Revisión sistemática vs revisión de alcance (scoping review): cuál necesita tu tesis
Elegir mal el tipo de revisión cuesta meses. En las últimas tres asesorías que hice, dos tesistas llegaron con la revisión equivocada ya avanzada: uno llevaba cuatro meses haciendo una sistemática sobre un campo con once papers; la otra estaba intentando una scoping, pero su directora esperaba conclusiones sobre eficacia. Aquí está la diferencia real, con ejemplos publicados, un diagrama para decidir y los errores que más veo.
Las dos comparten el mismo esqueleto: pregunta estructurada, búsqueda registrada en bases de datos, criterios de inclusión definidos antes de cribar, y un diagrama de flujo que documenta cada decisión. Ninguna de las dos es "leer mucho y citar". La diferencia no está en el rigor — está en la pregunta que responden.
La diferencia en una frase
Revisión sistemática: cuando necesitas un veredicto
La revisión sistemática nació en medicina para responder preguntas de eficacia: ¿este tratamiento funciona mejor que el placebo? Por eso su pregunta se estructura con PICO (Población, Intervención, Comparación, Outcome/resultado) y su producto es una síntesis de resultados — a veces con metaanálisis, si los estudios son lo bastante homogéneos para combinar sus datos.
Señales de que tu tesis pide una revisión sistemática:
- Tu pregunta compara: "¿La retroalimentación con IA mejora la escritura académica frente a la retroalimentación tradicional?"
- El campo tiene suficientes estudios empíricos con diseños comparables (experimentos, cuasi-experimentos, estudios de cohorte).
- Necesitas concluir algo sobre efectividad, magnitud o dirección de un efecto.
- Vas a evaluar la calidad metodológica de cada estudio incluido (con herramientas como RoB 2 o las listas de JBI).
El estándar de reporte es PRISMA 2020 (Page et al., 2021). Los jurados lo conocen y lo esperan. Si tu programa exige registrar el protocolo antes de ejecutar la revisión, PROSPERO es la plataforma más usada para eso.
Ejemplo publicado
Zawacki-Richter et al. (2019) hicieron una revisión sistemática sobre aplicaciones de inteligencia artificial en educación superior. Su pregunta era acotada y comparativa: qué tipos de aplicaciones de IA se han evaluado empíricamente en contextos universitarios y con qué resultados. Incluyeron 146 artículos, clasificaron los diseños metodológicos y pudieron sintetizar hallazgos porque los estudios compartían variables medibles. Ese volumen de evidencia comparable es lo que hace viable una sistemática.
Scoping review: cuando necesitas un mapa
La revisión de alcance responde otra cosa: qué se ha investigado sobre un tema, con qué métodos, en qué poblaciones y contextos, con qué conceptos — y qué falta. Su pregunta se estructura con PCC (Población, Concepto, Contexto) y su producto es un mapa del campo, no un veredicto.
El método fue propuesto originalmente por Arksey y O'Malley (2005) y formalizado después por el JBI (Joanna Briggs Institute) en cinco etapas claras: pregunta, identificación de estudios, selección, extracción de datos y síntesis narrativa con mapeo de resultados.
Señales de que tu tesis pide una scoping review:
- Tu pregunta es de panorama: "¿Qué se ha investigado sobre IA generativa en la formación docente en América Latina?"
- El campo es emergente o heterogéneo: pocos estudios, diseños muy distintos entre sí, terminología sin estandarizar.
- Tu objetivo es identificar el vacío donde se ubica tu propio estudio — el caso más común en capítulos de tesis.
- No vas a evaluar calidad metodológica de los estudios (en scoping es opcional, y normalmente no se hace).
El estándar de reporte es PRISMA-ScR (Tricco et al., 2018), la extensión oficial de PRISMA para scoping reviews.
Ejemplo práctico
Si tu tema es "IA generativa en formación docente", una scoping review mapearía: cuántos estudios existen, en qué países se han hecho, qué herramientas de IA se han probado (ChatGPT, Copilot, Claude, otras), con qué poblaciones (docentes en formación inicial, docentes en ejercicio, formadores de formadores), y qué vacíos quedan. El producto no es "la IA mejora la formación docente" — eso sería un veredicto de sistemática. El producto es: "de 38 estudios encontrados, 29 son de Estados Unidos, solo 3 incluyen contextos hispanohablantes, y ninguno mide impacto a largo plazo. Ahí está el vacío."
Un mismo tema, dos revisiones distintas
Para que la diferencia no quede abstracta, tomemos un tema real y veamos cómo se formula como cada tipo:
Como revisión sistemática: "¿La retroalimentación generada por IA mejora la calidad de la escritura académica en estudiantes universitarios, comparada con la retroalimentación del docente?" — pregunta PICO, busca estudios con grupo control, evalúa tamaños de efecto, concluye si funciona o no.
Como scoping review: "¿Qué se ha investigado sobre el uso de retroalimentación automatizada con IA en la escritura académica universitaria entre 2020 y 2026?" — pregunta PCC, mapea qué herramientas se han probado, en qué idiomas, con qué diseños, e identifica dónde falta investigación.
El mismo tema, preguntas radicalmente distintas. La sistemática solo es viable si encuentras suficientes estudios con diseños experimentales comparables. Si buscas en Scopus y salen 12 papers con métodos tan distintos que no puedes compararlos, la scoping es tu camino.
Las diferencias, lado a lado
| Revisión sistemática | Scoping review | |
|---|---|---|
| Pregunta | "¿Funciona X para Y?" — cerrada, comparativa | "¿Qué se sabe de X?" — abierta, de mapeo |
| Marco | PICO | PCC |
| Campo ideal | Maduro, con estudios empíricos comparables | Emergente, disperso o heterogéneo |
| Evalúa calidad | Sí, obligatorio (RoB 2, JBI checklists) | Opcional (casi nunca se hace) |
| Producto | Síntesis de evidencia; posible metaanálisis | Mapa del campo + vacíos de investigación |
| Reporte | PRISMA 2020 | PRISMA-ScR |
| Registro previo | PROSPERO (recomendado/exigido) | OSF o protocolo publicado (recomendado) |
| Equipo típico | 2+ revisores independientes | Viable en solitario con protocolo claro |
| Tiempo realista | 6–18 meses | 3–6 meses |
¿Cuál necesitas? Sigue el diagrama
Si después de leer las secciones anteriores todavía no estás seguro, responde estas tres preguntas en orden. La primera que respondas con "sí" te da la respuesta.
La regla de los cinco minutos (sin diagrama)
Si prefieres texto a diagramas, escribe tu pregunta de investigación y mírala:
- ¿Tiene una comparación explícita o implícita (frente a qué, mejor que qué)? Sistemática.
- ¿Su verbo es mapear, caracterizar, identificar, explorar? Scoping.
- ¿No sabes cuántos estudios existen sobre tu tema? Haz primero una búsqueda exploratoria en Scopus. Si salen menos de 30 estudios empíricos comparables, una sistemática probablemente no tiene material; la scoping te va a servir más.
Y un dato que tranquiliza: para un capítulo de revisión de literatura de tesis, la scoping review es la opción más frecuente y defendible. Tu objetivo como tesista casi siempre es justificar tu vacío de investigación — que es exactamente lo que una scoping produce.
Tres errores que veo cada semestre
- Elegir sistemática "porque suena más rigurosa". Si tu campo tiene once papers con diseños incomparables, no hay nada que sintetizar. No es falta de rigor elegir scoping — es falta de sentido hacer una sistemática sin material. La scoping también sigue un protocolo estricto; la diferencia es la pregunta, no el rigor.
- Hacer scoping pero evaluar calidad de estudios. En una scoping review la evaluación de calidad metodológica es opcional y casi nunca se hace. Si estás llenando checklists de riesgo de sesgo para cada paper, estás haciendo una sistemática disfrazada. O cambias de tipo, o eliminas ese paso.
- Arrancar la búsqueda sin decidir el tipo. Si no sabes si tu producto es un mapa o un veredicto, no puedes definir criterios de inclusión coherentes. Decides el tipo primero, registras el protocolo, y después buscas. En el orden contrario, terminas forzando los datos hacia un producto que no era.
Lo que comparten (y lo que las arruina a las dos)
Elegir el tipo correcto no te salva si la búsqueda es irreproducible. Las dos exigen lo mismo: ecuaciones de búsqueda registradas, criterios definidos antes de cribar, y cada exclusión documentada en un diagrama de flujo (PRISMA en ambos casos, solo que la versión varía). Si ese flujo es nuevo para ti, empieza por la guía paso a paso de revisión de literatura con IA — el método es el mismo esqueleto para ambas.
Las guías de cabecera
Si vas a hacer cualquiera de las dos, estos son los documentos que tu jurado espera que conozcas:
- PRISMA 2020 — Page, M. J., McKenzie, J. E., Bossuyt, P. M. et al. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372, n71. doi.org/10.1136/bmj.n71
- PRISMA-ScR — Tricco, A. C., Lillie, E., Zarin, W. et al. (2018). PRISMA Extension for Scoping Reviews (PRISMA-ScR): Checklist and Explanation. Annals of Internal Medicine, 169(7), 467–473. doi.org/10.7326/M18-0850
- Marco original de scoping — Arksey, H. & O'Malley, L. (2005). Scoping studies: towards a methodological framework. International Journal of Social Research Methodology, 8(1), 19–32. doi.org/10.1080/1364557032000119616
- Manual JBI — Peters, M. D. J., Godfrey, C., McInerney, P., Munn, Z., Tricco, A. C. & Khalil, H. (2020). Chapter 11: Scoping Reviews. En Aromataris, E. & Munn, Z. (Eds.), JBI Manual for Evidence Synthesis. Disponible en jbi.global
¿No sabes cuántos estudios tiene tu campo?
Cuéntame tu tema de tesis y te envío gratis un informe preliminar de literatura: panorama del campo, subáreas con sus papers clave, términos de búsqueda y el vacío donde puede estar tu aporte. Con ese mapa, decidir entre sistemática y scoping toma minutos.
Pedir mi informe gratis →