Contextual well-being and the perceived role of artificial intelligence among medical students and graduates: an interpretative phenomenological analysis

Resumen Técnico: Bienestar Contextual y el Papel Percibido de la Inteligencia Artificial entre Estudiantes de Medicina y Graduados

Planteamiento del Problema
La educación médica se caracteriza por una presión académica sostenida, altas expectativas de rendimiento y transiciones de desarrollo que a menudo conducen a un elevado malestar psicológico y al agotamiento (burnout). Si bien el bienestar se reconoce cada vez más como una prioridad, frecuentemente se conceptualiza como un estado interno estable o un resultado discreto. Sin embargo, la literatura existente sugiere una persistente "brecha entre el saber y el hacer", donde los estudiantes poseen el conocimiento de las estrategias de bienestar pero no logran ponerlas en práctica. Además, el papel de las tecnologías emergentes, específicamente la Inteligencia Artificial (IA), en la configuración de estas experiencias sigue estando insuficientemente comprendido. La investigación actual suele examinar el bienestar dentro de dominios discretos (por ejemplo, mental, laboral o financiero) en lugar de como un proceso dinámico negociado a través de contextos educativos, profesionales y personales superpuestos. Este estudio aborda la brecha en la comprensión de cómo los estudiantes de medicina y los médicos en el inicio de su carrera experimentan el bienestar como un fenómeno que cambia contextualmente y cómo perciben el papel de la IA dentro de estas realidades en evolución.

Metodología
Este estudio cualitativo empleó un enfoque de Análisis Fenomenológico Interpretativo (API), fundamentado en la fenomenología hermenéutica y una postura interpretativista. El estudio tuvo como objetivo explorar cómo los jóvenes profesionales médicos (de 18 a 30 años) dan sentido a sus experiencias vividas con respecto al bienestar y la IA.

• Participantes: La cohorte final consistió en ocho participantes (cuatro estudiantes de medicina irlandeses y cuatro estudiantes internacionales de China, India, Nigeria y Canadá). La muestra incluyó tanto a estudiantes actuales como a médicos en el inicio de su carrera. El muestreo fue intencional y basado en la técnica de bola de nieve, priorizando la riqueza de los datos y la variación en el trasfondo cultural y la etapa de formación sobre el tamaño numérico, de acuerdo con los compromisos idiográficos del API.
• Recolección de Datos: Se realizaron entrevistas en profundidad, semiestructuradas, entre marzo y julio de 2025 en Irlanda (contexto post-pandemia). Las entrevistas duraron entre 50 y 70 minutos y se llevaron a cabo de forma virtual (Zoom) o presencial. La guía de la entrevista fue flexible, explorando el bienestar a través de contextos académicos, clínicos, personales y tecnológicos, con preguntas específicas sobre el compromiso con la IA. Los participantes también proporcionaron puntuaciones de bienestar subjetivo autoinformadas y calificaciones de alfabetización en bienestar.
• Análisis: El análisis de los datos siguió los principios del API, involucrando un compromiso hermenéutico iterativo. Esto incluyó la lectura cercana y repetida de las transcripciones, la codificación exploratoria detallada y el desarrollo de temas emergentes a nivel de caso individual antes de identificar patrones en todo el conjunto de datos. El proceso utilizó el bracketing (suspensión de juicios) para gestionar el sesgo del investigador, la debriefing por pares y una pista de auditoría para asegurar la confiabilidad.

Contribuciones Clave
El estudio contribuye a la literatura al redefinir el bienestar no como un rasgo estático, sino como una capacidad contextual y negociada. Identifica una restricción previamente no articulada que subyace a las dificultades del bienestar: una brecha de capacidad que opera antes de las conductas de bienestar específicas. La investigación plantea que la "brecha entre el saber y el hacer" no es simplemente un fallo de motivación o de priorización individual, sino una señal de una capacidad meta-cognitiva de la capacidad de juicio contextual, regulación de la acción y establecimiento de prioridades bajo presión sostenida. Además, el estudio integra el papel emergente de la IA como un mecanismo de apoyo pragmático y de bajo umbral que llena los vacíos en los sistemas de apoyo tradicionales, al tiempo que destaca la ambivalencia respecto a su fiabilidad e impacto en la identidad profesional.

Result resultados
El análisis de los relatos de los participantes reveló tres temas superordenados interrelacionados:

1. Fluctuación Contextual del Bienestar: El bienestar se experimentó como fundamentalmente dinámico, cambiando en calidad e intensidad a través de dimensiones espaciales (físicas, sociales, digitales), temporales (pasado, presente, futuro) y existenciales (identidad, significado, valores). Los participantes describieron cambios rápidos en el bienestar a medida que navegaban entre las aulas, los entornos clínicos y los espacios personales. Para los estudiantes internacionales, el desplazamiento espacial añadió una capa de tensión fundacional. El bienestar no era un estado estable, sino una recalibración continua en respuesta a las demandas del entorno.
2. La Brecha entre el Saber y el Hacer: Existía una desconexión persistente entre la comprensión de los participantes sobre las prácticas de apoyo y su capacidad para ejecutarlas. Esta brecha no se atribuyó a la ignorancia, sino a restricciones estructurales, incluyendo la intensidad de la carga de trabajo, las presiones de evaluación y el espacio limitado para la toma de decisiones. Los participantes describieron el autocuidado como algo que requiere un "permiso" que a menudo es denegado por el calendario académico o como un recurso (energía) que ya no poseen. La regulación se caracterizó como un proceso activo y esforzado de asignación de recursos finitos (por ejemplo, la metáfora del "vaso de agua") para mantener un funcionamiento mínimo en lugar de prosperar.
3. Una Brecha de Capacidad Emergente y el Papel Percibido de la IA: Los participantes describieron una "brecha de capacidad no articulada" donde se realizaban ajustes intuitivos y sensibles al contexto para mantener el funcionamiento, aunque estos no eran reconocidos como habilidades deliberadas. En este panorama, la IA surgió como un posible apoyo compensatorio. Los participantes utilizaron la IA para la verificación de la realidad emocional, el juego de roles en conversaciones terapéuticas y la recuperación de información. Sin embargo, el compromiso se caracterizó por una cautela pragmática; la IA fue vista como una herramienta situacional para necesidades inmediatas en lugar de un reemplazo para la conexión humana. La confianza en la IA fue condicional, dependiendo fuertemente de la autoridad institucional y la validación basada en la evidencia.

Significancia y Reivindicaciones
El artículo sostiene que conceptualizar el bienestar como contextual y relacionado con la capacidad ofrece una explicación más precisa de por qué la conciencia no se traduce consistentemente en acción. El estudio sugiere que la "brecha entre el saber y el hacer" es una señal empírica de una restricción más profunda: el agotamiento de la capacidad para navegar entornos de decisión complejos bajo presión sostenida.

La importancia de estos hallazgos radica en desplazar el enfoque de los modelos de déficit individual (por ejemplo, falta de resiliencia o motivación) hacia un examen de cómo las estructuras institucionales y las ecologías de decisión moldean las condiciones bajo las cuales las acciones de apoyo se vuelven posibles. El estudio plantea que la formación médica sirve como un contexto concentrado para observar cómo las demandas contextuales moldean el juicio y la viabilidad de la acción. Respecto a la IA, el artículo concluye que esta se está convirtiendo en un elemento entrelazado de la formación contemporánea, sirviendo tanto de apoyo pragmático para gestionar la presión como de fuente de incertidumbre respecto a la identidad y la supervisión. El problema clave identificado no es lo que los estudiantes saben, sino las condiciones contextuales que determinan si las acciones de apoyo son factibles y cómo la IA se integra en dichas condiciones.

Los autores reconocen las limitaciones, incluyendo el pequeño tamaño de la muestra y el contexto institucional único, lo que limita la generalización estadística pero respalda la generación de conocimientos teóricamente fundamentados aplicables a otros contextos de transición y alta presión.