Cómo hacer una revisión de literatura paso a paso (con IA) — Guía 2026

La mayoría de los tesistas acumulan 200 PDFs en una carpeta y los leen sin criterio durante meses. Esta guía hace lo contrario: un flujo con pasos definidos que va de un tema vago a un corpus defendible ante jurados — usando IA como brújula, no como atajo.

Llevo 17 años en aula universitaria y he acompañado decenas de tesis de maestría y doctorado. El patrón se repite: el problema casi nunca es falta de lectura. Es falta de método de búsqueda. Se lee mucho y se registra poco, y cuando el jurado pregunta "¿cómo seleccionaste tus fuentes?", no hay respuesta.

Este es el flujo que uso con mis asesorados. Funciona para una revisión narrativa rigurosa, y es la base completa si vas a una revisión sistemática o de alcance — si no sabes cuál de las dos necesitas, aquí explico la diferencia entre revisión sistemática y scoping review.

Antes de empezar: la regla que ordena todo

La IA (Consensus, Elicit, ChatGPT con búsqueda) es excelente para explorar un campo: ver qué términos se usan, qué autores se repiten, dónde están los debates. Pero esa exploración no es tu corpus.

Esta separación es lo que diferencia una revisión defendible de una lista de PDFs. Con esa regla clara, vamos por pasos.

Paso 1 — Convierte tu tema en una pregunta con estructura

"Inteligencia artificial en educación" no es una pregunta de investigación. Es un océano. Para acotarlo, usa un marco como PCC (Población, Concepto, Contexto), el estándar en revisiones de alcance:

• Población: ¿a quién estudias? (docentes universitarios, estudiantes de secundaria, pacientes…)
• Concepto: ¿qué fenómeno? (retroalimentación automatizada, pensamiento crítico, adherencia al tratamiento…)
• Contexto: ¿dónde y cuándo? (América Latina, educación rural, 2020–2026…)

Ejemplo real: de "IA en educación" a "¿Qué evidencia existe sobre el uso de retroalimentación automatizada con IA (concepto) en estudiantes universitarios de escritura académica (población) en contextos hispanohablantes (contexto)?". Con eso ya puedes decidir qué entra y qué no.

Paso 2 — Explora el campo con IA (y desconfía de ella)

Ahora sí, IA. Herramientas como Consensus o Elicit buscan sobre literatura académica real y te sirven para tres cosas concretas:

1. Mapear vocabulario: cómo llama la literatura a tu concepto. "Automated feedback", "AI-generated feedback", "intelligent tutoring systems" — cada término abre resultados distintos, y tus ecuaciones del paso 3 dependen de conocerlos todos.
2. Detectar autores y grupos que se repiten: si un nombre aparece en cinco resultados, ese grupo probablemente lidera el campo.
3. Ubicar los debates y vacíos: qué está resuelto, qué está en disputa, qué nadie ha medido. De ahí sale tu aporte.

Dos advertencias que doy siempre, porque las he visto costar sustentaciones:

• Verifica cada referencia. Los modelos de lenguaje inventan citas con formato impecable. Toda referencia que planees usar debe tener DOI verificado — búscalo en doi.org o en Crossref. Sin excepciones.
• La IA resume; no lee por ti. Los papers centrales de tu marco teórico los lees tú, completos. La IA te ayuda a decidir cuáles merecen esa lectura.

Paso 3 — Construye tus ecuaciones de búsqueda

Con el vocabulario mapeado, arma la búsqueda formal. Una ecuación combina sinónimos con OR dentro de cada bloque y cruza bloques con AND. En Scopus se ve así:

TITLE-ABS-KEY ( ( "automated feedback" OR "AI feedback"
  OR "intelligent tutoring" )
AND ( "academic writing" OR "escritura académica" )
AND ( "higher education" OR university OR universidad ) )
AND PUBYEAR > 2019

Tres reglas prácticas:

• Un bloque por componente de tu pregunta (población, concepto, contexto). No mezcles sinónimos de cosas distintas en un mismo paréntesis.
• Incluye términos en inglés siempre. Más del 90% de la literatura indexada en Scopus y WoS está en inglés, incluso la escrita por autores latinoamericanos.
• Registra cada versión que pruebes y cuántos resultados dio. Ese registro es parte de tu metodología — y es lo primero que revisa un jurado que sabe de revisiones.

Paso 4 — Define criterios de inclusión y exclusión antes de mirar resultados

Antes de abrir el primer resultado, escribe qué entra y qué no: rango de años, idiomas, tipos de documento (¿solo artículos revisados por pares?, ¿incluyes tesis?), poblaciones. Hacerlo antes evita el sesgo de acomodar los criterios a los papers que ya te gustaron.

Exporta los resultados de cada base en formato .ris o .csv y guárdalos con fecha. Scopus, WoS y ERIC lo permiten desde el botón de exportar.

Paso 5 — Criba en dos fases con Rayyan

Rayyan es una herramienta gratuita hecha para esto. Importas tus .ris, detecta duplicados, y cribas en dos fases:

1. Título y resumen: decisión rápida — incluir, excluir o duda. Con los criterios del paso 4 a la vista, avanzas 100–200 registros por sesión.
2. Texto completo: solo para los que sobrevivieron. Aquí registras el motivo de cada exclusión ("no mide la variable", "población distinta"…), porque PRISMA te lo va a pedir.

Paso 6 — Documenta el flujo con PRISMA

El diagrama PRISMA muestra el recorrido completo: cuántos registros encontraste, cuántos duplicados quitaste, cuántos excluiste en cada fase y por qué, y con cuántos te quedaste. Es un diagrama de flujo de cuatro niveles que responde de una vez la pregunta del jurado: "¿de dónde salieron tus fuentes?"

Si registraste los pasos 3, 4 y 5, el PRISMA se llena solo en 20 minutos. Si no los registraste, es imposible reconstruirlo. Por eso el registro no es burocracia: es lo que te salva.

Paso 7 — Extrae datos en una matriz, no en resúmenes sueltos

Para cada estudio incluido, llena una fila en una matriz con columnas fijas: autores y año, país, diseño metodológico, muestra, instrumentos, hallazgos clave, limitaciones, y una columna para qué le aporta a tu pregunta.

La matriz convierte la escritura del capítulo en un ejercicio de lectura horizontal: ordenas por columna y ves patrones — qué métodos dominan, qué poblaciones faltan, dónde se contradicen los hallazgos. Esos patrones son tu revisión de literatura. El texto sale de ahí, no de parafrasear resúmenes uno tras otro.

Los tres errores que más veo

1. Citar lo que la IA sugirió sin verificar el DOI. Una cita inventada detectada por un jurado pone en duda todo el documento.
2. Buscar solo en español. Te pierdes el 90% del campo y el jurado lo nota en la lista de referencias.
3. Empezar a leer sin criterios escritos. Seis meses después tienes 200 PDFs, 30 leídos, y ningún argumento de por qué esos 30.

Por dónde empezar hoy

No necesitas la semana libre que estás esperando. Necesitas dos horas: una para escribir tu pregunta con PCC (paso 1) y otra para explorar vocabulario con IA (paso 2). Con eso, la primera ecuación de búsqueda sale casi sola.