Dr. Luis Roberto Monreal Ortiz
Resumen El presente ensayo analiza el impacto de la Inteligencia Artificial Generativa (IAG) en la formación de investigadores dentro de las Ciencias de la Actividad Física y el Deporte (CCAFD) en las Instituciones de Educación Superior (IES) de México. Se examina la transición de un modelo de investigación tradicional a uno asistido por algoritmos, destacando las oportunidades en el procesamiento de datos biométricos y la revisión de literatura, así como los desafíos éticos relacionados con la privacidad del atleta y la integridad académica. Se concluye que las IES mexicanas deben transitar hacia una “alfabetización algorítmica crítica” para evitar la dependencia tecnológica y fomentar la autonomía epistemológica.
Introducción
La irrupción de la Inteligencia Artificial Generativa (IAG) marca un punto de inflexión en la historia de la producción de conocimiento, comparable a la llegada de la imprenta o el internet. Sin embargo, a diferencia de revoluciones previas, la IAG no solo facilita el acceso a la información, sino que posee la capacidad de sintetizarla, analizarla y crear nuevo contenido, desafiando las nociones tradicionales de autoría y competencia investigativa. En el contexto de las Ciencias de la Actividad Física y el Deporte (CCAFD), disciplinas que históricamente han oscilado entre la praxis corporal y la evidencia empírica, esta tecnología presenta un horizonte dual: es una herramienta potente para la optimización del rendimiento y el análisis biomecánico, pero también un riesgo latente de atrofia cognitiva si no se integra críticamente en los currículos de posgrado.
____________________________
.- Dr. en Educación y Ciencias del Deporte
.-Profr-investigador Fac. de Educación Física y Deporte-Universidad Autónoma de Sinaloa
.-Miembro del Sist. Sinaloense de Investigadores y Tecnólogos (SSIT)
.-Miembro del Sistema Nacional de Investigadores e Investigadores (SNII)
.-Miembro del Sistema de Evaluación y Acreditación de la Educación Superior (REPEV-SEAES)
.-Miembro del Consejo Mexicano para la Acreditación de la Enseñanza de la Cultura de la Actividad Física A.C (COMACAF)
.-Miembro del Colegio Profesional de Licenciados en Entrenamiento Deportivo -CPLED
En México, las Instituciones de Educación Superior (IES) enfrentan este cambio de paradigma en un escenario de contrastes estructurales. Según la Asociación Nacional de Universidades e Instituciones de Educación Superior (ANUIES, 2023), la adopción de tecnologías emergentes en el país es heterogénea, lo que plantea interrogantes sobre la equidad en la formación de los futuros científicos del deporte. Este ensayo reflexiona sobre cómo la IAG está reconfigurando las competencias del investigador en CCAFD en México, argumentando que la formación académica debe pivotar urgentemente desde la acumulación técnica hacia la supervisión ética y epistemológica de los sistemas inteligentes.
La Transformación de la Investigación en CCAFD
La formación de investigadores en el área de la actividad física ha dependido tradicionalmente de la recolección manual de datos y revisiones sistemáticas laboriosas. La IAG, a través de Modelos de Lenguaje Grande (LLMs) y algoritmos de visión por computadora, altera radicalmente este flujo de trabajo. Herramientas como ChatGPT, Gemini o sistemas especializados en sports analytics permiten ahora sintetizar décadas de literatura sobre fisiología del ejercicio en segundos o generar códigos para analizar patrones de movimiento complejos (Rico-González et al., 2023).
En el ámbito específico de las ciencias del deporte, la IAG ofrece capacidades sin precedentes para la personalización. Como señalan Fazackerley et al. (2024), la integración de la IAG en la educación de las ciencias del ejercicio permite superar barreras tradicionales en el análisis de datos, facilitando que los estudiantes interpreten métricas fisiológicas complejas —como la variabilidad de la frecuencia cardíaca o la cinemática de la marcha— sin necesitar un dominio profundo de la programación informática inicial. Esto democratiza el acceso a la investigación de alto nivel, permitiendo que tesistas en universidades públicas mexicanas con menos recursos técnicos puedan realizar análisis que antes requerían software costoso y exclusivo.
Sin embargo, esta facilidad conlleva el peligro de la “caja negra”. Si el investigador en formación utiliza la IAG para interpretar datos de lactato o biomecánica sin comprender los fundamentos fisiológicos subyacentes, se produce una desconexión epistémica. La IAG debe funcionar como un andamiaje cognitivo, no como un sustituto del razonamiento crítico clínico y deportivo (UNESCO, 2023).
El Contexto Mexicano: Brechas y Oportunidades
La implementación de estas tecnologías en México no ocurre en el vacío. El informe de la ANUIES (2023) sobre el estado de la educación superior subraya la necesidad de una gobernanza digital que no solo contemple la infraestructura, sino la “soberanía digital”. En el campo de la cultura física, esto es crítico. Gran parte de los datos con los que se entrenan los modelos de IA provienen de poblaciones “WEIRD” (Western, Educated, Industrialized, Rich, and Democratic), lo que introduce sesgos significativos al aplicarlos a la población mexicana, cuyas características antropométricas y genéticas pueden diferir.
Un investigador en formación en una universidad mexicana debe ser consciente de que un plan de entrenamiento o una predicción de lesiones generada por una IA podría no ser válida para un atleta de alto rendimiento en Sinaloa o un adulto mayor en la Ciudad de México si el algoritmo no ha sido calibrado localmente. La formación académica, por tanto, debe incluir la competencia de validación contextual, donde el estudiante aprende a interrogar al algoritmo sobre la procedencia de sus datos (Perea et al., 2019).
Además, existe una brecha de infraestructura. Mientras instituciones privadas de élite en México integran laboratorios de motion capture asistidos por IA, muchas universidades públicas aún luchan por el acceso básico a internet de banda ancha. Esto podría generar una “clase de investigadores elite” versus una clase rezagada, exacerbando las desigualdades en la producción científica nacional (ANUIES, 2025).
Desafíos Éticos: Privacidad y Alucinaciones
La ética es quizás el pilar más vulnerable ante la IAG. En la investigación deportiva, el uso de datos biométricos sensibles (frecuencia cardíaca, ubicación GPS, historial de lesiones) es moneda corriente. La IAG, al procesar estos grandes volúmenes de datos, plantea riesgos de re-identificación y privacidad que no están completamente regulados en la legislación mexicana (Job et al., 2023). Los estudiantes de posgrado deben ser formados en los protocolos de anonimización de datos antes de alimentar cualquier sistema de IA, entendiendo que la “nube” no es un espacio neutro.
Otro desafío mayor es la integridad académica. La capacidad de la IAG para generar textos coherentes ha llevado a una crisis en la redacción científica. Existen reportes de “alucinaciones” donde la IA inventa citas o datos fisiológicos plausibles pero inexistentes (Dwivedi et al., 2023). En el campo de la salud y el deporte, una referencia falsa sobre la dosificación de ejercicio en pacientes hipertensos o diabéticos no es solo un error académico; es un riesgo de salud pública. La formación del investigador debe evolucionar de “cómo escribir un paper” a “cómo verificar y auditar la información generada”. La UNESCO (2023) advierte explícitamente sobre la necesidad de mantener la agencia humana en la validación de los sistemas de IA utilizados en educación e investigación.
Hacia una Alfabetización Algorítmica Crítica
Para enfrentar estos retos, las IES en México deben rediseñar sus mallas curriculares en los programas de posgrado en Ciencias del Deporte. No basta con enseñar estadística o metodología de la investigación tradicional; se requiere una “alfabetización algorítmica”. Esto implica:
- Entendimiento Técnico Básico: Comprender cómo funcionan los LLMs y el aprendizaje automático para saber qué esperar de ellos y conocer sus límites.
- Ingeniería de Prompts Científicos: Aprender a formular preguntas complejas que deriven en análisis útiles para el rendimiento deportivo, evitando sesgos en la entrada de datos.
- Ética de Datos Deportivos: Formación profunda en la Ley Federal de Protección de Datos Personales en Posesión de los Particulares y su aplicación a datos biométricos de atletas (Trail et al., 2024).
Como sugieren Li et al. (2022), el futuro de la predicción de lesiones y la optimización del entrenamiento reside en la colaboración interdisciplinaria entre científicos del deporte, ingenieros de datos y eticistas. El investigador solitario está siendo reemplazado por equipos transdisciplinarios donde la IA es un miembro más, pero uno que requiere supervisión constante.
Conclusiones
La Inteligencia Artificial Generativa no es una moda pasajera en las Ciencias de la Actividad Física y el Deporte; es una nueva infraestructura epistemológica. Para las instituciones de educación superior en México, el desafío es doble: deben adoptar la tecnología para no quedar rezagadas en la escena científica global, pero deben hacerlo resistiendo la colonización de datos y protegiendo la integridad de sus investigadores y atletas.
La formación de nuevos investigadores ya no puede centrarse únicamente en la acumulación de conocimientos enciclopédicos, pues la IA siempre tendrá “más memoria”. El valor del investigador humano residirá en su capacidad para hacer las preguntas correctas, contextualizar las respuestas algorítmicas a la realidad mexicana, y salvaguardar la dimensión ética del deporte humano. Solo a través de una pedagogía crítica y humanista podremos asegurar que la IA contribuya al desarrollo integral del potencial humano, y no a sesgos de intereses deshumanizantes.
Referencias Bibliográficas
- Abd-Alrazaq, A., AlSaad, R., Alhuwail, D., Ahmed, A., Healy, P. M., Latifi, S., … & Sheikh, J. (2023). Large language models in medical education: opportunities, challenges, and future directions. JMIR Medical Education, 9(1), e48291. https://doi.org/10.2196/48291
- ANUIES. (2023). La Inteligencia Artificial, oportunidad para el desarrollo de la Educación Superior. Asociación Nacional de Universidades e Instituciones de Educación Superior. https://www.anuies.mx/
- ANUIES. (2025). Informe Nacional sobre IA en la Educación Superior: Rumbo a un humanismo digital. Asociación Nacional de Universidades e Instituciones de Educación Superior.
- Fazackerley L. A., ,Perrin, D. , & Minett G. M. (2024). Harnessing generative AI in exercise and sports science education: Enhancing real-world learning and overcoming traditional barriers in data analysis. Advances in Physiology Education. https://doi.org/10.1152/advan.00249.2024
- Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., … & Wright, R. (2023). “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
- Job, A., & Omidshafiei, S. (2023). Ethical considerations in AI-driven sports injury prediction: A systematic review. Journal of Sports Sciences, 41(5), 450-462.
- Li, H., Zhang, R., & Lee, Y. (2022). Privacy-preserving artificial intelligence in sports medicine: A review. IEEE Access, 10, 112345-112356.
- Perea, A., López, I., & García, M. (2019). El uso de la inteligencia artificial para la adherencia a la actividad física: Una revisión sistemática. Retos: Nuevas tendencias en Educación Física, Deporte y Recreación, 36, 50-57.
- Rico-González, M., Pino-Ortega, J., & Nakamura, F. Y. (2023). Applications of artificial intelligence in team sports: A systematic review. Biology of Sport, 40(3), 825-837.
- Trail, G., Kim, A., Bang, H., & Braunstein-Minkove, J. R. (2024). Ethics in quantitative sport management research: The impact of AI. International Journal of Sports Marketing and Sponsorship, 25(5), 1147-1162.
- UNESCO. (2023). Guidance for generative AI in education and research. United Nations Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org/ark:/48223/pf0000386693
- Universidad Distrital Francisco José de Caldas. (2024). La inteligencia artificial como herramienta para la toma de decisiones en el deporte: Casos de éxito. Repositorio Institucional UD. https://repository.udistrital.edu.co/
Dr. Luis Roberto Monreal Ortiz. Lic. en Educación Física, Master y Doctor en Ciencias del Deporte. Profr.-investigador en la Fac. de Educación Física y Deporte de la Universidad Autónoma de Sinaloa.Miembro del Consejo Mexicano para la Acreditación de la Enseñanza de la Cultura de la Actividad Física A.C. Miembro del Registro de Pares Evaluadores-REPEV- del Sistema de Evaluación y Acreditación de la Educación Superior-SEAES. Miembro de la Red de investigación RISAFAE- avalada por la Asociación Universitaria Iberoamericana de Posgrado-AUIP. Miembro del Sistema Nacional de Investigadores e investigadoras –SNII- de la SECIHTI- antes CONACYT.. Miembro del Colegio de Profesionales de Licenciados en Entrenamiento Deportivo-CPLED
