Para comenzar, la transformación digital está modificando no solo los instrumentos con los que se investiga, sino también las condiciones epistemológicas en las que se produce y se valida el conocimiento. La imagen tradicional del investigador aislado que formula preguntas, procesa información y, posteriormente, comunica sus descubrimientos resulta insuficiente para describir numerosos procesos científicos contemporáneos. Bases de datos compartidas, repositorios abiertos, documentos colaborativos, comunidades científicas digitales y sistemas de inteligencia artificial permiten distribuir actividades intelectuales entre múltiples participantes. La investigación se aproxima así a una estructura reticular en la que diferentes nodos aportan datos, interpretaciones, métodos y críticas. Esta perspectiva guarda relación con el conectivismo de Siemens (2005), para quien el conocimiento puede encontrarse distribuido entre personas, organizaciones y dispositivos, mientras que la capacidad de establecer conexiones adquiere especial relevancia. Aplicado a la universidad, este principio invita a reconsiderar la producción académica como una práctica potencialmente colectiva, abierta e interdependiente.
Desde esta mirada, la redarquía académica puede comprenderse como una organización del saber en la que la autoridad intelectual no depende exclusivamente de la posición jerárquica, sino también de la pertinencia de las contribuciones realizadas en una comunidad. Esto no elimina la experticia ni convierte toda opinión en conocimiento científicamente equivalente; al contrario, exige mecanismos rigurosos para contrastar evidencias y argumentos. Su diferencia fundamental radica en ampliar los espacios desde los cuales puede emerger conocimiento relevante. Omland et al. (2025) identificaron el diálogo, el posicionamiento, la agencia y la voz como conceptos centrales para comprender estas interacciones. El hallazgo resulta significativo porque muestra que cocrear no equivale simplemente a reunir a los participantes en torno a una tarea. Supone reconocer su capacidad para intervenir en el proceso de construcción. En consecuencia, estudiantes, docentes e investigadores pueden pasar de relaciones exclusivamente verticales a comunidades en las que diferentes niveles de experiencia contribuyen al desarrollo intelectual.
Asimismo, la cocreación encuentra un poderoso respaldo en los entornos tecnológicos colaborativos. Zotero permite construir bibliotecas compartidas; Overleaf facilita la escritura simultánea de documentos científicos en LaTeX; GitHub posibilita versionar código, datos y documentación; OSF contribuye a organizar proyectos y prácticas de ciencia abierta; mientras que Google Docs, Microsoft 365 o Notion permiten revisar colectivamente textos y registrar las modificaciones. Imaginemos una investigación internacional sobre abandono universitario: un equipo puede gestionar referencias en Zotero, almacenar protocolos y materiales en OSF, analizar scripts reproducibles mediante GitHub y redactar colaborativamente sus resultados en Overleaf. La arquitectura tecnológica distribuye actividades que antes podían concentrarse en una sola persona o institución. Sin embargo, el valor epistemológico no proviene de utilizar muchas aplicaciones, sino de hacer trazable el proceso mediante el cual diferentes participantes producen, cuestionan y transforman las evidencias hasta construir una interpretación compartida.
La inteligencia artificial generativa amplía aún más esta arquitectura del conocimiento. Sistemas como ChatGPT, Gemini, Claude o Microsoft Copilot pueden utilizarse, dentro de condiciones metodológicas y éticas apropiadas, para explorar conceptos, comparar argumentos, generar código preliminar, estructurar categorías tentativas o identificar preguntas que posteriormente deberán contrastarse con la literatura científica. Su participación introduce un nuevo tipo de nodo no humano en el ecosistema cognitivo. Siemens (2005) anticipaba una cuestión conceptualmente cercana al afirmar que el aprendizaje puede residir en dispositivos no humanos; actualmente, la IA obliga a reconsiderar hasta dónde puede extenderse esa distribución. No obstante, la Unesco (Miao & Holmes, 2023) insiste en mantener una perspectiva centrada en el ser humano y en establecer procesos de validación para el uso educativo y científico de la IA. Por ello, una respuesta generada algorítmicamente no constituye evidencia científica por sí misma: requiere verificación documental, interpretación humana, transparencia metodológica y contraste con fuentes primarias.
Por otra parte, la inteligencia colectiva no implica la acumulación indiscriminada de aportaciones. Una comunidad puede reunir a cientos de participantes y producir resultados deficientes si carece de criterios para seleccionar la evidencia, reconocer la incertidumbre o resolver desacuerdos. La cocreación académica necesita protocolos que combinen apertura y rigor: preregistro cuando corresponda, documentación de las decisiones, revisión entre pares, gestión de versiones, declaración del uso de IA y criterios explícitos de autoría. Una aplicación concreta podría encontrarse en una revisión sistemática distribuida. Dos o más investigadores pueden realizar de forma independiente el cribado de estudios mediante plataformas especializadas, resolver discrepancias mediante consenso y utilizar herramientas computacionales para apoyar la clasificación documental, sin delegar automáticamente la decisión de inclusión. De esta manera, la red no reemplaza el método científico, sino que puede fortalecerlo mediante la diversidad cognitiva, la trazabilidad y el contraste intersubjetivo.
La redarquía académica también cuestiona el papel tradicional del estudiante en la producción universitaria. Si el estudiante solo recibe teorías consolidadas y reproduce interpretaciones ya legitimadas, permanece en la periferia de la creación epistemológica. En cambio, la cocreación permite incorporarlo progresivamente en procesos auténticos de investigación, de diseño curricular o de producción de recursos. Omland et al. (2025) destacan que las prácticas de cocreación pueden incluir asociaciones entre estudiantes y personal universitario para desarrollar el currículo, actividades de enseñanza y evaluación, y funciones de mentoría entre pares. Un seminario de posgrado podría, por ejemplo, construir un mapa colectivo de la literatura utilizando Zotero, desarrollar categorías analíticas en Miro y, posteriormente, discutir con una IA generativa explicaciones alternativas que deban verificarse mediante artículos científicos. El profesor no renuncia a su experticia; la utiliza para establecer estándares, orientar la búsqueda y enseñar a distinguir entre la información disponible y el conocimiento justificable.
En esta lógica, el peer-to-peer adquiere una dimensión epistemológica que trasciende el mero trabajo grupal. La relación entre pares permite que una afirmación sea cuestionada desde distintas perspectivas antes de consolidarse. Las tecnologías de anotación social ilustran este proceso. Investigaciones con Perusall han identificado oportunidades para conectar conceptos, corregir malentendidos y analizar críticamente las lecturas, mientras que estudios recientes continúan examinando su relación con el compromiso y la construcción colaborativa del conocimiento. De manera similar, Hypothesis permite situar las conversaciones directamente sobre fragmentos de documentos, haciendo visibles las interpretaciones concurrentes. En una asignatura de epistemología, por ejemplo, los estudiantes podrían anotar colectivamente un artículo, identificar supuestos metodológicos y utilizar posteriormente, utilizar IA para generar contraargumentos que el grupo evalúe críticamente. La tecnología funciona entonces como infraestructura de una inteligencia distribuida cuyo valor depende del diálogo argumentado entre sus integrantes.
Finalmente, la redarquía académica obliga a reconocer que la inteligencia colectiva no elimina la inteligencia individual, sino que modifica su lugar en el proceso de conocimiento. La originalidad continúa siendo relevante, pero puede surgir de conexiones que ningún participante habría construido por separado. La experticia sigue siendo indispensable, aunque ahora interactúa con comunidades, bases de datos, algoritmos y perspectivas heterogéneas. La universidad que adopte esta lógica deberá enseñar no solo a investigar, sino también a investigar en red: compartir responsablemente, documentar procesos, evaluar contribuciones, verificar resultados algorítmicos y reconocer autorías. En una época en la que la IA puede producir respuestas en segundos, el verdadero valor académico probablemente residirá cada vez menos en poseer información y cada vez más en formular preguntas significativas, conectar conocimientos dispersos y construir colectivamente explicaciones verificables. La frontera epistemológica no se encuentra, por tanto, entre seres humanos y máquinas, sino entre el conocimiento aceptado pasivamente y el construido críticamente.
Referencias
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO.
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology & Distance Learning, 2(1).
Omland, M., Hontvedt, M., Siddiq, F., Amundrud, A., Hermansen, H., Mathisen, M. A. S., Rudningen, G., & Reiersen, F. (2025). Co-creation in higher education: A conceptual systematic review. Higher Education, 90, 1017–1047. https://doi.org/10.1007/s10734-024-01364-1
