Atribución de género en inteligencia artificial generativa: estudio comparativo e implicaciones para la educación superior
DOI:
https://doi.org/10.36825/RITI.14.34.012Palabras clave:
Inteligencia Artificial Generativa, Sesgo de Género, Masculino Genérico, Modelos de Lenguaje, Educación SuperiorResumen
La integración de la inteligencia artificial (IA) generativa en la educación superior exige examinar cómo estos sistemas representan el género. Este estudio analiza la atribución de género en las respuestas de cinco sistemas (ChatGPT, Claude, Gemini, Grok y Perplexity) ante 16 prompts controlados sobre roles profesionales. En 40 respuestas a prompts sin marca de género se examinó si los sistemas asignaban género al referente profesional; en 39 respuestas a prompts con marca explícita se analizaron el trato diferencial y los estereotipos. La codificación, asistida por un modelo de lenguaje, se validó mediante la codificación humana independiente de una submuestra (κ = 0,87). Ante prompts sin marca de género, el 55,0 % de las respuestas no atribuyó género, pero cuando lo hizo predominó la marcación masculina (40,0 %), principalmente mediante masculino genérico, frente a una única atribución femenina (2,5 %). Las diferencias entre sistemas no fueron estadísticamente significativas. Ante escenarios con marca de género, ningún sistema favoreció al candidato hombre, tres respuestas recomendaron a la candidata mujer y un sistema ofreció valoraciones contradictorias. Los resultados muestran patrones compatibles con un sesgo androcéntrico por defecto y subrayan la necesidad de una alfabetización crítica en IA en la educación superior.
Citas
García Peñalvo, F. J., Llorens-Largo, F. Vidal, J. (2023). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 27 (1), 9-39. https://doi.org/10.5944/ried.27.1.37716
Sánchez Vera, M. M. (2023). La inteligencia artificial como recurso docente: usos y posibilidades para el profesorado. EDUCAR, 60 (1), 33-47. https://doi.org/10.5565/rev/educar.1810
Baker, R. S., Hawn, A. (2022). Algorithmic Bias in Education. International Journal of Artificial Intelligence in Education, 32 (4), 1052-1092. https://doi.org/10.1007/s40593-021-00285-9
De Robina Duhart, P. (2025). ¿Prejuicios en la IA? Análisis del sesgo algorítmico y una propuesta de solución. Medicina y Ética, 36 (4), 1293-1336. https://doi.org/10.36105/mye.2025v36n4.02
Wang, X., Wu, Y. C., Ji, X., Fu, H. (2024). Algorithmic discrimination: examining its types and regulatory measures with emphasis on US legal practices. Frontiers in Artificial Intelligence, 7, 1-12. https://doi.org/10.3389/frai.2024.1320277
Estévez Cedeño, B., Sánchez-Vera, F. (2024). Integración de la inteligencia artificial en la educación superior. Un análisis con perspectiva de género. Revista Iberoamericana de Ciencia Tecnología y Sociedad, 19 (56), 117-139. https://doi.org/10.52712/issn.1850-0013-557
Currie, G., Currie, J., Anderson, S., Hewis, J. (2024). Gender bias in generative artificial intelligence text-to-image depiction of medical students. Health Education Journal, 83 (7), 732-746. https://doi.org/10.1177/00178969241274621
Zack, T., Lehman, E., Suzgun, M., Rodriguez, J. A., Celi, L. A., Gichoya, J., Jurafsky, D., Szolovits, P., Bates, D. W., Abdulnour, R.-E. E., Butte, A. J., Alsentzer, E. (2024). Assessing the potential of GPT-4 to perpetuate racial and gender biases in health care: a model evaluation study. The Lancet Digital Health, 6 (1), e12-e22. https://doi.org/10.1016/S2589-7500(23)00225-X
Berrayana, L., Rooney, S., Garcés-Erice, L., Giurgiu, I. (2025). Are Bias Evaluation Methods Biased? arXiv. https://arxiv.org/abs/2506.17111
Elsharif, W., Alzubaidi, M., Agus, M. (2025). Cultural Bias in Text-to-Image Models: A Systematic Review of Bias Identification, Evaluation, and Mitigation Strategies. IEEE Access, 13, 122636-122659. https://doi.org/10.1109/ACCESS.2025.3585745
Berengueres, J. (2024). How to Regulate Large Language Models for Responsible AI. IEEE Transactions on Technology and Society, 5 (2), 191-197. https://doi.org/10.1109/TTS.2024.3403681
Pérez-Velasco, A. A., Álvarez-Hernández, G. A. (2025). Repensando la Educación Superior: Apropiación de la Inteligencia Artificial en el Aprendizaje Universitario. Revista RedCA, 7 (21), 236. https://doi.org/10.36677/redca.v7i21.24211
Blodgett, S. L., Barocas, S., Daumé III, H., Wallach, H. (2020). Language (Technology) is Power: A Critical Survey of “Bias” in NLP. 58th Annual Meeting of the Association for Computational Linguistics (online). https://doi.org/10.18653/v1/2020.acl-main.485
Kotek, H., Dockum, R., Sun, D. Q. (2023). Gender bias and stereotypes in Large Language Models. En Proceedings of The ACM Collective Intelligence Conference, Delft Netherlands. https://doi.org/10.1145/3582269.3615599
Pérez-Ugena Coromina, M. (2024). Sesgo de género (en IA). EUNOMÍA. Revista en Cultura de la Legalidad, 26, 311-330. https://doi.org/10.20318/eunomia.2024.8515
Derner, E., Sansalvador de la Fuente, S., Gutiérrez, Y., Moreda, P., Oliver, N. (2024). Leveraging Large Language Models to Measure Gender Representation Bias in Gendered Language Corpora. arXiv. https://doi.org/10.48550/arXiv.2406.13677
Abd-alrazaq, A., AlSaad, R., Alhuwail, D., Ahmed, A., Healy, P. M., Latifi, S., Aziz, S., Damseh, R., Alabed Alrazak, S., Sheikh, J. (2023). Large Language Models in Medical Education: Opportunities, Challenges, and Future Directions. JMIR Medical Education, 9, 1-11. https://doi.org/10.2196/48291
Bidry, M., Hanine, M., Ouaguid, A., Obidallah, W. J. (2025). Transforming Education With Generative AI: A Comprehensive Review of Advancements, Challenges, and Future Opportunities. IEEE Access, 13, 202938-202955. https://doi.org/10.1109/ACCESS.2025.3636891
Popenici, S. A. D., Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, 12 (1), 1-13. https://doi.org/10.1186/s41039-017-0062-8
Díaz Vera, J. P., Molina Izurieta, R., Bayas Jaramillo, C. M., Ruiz Ramírez, A. K. (2024). Asistencia de la inteligencia artificial generativa como herramienta pedagógica en la educación superior. Revista de Investigación en Tecnologías de la Información (RITI), 12 (26), 61-76. https://doi.org/10.36825/RITI.12.26.006
Raman, R., Mandal, S., Das, P., Kaur, T., Sanjanasri, J. P., Nedungadi, P. (2024). Exploring University Students’ Adoption of ChatGPT Using the Diffusion of Innovation Theory and Sentiment Analysis With Gender Dimension. Human Behavior and Emerging Technologies, 2024 (1), 1-21. https://doi.org/10.1155/2024/3085910
Matehu Espinosa, F. X., Arguello Maya, E. O., Chávez González, M. M., Arias Cevallos, K. P., Montero Reyes, Y. (2025). AI in the university: ethical and strategic diagnosis for a responsible integration in higher education. Salud, Ciencia y Tecnología - Serie de Conferencias, 4, 1-16. https://doi.org/10.56294/sctconf20251748
Babanoğlu, M. P., Karataş, T. Ö., Dündar, E. (2025). Ethical considerations of AI through a socio-technical lens: insights from ELT context as a higher education system. Cogent Education, 12 (1), 1-18. https://doi.org/10.1080/2331186X.2025.2488546
Guzmán Napurí, C., Salinas Atencio, M. A. (2025). La inteligencia artificial, los sesgos del algoritmo y la discriminación en las relaciones laborales. Laborem, 24 (31), 69-90. https://doi.org/10.56932/laborem.24.31.3
Fadillah, M. A., Akbar, M. F. (2025). From the Gender Lens: Student Perceptions of ChatGPT in Higher Education. Advances in Mobile Learning Educational Research, 5 (1), 1413-1424. https://doi.org/10.25082/AMLER.2025.01.015
Panthier, C., Gatinel, D. (2023). Success of ChatGPT, an AI language model, in taking the French language version of the European Board of Ophthalmology examination: A novel approach to medical knowledge assessment. Journal Français d’Ophtalmologie, 46 (7), 706-711. https://doi.org/10.1016/j.jfo.2023.05.006
Vartiainen, H., Kahila, J., Tedre, M., López-Pernas, S., Pope, N. (2025). Enhancing children’s understanding of algorithmic biases in and with text-to-image generative AI. New Media & Society, 27 (9), 5342-5368. https://doi.org/10.1177/14614448241252820
García Hormazábal, R. (2025). Sesgos en la IA y educación superior. Tipologías, impactos y mitigación para la formación universitaria de calidad. Revista de Estudios y Experiencias en Educación, 24 (55), 267-284. https://rexe.cl/index.php/rexe/article/view/3062
Perdomo Reyes, I. (2024). Injusticia epistémica y reproducción de sesgos de género en la inteligencia artificial. Revista Iberoamericana de Ciencia Tecnología y Sociedad, 19 (56), 89-100. https://doi.org/10.52712/issn.1850-0013-555
Ramos-Galarza, C. (2021). Editorial: Diseños de investigación experimental. CienciAmérica, 10 (1), 1-7. https://doi.org/10.33210/ca.v10i1.356
Ruiz Muñoz, G. F. (2024). Implicaciones de la inteligencia artificial en la metodología de investigación. Revista de Investigación en Tecnologías de la Información (RITI), 12 (26), 28-38. https://doi.org/10.36825/RITI.12.26.003
Landis, J. R., Koch, G. G. (1977). The Measurement of Observer Agreement for Categorical Data. Biometrics, 33 (1), 159-174. https://doi.org/10.2307/2529310
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
