplinas científicas relevadas y tal como se
observa en la Figura 2, elaborada con apoyo de ChatGPT (OpenAI, 2025), las que
más prevalecen son Educación (n=7) capítulos. Le siguen Negocios, Medicina,
Recursos Humanos y Economía (n=5). Luego con Marketing y Derecho (n=4), y
finalmente Ciberseguridad (n=2).
Figura 2
Subdisciplinas científicas
Nota: Elaboración con apoyo de ChatGPT (OpenAI, 2026).
0
1
2
3
4
5
6
7
8
Educación
Negocios
Medicina
Recursos…
Economía
Marketing
Derecho
Ciberseguridad
Ingeniería
Patrimonio…
Antropología
Neurociencia y…
Política y…
Gestión y…
Economía,…
Historia y…
Contabilidad y…
Psicología…
Turismo
Diseño y Moda
Sociología y…
Comercio…
Filosofía del…
Finanzas
Biotecnología
Psicopedagogía
Frecuencia
Subdisciplinas Cientifícas
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 238
Artículo Científico
Julio – Septiembre 2026
El análisis de los 55 capítulos del libro científico revela un total de 262 palabras clave
utilizadas a lo largo de las contribuciones. En la Figura 3, elaborada con apoyo de
ChatGPT (OpenAI, 2025), se detallan la distribución y frecuencia de dichas palabras.
Lo cual permite visualizar los términos más recurrentes y cuál es su peso relativo en
el conjunto de textos. Con 51 menciones, la palabra clave "Inteligencia Artificial"
destaca como la más empleada, lo que implica que solo cuatro capítulos no la han
mencionado explícitamente entre sus descriptores temáticos. En un segundo nivel de
frecuencia se encuentran los términos "Ética" (n=20), "Tecnología" y "Digitalización"
(ambas con n=19), "Educación" (n=11), así como "Economía y Negocios" y "Trabajo
y Recursos Humanos" (n=10 menciones cada una).
En la Figura 4, se muestra una nube de palabras elaborada con la herramienta digital
Voyant Tools (2025). La que se basa en el conjunto de palabras clave que se
normalizaron en la Figura 3. Esta visualización ayuda a ver rápidamente los temas
principales y posibles conexiones entre ideas, gracias al tamaño y la visibilidad de los
términos.
Figura 3
Palabras clave
Nota: Elaboración propia con apoyo de ChatGPT (OpenAI, 2026).
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 239
Artículo Científico
Julio – Septiembre 2026
Figura 4
Nube de palabras clave
Nota: Elaboración propia con apoyo de Voyant Tools (Voyant Tools, 2025).
La Figura 5, creada con ayuda de ChatGPT (OpenAI, 2025), presenta el mapa de
coocurrencias de las palabras clave del libro científico analizado. Primero, los términos
pasaron por un proceso de normalización y depuración, estableciéndose un umbral
mínimo de coocurrencia de ≥ 2. Se puede ver claramente que la palabra clave
"inteligencia artificial" ocupa una posición central y cómo se relaciona con el resto de
los términos en el mapa. Las palabras clave en posiciones transversales también
actúan como enlaces entre los distintos grupos temáticos, mostrando conexiones
conceptuales y relaciones entre áreas de conocimiento diferentes.
Con ayuda de ChatGPT (OpenAI, 2025), se creó en la Figura 6 una red de
coocurrencias con el conjunto de palabras clave normalizadas, usando un filtro de
frecuencia de ≥ 2.
Figura 5
Coocurrencia de palabras clave
Nota: Elaboración con apoyo de ChatGPT (OpenAI, 2026).
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 240
Artículo Científico
Julio – Septiembre 2026
Figura 6
Red de coocurrencias
Nota: Elaboración con apoyo de ChatGPT (OpenAI, 2026).
A partir del análisis del mapa y de la red de coocurrencias, se identificaron y definieron
seis clústeres temáticos, cada uno centrado en un área específica:
1. Educación + IA: centrado en la innovación pedagógica, la formación docente y
el uso ético de la IA en entornos de educación superior.
2. Ética y gobernanza de la IA: aborda responsabilidad algorítmica, regulación,
sesgos, privacidad y ciberseguridad.
3. Economía y Negocios con IA: orientado a la aplicación de la IA en
productividad, marketing, inclusión financiera y PYMES con énfasis en el
contexto nacional paraguayo.
4. Trabajo y transformación digital: relacionada con la transición laboral impulsada
por la IA, destacando el desarrollo de competencias digitales, el liderazgo ético
y la configuración de culturas organizacionales adaptativas.
5. Salud y Educación Médica con IA: centrado en la incorporación de la IA en la
atención sanitaria, la docencia médica y la gestión clínica. El abordaje integra
de manera robusta componentes éticos y regulatorios.
6. Clústeres emergentes: agrupa por nichos temáticos con alto potencial de
crecimiento, como patrimonio cultural, antropología, neuroeducación y
blockchain.
Más allá de la distribución temática descrita, la Figura 7, creada con apoyo de
ChatGPT (OpenAI, 2025), muestra que, en la redacción de los 55 capítulos del libro
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 241
Artículo Científico
Julio – Septiembre 2026
científico, participaron autores afiliados a un total de 15 universidades, además de un
colegio privado de Paraguay. Se destaca la participación internacional con la inclusión
de autores provenientes de la Universidad de Montpellier (Francia) y la Universidad
de Barcelona (España). A nivel nacional, se observa que diez de las instituciones
representadas son universidades privadas y tres son públicas. En cuanto a la
frecuencia de autores según filiación institucional, la Universidad Americana lidera con
26 autores, seguida por la Universidad Columbia con 10, la Universidad
Iberoamericana con siete y la Universidad Nacional de Concepción con seis.
Figura 7
Cantidad de universidades y frecuencia de filiación de autores
Nota: Elaboración con apoyo de ChatGPT (OpenAI, 2026).
En relación con la frecuencia de autoría por capítulo, la Figura 8, elaborada con
ayuda de ChatGPT (OpenAI, 2025), muestra que de los 55 capítulos que componen
el libro científico, 47 fueron escritos por un único autor. Cinco capítulos contaron con
la participación de dos autores, dos fueron redactados por tres y únicamente uno
presentó una coautoría de cuatro personas.
Figura 8
Frecuencia de autores por capítulo
Nota: Elaboración con apoyo de ChatGPT (OpenAI, 2025).
0
5
10
15
20
25
30
Universidad…
Universidad…
Universidad…
Universidad Nacional…
Universidad…
Universidad del…
Universidad Nacional…
Universidad del Norte
Universidad…
Université de…
Universidad Privada…
Universidad de la…
Instituto Nacional de…
Universidad de…
Liberty School…
Facultad FOTRIEM
Frecuencia de Filiación
Universidad
0
10
20
30
40
50
1 autor 2 autores 3 autores 4 autores
Cantidad de Capitulos
Frecuencia de Autores por Capitulo
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 242
Artículo Científico
Julio – Septiembre 2026
En la Figura 9, elaborada con apoyo de ChatGPT (OpenAI, 2025), se muestra el nivel
máximo de titulación alcanzado por cada uno de los 67 autores. La mayoría son
estudiantes de maestría (n=24), seguidos por doctores (n=18) y candidatos a
doctorado (n=14). Asimismo, se identifican cinco autores que actualmente cursan
estudios de maestría, tres médicos con título profesional y tres estudiantes de grado.
Figura 9
Titulación máxima obtenida por los autores
Nota: Elaboración con apoyo de ChatGPT (OpenAI, 2025).
El número total de páginas que conforman los 55 capítulos del libro científico asciende
a 835. El rango varía entre 8 y 27 páginas, siendo 8 el mínimo y 27 el máximo número
de páginas por capítulo. La media es 15,41, la moda 15 y la mediana 15. Cabe
destacar que ocho capítulos tienen exactamente 15 páginas, seis cuentan con 17 y
otros seis con 10. En la Figura 10, elaborada con apoyo de ChatGPT (OpenAI, 2025),
se muestra la distribución de la cantidad de páginas por capítulo.
Figura 10
Cantidad y frecuencia de páginas por capítulo
Nota: Elaboración con apoyo de ChatGPT (OpenAI, 2026).
0
5
10
15
20
25
30
Doctor Cursando
Doctorado
Masterado Cursando
Masterado
Médico Cursando Grado
Títulación Máxima de Autores
0
2
4
6
8
10
8 9 10 11 12 13 14 15 16 17 18 19 20 21 24 27
Frecuencia de Capitulos
Cantidad de Páginas
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 243
Artículo Científico
Julio – Septiembre 2026
4. Discusión
El libro científico evaluado, que posee un enfoque interpretativo y prospectivo, se
presenta como un testimonio colectivo de un primer momento de reflexión académica
sobre la IA en Paraguay. Los resultados obtenidos muestran un panorama diverso y
en construcción, donde las preocupaciones y los intereses sobre la inteligencia
artificial (IA) surgen desde diferentes campos y perspectivas. Esto indica que la IA no
es solo una nueva tecnología, sino un fenómeno que como muestran los capítulos de
este libro, afecta profundamente la producción de conocimiento y campos como la
ética, la educación, el trabajo, la economía, la salud y la gestión institucional
(UNESCO, 2022; Dwivedi et al., 2021; World Health Organization, 2021).
Dentro de este panorama amplio, al revisar los 55 capítulos, se nota una inclinación
hacia estudios cualitativos. Se utilizan diseños descriptivos que incorporan diversas
técnicas, como revisiones literarias y ensayos reflexivos. Esta investigación ha
permitido un examen de las dimensiones éticas, filosóficas, educativas, sociales,
económicas y epistemológicas relacionadas con la IA. Sin embargo, se evidencia una
limitación importante: la falta de investigaciones empíricas, cuantitativas o mixtas, que
validen sistemáticamente los hallazgos, identifiquen patrones generalizables o
construyan modelos aplicables en contextos organizacionales, educativos, de salud o
de política pública. Esto sugiere que la producción académica aún se encuentra en
una fase exploratoria y reflexiva.
Más allá de los diseños metodológicos utilizados, con respecto a las palabras clave,
su disposición carece de un criterio estandarizado. Esto puede dificultar la
recuperación de información y la indexación temática y además, podría afectar futuros
análisis bibliométricos. La selección cuidadosa de términos que representen
conceptos clave y contextos de investigación es esencial para mejorar la búsqueda
de documentos científicos (Pottier et al., 2024). Donthu et al. (2021) recomiendan
seguir un criterio sistemático en la organización de palabras clave en futuras
publicaciones ya sea alfabéticamente o por relevancia temática, como sugieren. Esta
mejora editorial facilitaría el rastreo de contenidos y la interoperabilidad con bases de
datos académicas.
Esta distribución temática también se refleja en la red de coocurrencia de la Figura 6
donde, el término “inteligencia artificial” ocupa una posición central, no solo por su
tamaño, sino también por su conectividad. Para Klarin (2024) y Chen et al. (2023),
este hallazgo indica una alta frecuencia de uso y una presencia en diferentes clústeres
temáticos. Por otro lado, Hosseini et al. (2025) afirman que las conexiones más fuertes
reflejan relaciones significativas entre conceptos, sugiriendo que hay agendas
comunes entre los dominios. De este modo, la IA se convierte en un eje que conecta
múltiples debates académicos, integrando preocupaciones educativas, éticas,
económicas, laborales, de salud y sociales. La red no solo muestra la frecuencia de
los términos, sino que también revela que relaciones y temas dominan el campo
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 244
Artículo Científico
Julio – Septiembre 2026
estudiado lo permite identificar dónde se concentra la producción académica (Marzi et
al., 2025; Chen et al., 2023).
Como se ilustra en la Figura 8, hay una tendencia hacia la autoría individual, lo que
refleja un estilo de producción académica centrado en aportes personales y
reflexiones teóricas. Sin embargo, esta realidad también sugiere la necesidad de
promover estudios colaborativos, interdisciplinarios e interinstitucionales. La
complejidad de la IA requiere equipos multidisciplinarios que incluyan expertos de
diversas áreas: ciencias sociales, informática, educación, derecho, economía, salud,
ética y políticas públicas. Tal como lo afirman Huang et al. (2023), los avances
científicos que se pueden lograr mediante el trabajo en equipo y la interdisciplinariedad
son inalcanzables desde un solo enfoque disciplinario.
La Figura 9, que muestra el nivel máximo de titulación de los autores, resalta la activa
participación de investigadores en formación avanzada. Esto sugiere un ecosistema
académico en crecimiento, donde la IA empieza a consolidarse como objeto de
estudio para docentes investigadores novatos. Sin embargo, también subraya la
urgencia de fortalecer capacidades metodológicas, formación en investigación
aplicada y habilidades en análisis de datos.
Por otro lado, la Figura 10 muestra una tendencia hacia capítulos de extensión
moderada. Esto puede enriquecer la lectura y la diversidad temática, pero también
podría limitar la profundidad metodológica o empírica de algunos enfoques. Para
futuras compilaciones colectivas, sería útil establecer criterios de valoración
diferenciados según el tipo de aportación: ensayos teóricos, revisiones literarias,
estudios empíricos, capítulos metodológicos o análisis de casos. Esta clasificación
podría mejorar la coherencia interna del trabajo y aumentar su valor como insumo
científico para futuras revisiones sistemáticas.
Desde una perspectiva metodológica, el uso de herramientas para el análisis textual
y la visualización de datos, como mapas y redes de coocurrencia, se han convertido
en un recurso valioso en investigaciones exploratorias (Moral-Muñoz et al., 2020;
Tricco et al., 2018). Según Donthu et al. (2021), los mapas de coocurrencia ayudan a
identificar áreas temáticas emergentes y grupos conceptuales, mostrando la fuerza de
asociación entre términos dentro de un conjunto de documentos. Las redes de
coocurrencia representan términos como nodos y sus relaciones como aristas
ponderadas, facilitando el análisis de la centralidad, modularidad y estructura
relacional de conceptos dentro de un campo del conocimiento (van Eck & Waltman,
2010).
Una de las aplicaciones más relevantes de este análisis es la identificación de
comunidades temáticas que surgen de relaciones semánticas entre palabras clave.
Gálvez (2018) observa que el análisis de clúster permite agrupar elementos similares
y conectados, lo que en el ámbito científico se traduce en la creación de áreas de
investigación o núcleos temáticos especializados. El análisis identifico seis clústeres
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 245
Artículo Científico
Julio – Septiembre 2026
que revelan la diversidad de enfoques sobre la IA y cuáles son las principales brechas
de investigación que aún persisten.
En el clúster de Educación e IA se detecta una debilidad empírica sustancial; las
discusiones de corte teórico e instrumental dominan el espacio, postergando la
evaluación pragmática del impacto de la IA en los procesos de enseñanza-
aprendizaje, especialmente en la educación superior y en la formación médica. Urge
transitar de la especulación a la medición objetiva del rendimiento académico, las
transformaciones pedagógicas y las percepciones de la comunidad docente ante la
IA.
Del mismo modo, el eje de Ética y Gobernanza de la IA devela un vacío normativo
crítico en el Paraguay contemporáneo. En un escenario donde las decisiones
automatizadas inciden sobre derechos fundamentales, el acceso al empleo, la salud
y las oportunidades educativas, resulta prioritario construir marcos regulatorios locales
que garanticen la auditabilidad, la transparencia algorítmica y la mitigación de sesgos
de los sistemas inteligentes.
Por su parte, la intersección entre Economía y Negocios muestra una desconexión
con el sector de las pequeñas y medianas empresas (PYMES), que constituyen el
motor productivo del país, al carecer de estudios empíricos sobre sus procesos de
adopción tecnológica. Esta inacción dialoga con las carencias del clúster de Trabajo
y Transformación Digital, donde las organizaciones locales omiten evaluar la
efectividad de sus programas de recalificación laboral (upskilling y reskilling),
ignorando el rediseño de puestos de trabajo exigido por la automatización inteligente.
En la esfera de la Salud y Educación Médica, se denota un rezago sustancial en el
análisis de la seguridad clínica y la bioética aplicada a algoritmos de diagnóstico, sin
que se vislumbren reformas curriculares en las facultades de medicina para preparar
a las nuevas generaciones de profesionales.
Finalmente, disciplinas de alto valor sociocultural, como la preservación del patrimonio
histórico o la neuroeducación, permanecen marginadas de esta corriente de estudio,
perdiéndose oportunidades para conceptualizar la IA desde una perspectiva holística
y contextualizada en la identidad nacional paraguaya.
Aunque este estudio ofrece resultados valiosos, también presenta limitaciones. Al
enfocarse en un solo libro científico, sus conclusiones representan solo una parte del
panorama investigativo sobre la IA en Paraguay, por lo que deben extrapolarse con
cuidado a la región. El carácter descriptivo y cualitativo de la revisión, al no incluir
análisis estadísticos ni evaluar la calidad de la evidencia, implica que las conclusiones
son tendencias generales y no afirmaciones definitivas. También podría haber un
sesgo de autoría, dado que los capítulos reflejan la visión individual de cada autor,
aunque bajo la supervisión de las editoras.
Finalmente, el uso de herramientas automatizadas en el análisis, incluida la IA, ofrece
perspectivas interesantes, pero también el riesgo de malinterpretaciones si no se
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 246
Artículo Científico
Julio – Septiembre 2026
combinan con métodos tradicionales. Por lo tanto, los hallazgos deben considerarse
como un primer mapa y exploración del conocimiento sobre la IA en Paraguay, que
necesita ser corroborado y ampliado mediante futuras investigaciones.
5. Conclusiones
La revisión exploratoria del libro científico El Oráculo del Silicio identificó temas
sensibles sobre la IA en Paraguay. La mayoría de los capítulos versan sobre
disciplinas enmarcadas en las ciencias sociales. Hay unos pocos aportes de ciencias
de la salud, tecnología y humanidades. Como no hay capítulos sobre disciplinas en
las ciencias naturales o en las ciencias agrarias muestra que el libro se focaliza en
subdisciplinas as con ciencias sociales tales como educación, ética, economía y
trabajo.
En cuanto a los métodos, todos los estudios son cualitativos. Se usan revisiones de
libros, ensayos y análisis teóricos. No hay estudios con datos o mediciones numéricas.
Esto permite discutir ideas y conceptos en profundidad, pero también limita la
capacidad de hacer conclusiones generales o probar ideas de forma objetiva. Por eso,
el libro científico se enfoca principalmente en explorar y reflexionar. En el futuro, se
podría incentivar la realización de investigaciones más detalladas y basadas en datos.
El análisis de las 262 palabras clave del libro científico muestra cuáles son los temas
principales abordados. La palabra más usada fue “inteligencia artificial”, que aparece
en casi todos los capítulos. Luego vienen palabras claves como “ética”, “tecnología”,
“educación”, “economía” y “trabajo”. Se usaron técnicas asistidas por IA para ver cómo
se relacionan estas palabras. Se encontraron seis clústeres de temas: educación,
ética y gobierno, economía, trabajo, salud y temas emergentes. Esto indica que la IA
en Paraguay afecta ya a muchas áreas, desde la educación hasta la medicina y la
cultura.
En el plano de la comunidad académica, la obra convocó a decenas de autores de 15
instituciones educativas, en su mayoría de universidades paraguayas (principalmente
privadas) y dos del exterior. Con casi 9 de cada 10 capítulos escritos por un solo autor,
predominó la autoría individual. Además, muchos autores se encuentran en formación
avanzada (maestrandos y doctorandos) junto con unos 18 ya con doctorados. La
prevalencia de trabajos individuales apunta a esfuerzos aislados más que
colaborativos.
Los resultados confirman que la IA se ha convertido en un gran catalizador de reflexión
sobre la sociedad y el conocimiento en Paraguay. La IA ya no debe concebirse
solamente como una herramienta técnica, sino como un factor de cambio que interpela
a estudiantes, educadores, académicos y autoridades por igual. Desde una
perspectiva humanista, el impacto de la IA en la producción de conocimiento obliga a
replantear cómo integrarla en la labor intelectual sin desplazar la creatividad, la ética
ni el juicio crítico de los humanos. El diálogo inaugurado por El Oráculo del Silicio
visibiliza dichas oportunidades y tensiones. La obra se plantea el desafío de
reconfigurar la investigación, la enseñanza y el aprendizaje con apoyo de la IA en un
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 247
Artículo Científico
Julio – Septiembre 2026
contexto de recursos nacionales limitados. Además, subraya la necesidad de una
mirada local y humanizada para orientar la transformación digital en paralelo con la
academia y la sociedad.
Sobre la base de los resultados y limitaciones señalados, se sugieren las siguientes
líneas de acción para futuras investigaciones interdisciplinarias en IA:
Ampliar el panorama: Realizar nuevas revisiones que incluyan más fuentes (artículos
científicos, tesis, etc.) sobre la IA en Paraguay y otros países de la región, para
complementar este mapeo exploratorio y lograr una visión más completa.
Metodologías mixtas: Combinar la reflexión cualitativa con estudios cuantitativos y
datos empíricos (encuestas, análisis bibliométricos, estudios de caso) para validar los
patrones identificados y aportar evidencias más robustas.
Colaboración interdisciplinaria: Formar equipos de investigación interdisciplinares y
establecer redes nacionales e internacionales para compartir datos, herramientas y
experiencias sobre IA.
Abordar brechas y vincular con la práctica: Explorar ámbitos poco estudiados e
incorporar los hallazgos en políticas públicas y currículos educativos, asegurando que
el desarrollo de la IA se alinee con las necesidades y valores de la sociedad
paraguaya.
En definitiva, El oráculo del silicio ha abierto un camino pionero para comprender la IA
en Paraguay. Para aprovechar el potencial de esta tecnología, es necesario
profundizar en el diálogo entre diferentes disciplinas. La academia local debe
comprometerse a guiar el futuro del conocimiento de manera humanista e inclusiva.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
Referencias Bibliográficas
Aguilera-Eguía, R. A., Roco-Videla, Á., López-Soto, O. P., Fuentes-Barria, H.,
Inostroza-Reyes, G., & Melo-Lonconao, M. (2024). Revisión sistemática frente
a “scoping review”: Guía para una elección informada en las investigaciones.
Nutrición Hospitalaria, 41(5), 1126–1127. https://doi.org/10.20960/nh.05327
Arksey, H., & O’Malley, L. (2005). Scoping studies: Towards a methodological
framework. International Journal of Social Research Methodology, 8(1), 19–32.
https://doi.org/10.1080/1364557032000119616
Benítez, M., & Parrado, E. (2024, 5 de septiembre). Tomarle el pulso al empleo en el
nuevo mundo de la inteligencia artificial. Banco Interamericano de Desarrollo.
https://www.iadb.org/es/blog/investigacion-para-el-desarrollo/tomarle-el-pulso-
al-empleo-en-el-nuevo-mundo-de-la-inteligencia-artificial
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 248
Artículo Científico
Julio – Septiembre 2026
Boell, S. K., & Cecez-Kecmanovic, D. (2015). On being “systematic” in literature
reviews in IS. Journal of Information Technology, 30(2), 161–173.
https://doi.org/10.1057/jit.2014.26
Callon, M., Courtial, J. P., & Laville, F. (1991). Co-word analysis as a tool for describing
the network of interactions between basic and technological research: The case
of polymer chemistry. Scientometrics, 22(1), 155–205.
https://doi.org/10.1007/BF02019280
Chen, H., Tsang, Y. P., & Wu, C. H. (2023). When text mining meets science mapping
in the bibliometric analysis: A review and future opportunities. International
Journal of Engineering Business Management, 15, Artículo
18479790231222349. https://doi.org/10.1177/18479790231222349
Codina, L. (2022, 24 de julio). Scoping reviews: Características, frameworks
principales y uso en trabajos académicos. https://www.lluiscodina.com/scoping-
reviews-guia/
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to
conduct a bibliometric analysis: An overview and guidelines. Journal of
Business Research, 133, 285–296.
https://doi.org/10.1016/j.jbusres.2021.04.070
Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., Duan, Y.,
Dwivedi, R., Edwards, J., Eirug, A., Galanos, V., Ilavarasan, P. V., Janssen, M.,
Jones, P., Kar, A. K., Kizgin, H., Kronemann, B., Lal, B., Lucini, B., … Williams,
M. D. (2021). Artificial intelligence (AI): Multidisciplinary perspectives on
emerging challenges, opportunities, and agenda for research, practice and
policy. International Journal of Information Management, 57, Artículo 101994.
https://doi.org/10.1016/j.ijinfomgt.2019.08.002
Fundación CYD. (2024, 15 de octubre). La inteligencia artificial nos obliga a adaptar
el modelo educativo y repensar a quién, en qué y para qué educamos.
https://www.fundacioncyd.org/la-inteligencia-artificial-nos-obliga-a-adaptar-el-
modelo-educativo-y-repensar-a-quien-en-que-y-para-que-educamos/
Gálvez, C. (2018). Análisis de co-palabras aplicado a los artículos muy citados en
Biblioteconomía y Ciencias de la Información (2007–2017). Transinformação,
30(3), 277–286. https://doi.org/10.1590/2318-08892018000300001
Hernández-Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la
investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education.
Hosseini, E., Taghizadeh Milani, K., & Sabetnasab, M. S. (2025). Development and
maturity of co-word thematic clusters: The field of linked data. Library Hi Tech,
43(1), 81–113. https://doi.org/10.1108/LHT-10-2022-0488
Huang, Y., Liu, X., Li, R., & Zhang, L. (2023). The science of team science (SciTS): An
emerging and evolving field of interdisciplinary collaboration. Profesional de la
Información, 32(2), Artículo e320204. https://doi.org/10.3145/epi.2023.mar.04
Klarin, A. (2024). How to conduct a bibliometric content analysis: Guidelines and
contributions of content co-occurrence or co-word literature reviews.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 249
Artículo Científico
Julio – Septiembre 2026
International Journal of Consumer Studies, 48(2), Artículo e13031.
https://doi.org/10.1111/ijcs.13031
Krippendorff, K. (2018). Content analysis: An introduction to its methodology (4th ed.).
SAGE Publications. https://methods.sagepub.com/book/mono/content-
analysis-4e/toc#_
Kwan Chung, C. K. K., & Dos Santos González, P. R. (Eds.). (2025). El oráculo de
silicio: Inteligencia artificial y el porvenir del conocimiento. Editorial Chaux.
https://drive.google.com/drive/folders/1kmpKgAZPxm4qqV85mTRJW6-LuUya-
se4
Levac, D., Colquhoun, H., & O’Brien, K. K. (2010). Scoping studies: Advancing the
methodology. Implementation Science, 5, Artículo 69.
https://doi.org/10.1186/1748-5908-5-69
Li, Y., Marier-Bienvenue, T., Perron-Brault, A., Wang, X., & Paré, G. (2018).
Blockchain technology in business organizations: A scoping review. En
Proceedings of the 51st Hawaii International Conference on System Sciences
(pp. 4474–4483). University of Hawai‘i at Mānoa.
https://doi.org/10.24251/HICSS.2018.565
Lockwood, C., Borges dos Santos, K., & Pap, R. (2019). Practical guidance for
knowledge synthesis: Scoping review methods. Asian Nursing Research, 13(5),
287–294. https://doi.org/10.1016/j.anr.2019.11.002
Mak, S., & Thomas, A. (2022). Steps for conducting a scoping review. Journal of
Graduate Medical Education, 14(5), 565–567. https://doi.org/10.4300/JGME-D-
22-00621.1
Marzi, G., Balzano, M., Caputo, A., & Pellegrini, M. M. (2025). Guidelines for
bibliometric-systematic literature reviews: 10 steps to combine analysis,
synthesis and theory development. International Journal of Management
Reviews, 27(1), 81–103. https://doi.org/10.1111/ijmr.12381
Moral-Muñoz, J. A., Herrera-Viedma, E., Santisteban-Espejo, A., & Cobo, M. J. (2020).
Software tools for conducting bibliometric analysis in science: An up-to-date
review. El Profesional de la Información, 29(1), Artículo e290103.
https://doi.org/10.3145/epi.2020.ene.03
Munn, Z., Peters, M. D. J., Stern, C., Tufanaru, C., McArthur, A., & Aromataris, E.
(2018). Systematic review or scoping review? Guidance for authors when
choosing between a systematic or scoping review approach. BMC Medical
Research Methodology, 18, Artículo 143. https://doi.org/10.1186/s12874-018-
0611-x
Noble, H., & Smith, J. (2018). Reviewing the literature: Choosing a review design.
Evidence-Based Nursing, 21(2), 39–41. https://doi.org/10.1136/eb-2018-
102895
OECD. (2015). Frascati manual 2015: Guidelines for collecting and reporting data on
research and experimental development (7th ed.). OECD Publishing.
https://doi.org/10.1787/9789264239012-en
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 250
Artículo Científico
Julio – Septiembre 2026
Oosthuizen, R. M. (2022). The Fourth Industrial Revolution—smart technology,
artificial intelligence, robotics and algorithms: Industrial psychologists in future
workplaces. Frontiers in Artificial Intelligence, 5, Artículo 913168.
https://doi.org/10.3389/frai.2022.913168
OpenAI. (2025). ChatGPT (versión GPT-5) [Modelo de lenguaje de gran tamaño].
https://chatgpt.com/
Peters, M. D. J., Marnie, C., Colquhoun, H., Garritty, C. M., Hempel, S., Horsley, T.,
Langlois, E. V., Lillie, E., O’Brien, K. K., Tunçalp, Ö., Wilson, M. G., Zarin, W.,
& Tricco, A. C. (2021). Scoping reviews: Reinforcing and advancing the
methodology and application. Systematic Reviews, 10, Artículo 263.
https://doi.org/10.1186/s13643-021-01821-3
Peters, M. D. J., Marnie, C., Tricco, A. C., Pollock, D., Munn, Z., Alexander, L.,
McInerney, P., Godfrey, C. M., & Khalil, H. (2020). Updated methodological
guidance for the conduct of scoping reviews. JBI Evidence Synthesis, 18(10),
2119–2126. https://doi.org/10.11124/JBIES-20-00167
Pottier, P., Lagisz, M., Burke, S., Drobniak, S. M., Downing, P. A., Macartney, E. L.,
Martinig, A. R., Mizuno, A., Morrison, K., Pollo, P., Ricolfi, L., Tam, J., Williams,
C., Yang, Y., & Nakagawa, S. (2024). Title, abstract and keywords: A practical
guide to maximize the visibility and impact of academic papers. Proceedings of
the Royal Society B: Biological Sciences, 291(2027), Artículo 20241222.
https://doi.org/10.1098/rspb.2024.1222
Tricco, A. C., Lillie, E., Zarin, W., O’Brien, K. K., Colquhoun, H., Levac, D., Moher, D.,
Peters, M. D. J., Horsley, T., Weeks, L., Hempel, S., Akl, E. A., Chang, C.,
McGowan, J., Stewart, L., Hartling, L., Aldcroft, A., Wilson, M. G., Garritty, C.
M., … Straus, S. E. (2018). PRISMA extension for scoping reviews (PRISMA-
ScR): Checklist and explanation. Annals of Internal Medicine, 169(7), 467–473.
https://doi.org/10.7326/M18-0850
UNESCO. (2022). Recomendación sobre la ética de la inteligencia artificial.
https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa
van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer
program for bibliometric mapping. Scientometrics, 84(2), 523–538.
https://doi.org/10.1007/s11192-009-0146-3
Voyant Tools. (2025). Voyant Tools. https://voyant-tools.org/
World Health Organization. (2021). Ethics and governance of artificial intelligence for
health: WHO guidance. https://iris.who.int/handle/10665/341996