Usos reflexivos de la Inteligencia Artificial (IA) en la investigación social cualitativa
Abierta
2do cuatrimestre
60
11/08/2026 a 11/12/2026
5-40
* Curso virtual IDES
* Curso virtual de posgrado IDES-UNTREF
Inscripción
Para inscribirte en el curso
Acceder aquí
Equipo docente
Dirección: Miriam KrigerCoordinación académica: Julieta Lenarduzzi
Docentes: Miriam Kriger, Julieta Lenarduzzi, Ignacio Mancini
Fundamentación
El desarrollo de la Inteligencia Artificial (IA) y su acelerado avance en los últimos años genera una creciente necesidad de conocer y problematizar sus usos en distintos ámbitos de la vida social. En el ámbito de la investigación científica, esto promueve una diversidad de debates que -de la ética a las aplicabilidades prácticas, pasando por lo metodológico y lo político- nos enfrenta a nuevos e inéditos desafíos. Más específicamente, en el campo de la investigación social cualitativa la IA no aparece como una tecnología más, sino como una herramienta cultural transformadora y potente, que tensiona prejuicios/saberes y temores/ expectativas. Y, sobre todo, evidencia la impostergable necesidad de evaluar, aprender y poner en acción sus usos reflexivos y situados.
Respondiendo a ello, hemos diseñado una propuesta de formación de posgrado para investigadores y profesionales orientada complejizar y enriquecer el vínculo que estamos empezando a construir con la IA y sus diversos instrumentos en la investigación cualitativa: en los posicionamientos epistémicos y éticos, las experiencias concretas (más o menos recientes, incipientes o nulas) y perspectivas futuras respecto de ella.
En esta senda, el presente curso propone, desde un enfoque transdisciplinar: visibilizar las principales preguntas que recorren los debates en nuestro campo, brindar conocimiento sobre qué es la IA y sus lógicas de funcionamiento, y proporcionar herramientas concretas para sus usos reflexivos “aquí y ahora”, en distintas etapas y tareas de la investigación. Estos temas se organizan en un programa de tres módulos, con los siguientes ejes: 1) investigación social, reflexividad e IA; 2) Herramientas de IA para la investigación cualitativa (¿qué herramientas para qué usos?); y 3) Usos reflexivos de la IA en un caso de investigación empírica.
Objetivos
Objetivo Principal
Brindar herramientas teórico-prácticas para usos reflexivos de la IA en la investigación cualitativa de lo social.
Objetivos Específicos
a) Introducir a los debates sobre el vínculo entre investigación social e IA, informando sobre ella y su funcionamiento.
b) Brindar herramientas concretas de IA para su aplicación en distintos momentos o fases de las investigaciones cualitativas.
c) Proporcionar claves para usos reflexivos de la IA en el trabajo empírico.
Destinatarios
Investigadores (en formación y formados), profesionales y docentes de diversas disciplinas, interesados en el estudio de lo social desde una perspectiva cualitativa.
Contenidos
MODULO 1: Investigación social, reflexividad e IA
Clase 1: Investigación cualitativa, reflexividad e IA: Debates, Usos y nuevos desafíos, por Miriam Kriger
Contenidos mínimos: Representaciones, prejuicios y expectativas sobre los usos de IA en la investigación cualitativa - Debates éticos y epistémicos- Ambivalencias: curiosidad vs. tecnofobia, tecnofetichismo Vs. rechazo-escepticismo, miedo al reemplazo vs. expectativas de progreso, democratización del conocimiento vs. brecha social y generacional – Integración reflexiva de las IA - El rol humano: delegación, desplazamiento, decisión - La IA como “partner reflexivo”: ¿con quién diálogo? - Usos documentados de la IA entre investigadores en la actualidad - Derivas: cómo incide la IA sobre la subjetividad del investigador.
Clase 2: “¿Qué es la IA y cuál es su lógica?”, por Julieta Lenarduzzi
Contenidos mínimos: ¿Qué es la inteligencia artificial? - Máquinas pensantes (thinking machines) - Génesis histórica - Comunicación entre humanos y ordenadores (lenguajes de programación) - Procesamiento de lenguaje natural - Aprendizaje automático (machine learning) - Aprendizaje profundo (deep learning) - Redes neuronales profundas - Singularidad - Principales empresas/organizaciones, chats y asistentes - IA Generativa - Agentes - Wetware - Supervisión (surveillance) - Decisor humano - Frontera artificial/humano - Aplicaciones de la IA en investigación
cualitativa - Distinción por etapa: recolección, procesamiento, exploración y análisis, redacción y presentación de resultados.
MODULO 2: ¿Qué herramientas de IA para qué tareas?
Clase 3a: Búsqueda bibliográfica en entornos automatizados: de las fuentes disponibles en la primera internet hasta la IAG, por Ignacio Mancini
Contenidos mìnimos: Información de uso académico - La infraestructura de fuentes - Repositorios, catálogos y bases de datos bibliográficas - Formalización de estrategias de búsqueda - La noción de autoría - Calidad de la información - Herramientas de la IAG de uso general y específicas de la búsqueda bibliográfica - Dilemas éticos.
Clase 3b: Fuentes / búsqueda de datos, por Julieta Lenarduzzi
Contenidos mínimos: Automatización de tareas - Búsqueda de fuentes - Extracción de datos de internet (webscraping) - Recopilación de material.
Clase 4: Procesamiento de datos, por Julieta Lenarduzzi
Contenidos mínimos: Pasajes de audio y video a texto y viceversa - Traducción - Identificación de términos para extracción de datos de fuentes documentales.
Clase 5: Exploración y análisis de datos, por Julieta Lenarduzzi
Contenidos mínimos: Resúmenes - Mapas conceptuales y cuadros comparativos - Visualizaciones - IA conversacional - Análisis de discurso - Análisis de redes - Análisis geoespacial.
Clase 6: Escritura / presentación de hallazgos, por Julieta Lenarduzzi
Contenidos mínimos: Asistentes de redacción académica y corrección de estilo - Referencias bibliográficas - Formatos - Diseño de presentaciones - Difusión en diversas plataformas.
MÓDULO 3: Usos reflexivos de la IA en un caso de investigación
Clase 7: Cómo hacer un uso reflexivo de la IA en la investigación cualitativa: Procesamiento de entrevistas, por Miriam Kriger y Julieta Lenarduzzi
Contenidos mínimos: Presentación de entrevistas de una investigaciòn de Miriam Kriger realizada en Barcelona (UPF, 2024) con jóvenes universitarios, sobre memorias sociales y disposiciones políticas - Aplicación de todas las herramientas aprendidas para la transcripción, procesamiento y análisis de las entrevistas - Planteos reflexivos sobre estos usos, evaluación de distintas estrategias en función de posicionamientos éticos y metodológicos frente a la IA.
Clase 8 (sincrónica): Debate: ¿Qué se modifica de lo que ya sabemos con la IA?, por Miriam Kriger y Julieta Lenarduzzi
Authier, C. N., & De Volder, C. (2025). Decálogo para el uso ético de la inteligencia artificial en revistas científicas y académicas. COMCIENT: Repositorio Institucional del CAICYT especializado en información y comunicación científica, CONICET. http://www.caicyt-conicet.gov.ar/comcient/ark%3A/16680081/rsccjm
De Paoli, S. (2026). Why We Should Reject to Reject the Use of Generative Artificial Intelligence in Qualitative Analysis: A Response to Jowsey, Braun, Clarke, Lupton, and Fine (2025). Qualitative Health Research.
Géron, A. (2025) Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media. (3ra. edición).
Jowsey, T., Braun, V., Clarke, V., Lupton, D., & Fine, M. (2025).* _We Reject the Use of Generative Artificial Intelligence for Reflexive Qualitative Research. Qualitative Health Research.
Matthes, E. (2025). Python crash course : a hands-on, project-based introduction to programming. No starch press. (3ra. edición).
McCarthy, J. (1979). Ascribing mental qualities to machines. En Martin Ringle (ed.) Philosophical Perspectives in Artificial Intelligence. Humanities Press. McCarthy, J. [1998] (2007). What is artificial intelligence? Stanford University.
McKinney, W. (2022). Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter. (3ra. edición).
Mitchell, T. (1997). Machine Learning. McGraw-Hill.
Raschka, S. (2024). Build a Large Language Model (From Scratch). Manning.
Rivera Cano, J. I. (2025). ¿Ya es consciente la Inteligencia Artificial? Un análisis interdisciplinario desde la filosofía de la mente, la psicología científica, la bioética, los estudios críticos de la IA y la filosofía del lenguaje. [Manuscrito no publicado]. Universidad CES. https://www.researchgate.net/publication/401876581
Russell, S.J., y Norvig, P. (2021). Inteligencia artificial: un enfoque moderno. Pearson. (4ta. edición).
Turing, A. M. (1950). Computing Machinery and Intelligence. Mind 49: 433-460
Documentos de prensa
Fundar & Centro de Evaluación de Políticas basadas en la Evidencia [CEPE], Universidad Torcuato Di Tella. (2025). Cómo y para qué usamos la inteligencia artificial en Argentina: Primera Encuesta Nacional sobre Adopción y Usos de IA. La Nación.
Gobierno de Argentina. (2023). La supervisión humana aporta ética a la Inteligencia Artificial. http://Argentina.gob.ar/noticias/la-supervision-humana-aporta-etica-la-inteligencia-artifici al
Modalidad de cursada
100% online
La modalidad de la cursada es virtual asincrónica con una clase final sincrónica de debate e integración, que quedará a disposición de los/as cursantes. La dinámica del curso será de taller, combinando clases escritas y en video, materiales de lectura, recursos multimedia y ejercitación (con seguimiento y supervisión docente). Todas las clases son trabajadas en foros grupales e intercambios con docentes, dando una semana para la lectura individual y otra para la duración del foro (asincrónico).
Requisitos de admisión
Título universitario o de nivel terciario de 4 años como mínimo y/o acreditar experiencia sostenida en prácticas académicas y/o laborales en la investigación social.
Evaluación y certificación
Consiste en un trabajo final que aplique las herramientas de la IA a un aspecto de una investigación cualitativa (búsqueda bibliográfica, fuentes, procesamiento, análisis, etc.), justificando su uso en el marco de una perspectiva reflexiva.
Aranceles
‼️ MATRICULA BONIFICADA
Para Alumnos de Argentina
- 4 cuotas mensuales: $ 79.900.- (cada una)
- PAGO TOTAL: $ 287.640.- (con descuento del 10% en 1 pago)
Para alumnos del exterior
- 4 cuotas mensuales: USD 100.- (cada una)
- PAGO TOTAL: USD 360.- (con descuento del 10% en 1 pago)
IMPORTANTE: la vacante solo quedará confirmada habiendo abonado como mínimo la cuota 1
Medios de pago
Argentina: Ver aquí
Exterior: Ver aquí
Descuentos especiales
(no acumulables)
$75.000.- precio promocional (*) hasta el 30 de junio de 2026 (link publicado en medios de pago). Se pueden adelantar cuotas y a partir del 01 de julio de 2026 se deberá abonar el monto completo de las cuotas pendientes.
10% para socixs IDES
10% becarixs CONICET o de universidades nacionales (Debe enviar a cursosvirtuales@ides.org.ar alguna documentación que demuestre su condición de becarix (puede ser a Resolución) e indicar qué curso desea abonar como para que le envíen el link con el que podrá abonar las cuotas con el descuento)
10% para grupos de 2 o más personas (deberán enviar un email a cursosvirtuales@ides.org.ar indicando nombres y DNI de quienes conformarán el grupo)
20% para lumnxs de posgrados UNTREF (pedir Certificados de Alumno Regular a través del Guaraní (módulo 3w) y enviar a cursosvirtuales@ides.org.ar para recibir el link de pago (**)
20% para docentes UNTREF (enviar recibo de sueldo o constancia a cursosvirtuales@ides.org.ar) (**)
(*) para alumnos de Argentina - Valor de las cuotas hasta el plazo establecido
(**) pago vía transferencia bancaria - Enviar documentación y solicitar datos bancarios
Más información y contacto
Este curso cuenta con el aval de la UNTREF (vía Resolución) para ser acreditado como curso externo de posgrados.
No tiene puntaje docente.
Tel.: 054 11 4804-5306 int. 107