En el contexto actual de la Investigación Educativa, el análisis bibliométrico emerge como una herramienta esencial para comprender las tendencias, patrones y dinámicas de producción científica en esta disciplina. La necesidad de sintetizar y evaluar la ingente cantidad de literatura existente en educación ha llevado a la adopción creciente de enfoques bibliométricos, que permiten identificar áreas de interés, investigadores prominentes y evolución temporal de temas. Para este estudio, se llevó a cabo un análisis bibliométrico exhaustivo, utilizando técnicas cuantitativas para analizar una amplia muestra de artículos académicos en el campo de la educación. Se recopilaron datos bibliográficos de diversas bases de datos académicas, como Web of Science y Scopus, y se aplicaron criterios de inclusión para seleccionar los artículos relevantes para el análisis. Los hallazgos revelaron un aumento significativo en el uso de enfoques metodológicos mixtos en la Investigación Educativa, lo que sugiere una tendencia hacia la integración de métodos cuantitativos y cualitativos para abordar preguntas de investigación complejas. Además, se observó un incremento en la colaboración internacional entre investigadores en el campo de la educación, destacando la naturaleza cada vez más globalizada de la investigación en este ámbito. Aunque el análisis bibliométrico ofrece importantes perspectivas sobre la producción científica en educación, es crucial reconocer sus posibles limitaciones, como la dependencia de bases de datos específicas y los sesgos inherentes a la selección de estudios. Sin embargo, a pesar de estas limitaciones, el análisis bibliométrico sigue siendo una herramienta valiosa para investigadores y profesionales de la educación, proporcionando información clave para la toma de decisiones informadas y la identificación de áreas de investigación prioritarias.

Aims: Most patients experience barriers for becoming physical active post-heart transplantation. Therefore, identifying barriers and facilitators can help healthcare professionals in developing physical activity programmes. This study aimed to explore the physical activity experiences, perceived barriers, and facilitators to perform physical activity of patients’ post-heart transplantation. Methods and results: A qualitative study was carried out using in-depth semi-structured interviews on 24 patients post-heart transplantation from October to December 2022. The data were analysed using an inductive strategy for finding emerging themes. NVivo 12.0 software was used to analyse the data. The physical activity experiences included that (i) patients felt that they had to adapt to a new situation after the heart transplantation, (ii) walking was a popular physical activity preferably outdoors, (iii) participants preferred to perform physical activity regularly with others, and (iv) they felt better since they perform physical activity. The facilitators were: (i) desire to live; (ii) experiencing physical benefits; (iii) being physically active with others; (iv) use of mobility assistive devices resources. The barriers were: (i) feeling not being able to perform former physical activity; (ii) complications and experiencing symptoms post-heart transplantation; (iii) unfavourable climate. Conclusion: Patients post-heart transplantation has various facilitators influencing their post-transplant experience to perform physical activity. Key facilitators include the desire to live, physical benefits, social activity, and external support. Yet, they also face barriers like lost abilities, post-transplant complications, and environmental challenges.

The rapid emergence of Generative Artificial Intelligence (GenAI) has sparked a growing debate about its ethical, methodological, and epistemological implications for qualitative research. This study aimed to examine and deeply understand researchers’ perceptions regarding the use of GenAI tools in different phases of the qualitative research process. The study involved a sample of 214 researchers from diverse disciplinary areas, with publications indexed in Web of Science or Scopus that apply qualitative methods. Data collection was conducted using an open-ended questionnaire, and analysis was carried out using coding and thematic analysis procedures, which allowed us to identify patterns of perception, user experiences, and barriers. The findings show that, while GenAI is valued for its ability to optimize tasks such as corpus organization, initial coding, transcription, translation, and information synthesis, its implementation raises concerns regarding privacy, consent, authorship, the reliability of results, and the loss of interpretive depth. Furthermore, a dual ecosystem is observed, where some researchers already incorporate it, mainly generative text assistants like ChatGPT, while others have yet to use it or are unfamiliar with it. Overall, the results suggest that the most solid path is an assisted model, supported by clear ethical frameworks, adapted methodological guidelines, and critical training for responsible and humanistic use.

Los sistemas de IA se han introducido en una gran variedad de campos de la investigación, como en la investigación médica, donde facilita el análisis y la interpretación de datos, mejorando tanto la eficiencia como la precisión al generar conocimientos, aunque es necesario verificar cuidadosamente la información generada para evitar resultados engañosos. En el campo de la auditoría financiera, la IA permite un análisis más exhaustivo de los datos, detectando anomalías y fraudes con mayor eficacia que los métodos tradicionales. Además, mejora la previsión financiera al procesar datos complejos para generar predicciones más precisas. En el campo de la educación, la integración de la IA está transformando los entornos de aprendizaje tradicionales al mejorar la personalización, la eficiencia y la inclusión. Este libro ofrece un recorrido exhaustivo por el uso del software de análisis cualitativo asistido por ordenador y la integración de la inteligencia artificial generativa en estos procesos. A lo largo de sus capítulos, se aborda desde los conceptos fundamentales hasta las aplicaciones prácticas de herramientas como NVivo para la codificación y análisis de datos cualitativos. Se encontrará una guía detallada para la implementación de técnicas avanzadas como la transcripción automática, la limpieza de bases de datos y el análisis semántico, así como una exploración de las ventajas que la IA aporta a los procesos de investigación cualitativa, facilitando la categorización automática y la validación de resultados. El enfoque práctico se complementa con ejemplos de aplicaciones reales y un análisis detallado de las diferencias en el flujo de trabajo cuando se emplean herramientas de IA. Este libro no solo profundiza en la utilización de NVivo como herramienta clave en la codificación, sino que también explora las nuevas funcionalidades automáticas que permiten a los investigadores identificar temas, sentimientos y patrones de manera eficiente, apoyados en tecnologías emergentes.