Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
INTELIGENCIAARTIFICIAL GENERATIVA Y DIMENSIONES DEL PENSAMIENTO  
CRÍTICO: UN ANÁLISIS EN EL CONTEXTO DE LA EDUCACIÓN SUPERIOR  
GENERATIVE ARTIFICIAL INTELLIGENCE AND DIMENSIONS OF CRITICAL  
THINKING: AN ANALYSIS IN THE CONTEXT OF HIGHER EDUCATION  
Autores: ¹Jose Andrés Quelal Ramos, ²Keyla Villacís López, ³Glenda Elizabeth Guale Alcívar y  
4Víctor Miguel Sumba Arévalo.  
¹ORCID ID: https://orcid.org/0009-0005-9723-2100  
²ORCID ID: https://orcid.org/0009-0000-1866-4073  
³ORCID ID: https://orcid.org/0009-0008-5245-3665  
4ORCID ID: https://orcid.org/0000-0002-8208-5233  
¹E-mail de contacto: andresquelal@hotmail.com  
²E-mail de contacto: keylam910vl@gmail.com  
³E-mail de contacto: glengu2001@hotmail.com  
4E-mail de contacto: vsumbaa2@unemi.edu.ec  
Afiliación: ¹Facultad de Posgrado, Escuela de Educación, Maestría en Educación con mención en Docencia e Investigación en Educación  
Superior, Universidad Estatal de Milagro, (Ecuador).  
Artículo recibido: 28 de Junio del 2026.  
Artículo revisado: 30 de Junio del 2026.  
Artículo aprobado: 30 de Junio del 2026.  
¹Licenciado en Terapia Ocupacional.  
²Ingeniera Biotecnóloga, Magister en Biología Computacional.  
³Bióloga, Diploma Superior en Pedagogía de la Educación Técnica y Profesional.  
4Doctor en Educación (PhD.) por la Universidad Nacional de Rosario, (Argentina). Máster Universitario en Psicopedagogía y Máster  
Universitario en neuropsicología y educación por la Universidad Internacional de la Rioja. (España). Magister en educación básica por  
la Universidad Estatal de Milagro, (Ecuador). Licenciado en educación General básica por la Universidad de Cuenca, (Ecuador).  
Profesor de educación básica por el Instituto Superior pedagógico Luis Cordero, (Ecuador).  
Resumen  
inferencia se ven potenciadas al operar la IA  
como un andamio cognitivo, mientras que la  
autorregulación emerge como una competencia  
transversal crítica mediante el ejercicio del  
prompt engineering. La IAGen no atrofia el  
pensamiento crítico de manera intrínseca, sino  
que exige una transición pedagógica urgente:  
pasar de evaluar el producto final elaborado por  
el alumno a auditar y calificar el proceso  
cognitivo y la curaduría del conocimiento  
disponible.  
La masificación de la Inteligencia Artificial  
Generativa ha provocado un cambio de  
paradigma en la educación superior, obligando  
a reevaluar la enseñanza del pensamiento crítico  
ante la posibilidad de externalizar los procesos  
reflexivos  
a
entornos  
algorítmicos.  
Se  
desarrolló una revisión sistemática de la  
literatura bajo el protocolo PRISMA. Tras una  
búsqueda en bases de datos de alto impacto  
(Scopus, WoS, SciELO, IEEE Xplore y Google  
Scholar) del periodo 2023-2026, se consolidó  
un corpus definitivo de 31 artículos originales  
analizados mediante el modelo dimensional de  
Facione. Se evidenció un impacto dual. A nivel  
Palabras claves:  
Inteligencia Artificial  
Generativa, Pensamiento Crítico, Educación  
superior, Dimensiones de Facione.  
cualitativo  
evaluación,  
predomina  
donde  
la  
la  
dimensión  
presencia  
de  
de  
Abstract  
The widespread adoption of Generative  
Artificial Intelligence (GenAI) has caused a  
paradigm shift in higher education, forcing a re-  
evaluation of critical thinking instruction due to  
the potential externalization of reflective  
"alucinaciones" y sesgos lógicos de la IA actúa  
como un disparador cognitivo que obliga al  
estudiante a la contrastación sistemática de  
fuentes. Las dimensiones de Análisis e  
Página 828  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
processes to algorithmic architectures. A  
um gatilho cognitivo que obriga o estudante à  
verificação sistemática de fontes. As dimensões  
de Análise e Inferência são potencializadas  
quando a IA opera como um andaime cognitivo,  
enquanto a Autorregulação emerge como uma  
competência transversal crítica por meio do  
exercício de prompt engineering. A IAGen não  
atrofia o pensamento crítico de maneira  
intrínseca, mas exige uma transição pedagógica  
urgente: passar da avaliação do produto final  
elaborado pelo aluno para a auditoria e  
qualificação do processo cognitivo e da  
curadoria do conhecimento disponível.  
systematic literature review was conducted  
following the PRISMA protocol. After an  
exhaustive search in high-impact databases  
(Scopus, WoS, SciELO, IEEE Xplore, and  
Google Scholar) covering the 2023-2026  
period, a definitive corpus of 31 original articles  
was consolidated and analyzed using Facione’s  
dimensional model. A dual impact was  
identified. Quantitatively and qualitatively, the  
Evaluation  
dimension  
predominates;  
the  
presence of AI "hallucinations" and logical  
biases acts as a cognitive trigger that forces  
students to systematically cross-reference  
sources. Analysis and Inference dimensions are  
enhanced as AI operates as a cognitive  
scaffolding, while Self-Regulation emerges as a  
critical transversal competence through the  
practice of prompt engineering. GenAI does not  
intrinsically atrophy critical thinking; instead, it  
demands an urgent pedagogical transition from  
evaluating the student's final written product to  
auditing and grading the cognitive process and  
knowledge curation. Keywords: Generative  
Artificial Intelligence, Critical Thinking,  
Higher Education, Facione Dimensions.  
Palavras-chave:  
Inteligência  
Artificial  
Generativa, Pensamento Crítico, Ensino  
Superior, Dimensões de Facione.  
Introducción.  
El pensamiento crítico ha sido reconocido  
históricamente como la piedra angular de la  
educación superior y el fin último de la  
formación universitaria, esta competencia no se  
limita únicamente a la acumulación de  
conocimientos, sino que constituye el proceso  
reflexivo y autorregulado que permite al  
estudiante evaluar la veracidad y relevancia de  
la información. Según el criterio de autores  
fundamentales como Facione (1990), el  
pensamiento crítico es una herramienta esencial  
de indagación que capacita al individuo para  
tomar decisiones fundamentadas y resolver  
problemas complejos en contextos académicos  
y profesionales. En la actualidad, esta  
relevancia se acentúa con la integración de la  
inteligencia artificial, donde la capacidad de  
análisis y evaluación se vuelve indispensable  
para gestionar la información generada por  
algoritmos. Sin embargo, la naturaleza de este  
pensamiento ha debido mutar ante las sucesivas  
revoluciones tecnológicas. En las últimas  
décadas, el paso de la alfabetización analógica a  
la digital obligó a los estudiantes a desarrollar  
habilidades de selección y verificación de  
Sumário  
A massificação da Inteligência Artificial  
Generativa (IAGen) provocou uma mudança de  
paradigma no ensino superior, obrigando a  
reavaliar o ensino do pensamento crítico face à  
possibilidade de terceirizar os processos  
reflexivos  
para  
arquiteturas  
algorítmicas.  
Desenvolveu-se uma revisão sistemática da  
literatura sob o protocolo PRISMA. Após uma  
busca em bases de dados de alto impacto  
(Scopus, WoS, SciELO, IEEE Xplore e Google  
Scholar) no período de 2023-2026, consolidou-  
se um corpus definitivo de 31 artigos originais  
analisados por meio do modelo dimensional de  
Facione. Evidenciou-se um impacto dual. Em  
nível quantitativo e qualitativo, predomina a  
dimensão de Avaliação, onde a presença de  
"alucinações" e vieses lógicos da IA atua como  
fuentes  
en  
un  
entorno  
de  
sobrecarga  
informativa, marcando una transición desde la  
Página 829  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
recepción pasiva hacia una gestión activa del  
aprendizaje, desplazando en ocasiones el  
esfuerzo intelectual necesario para la  
construcción de conocimiento autónomo.  
conocimiento (García-Peñalvo, 2023).  
Esta evolución alcanzó un punto de inflexión  
disruptivo a finales de 2022 con la masificación  
de la Inteligencia Artificial Generativa (IAGen).  
A diferencia de las herramientas digitales  
precedentes, que funcionaban principalmente  
como depósitos de información o motores de  
búsqueda, los Modelos de Lenguaje Extenso  
(LLMs) como GPT-4, Claude y Gemini actúan  
como agentes de "coproducción cognitiva"  
(Mollick, 2024). Estos sistemas no solo  
recuperan datos, sino que generan argumentos  
coherentes, resuelven problemas complejos y  
sintetizan literatura científica en segundos. Esta  
nueva realidad plantea un desafío ontológico  
para la universidad: la posibilidad de que el  
proceso reflexivo, que antes era exclusivo del  
sujeto humano, sea ahora externalizado hacia  
una arquitectura algorítmica.  
A pesar de la creciente producción científica  
sobre la utilidad técnica de la IA, persiste una  
fragmentación teórica respecto a cómo esta  
tecnología impacta de manera diferenciada en el  
pensamiento crítico. La mayoría de los estudios  
se centran en la productividad o en la ética del  
plagio, dejando en un segundo plano el análisis  
de los procesos cognitivos subyacentes. Existe,  
por tanto, una necesidad imperante de  
sistematizar la evidencia disponible para  
determinar si la mediación tecnológica fortalece  
la autonomía intelectual o si promueve una  
dependencia que debilita el rigor analítico en los  
profesionales en formación.  
En el debate científico contemporáneo, esta  
integración tecnológica ha generado posturas  
divergentes. Por un lado, investigadores como  
Dwyer (2024) y Luckin (2024) sugieren que la  
IA puede funcionar como un "tutor socrático"  
que desafía las preconcepciones del estudiante,  
potenciando dimensiones como el análisis y la  
evaluación de argumentos. No obstante, existe  
una creciente preocupación por la denominada  
"atrofia cognitiva" o dependencia algorítmica.  
Autores como Selwyn (2024) advierten que la  
facilidad para obtener resultados estructurados  
e inmediatos podría debilitar la capacidad de  
inferencia autónoma y la autorregulación  
metacognitiva, llevando al estudiante a una  
aceptación pasiva de los sesgos presentes en los  
modelos de IA. Bajo esta premisa de  
transformación educativa acelerada, el presente  
artículo de revisión tiene como objetivo analizar  
el impacto de las herramientas de IA Generativa  
en las dimensiones del pensamiento crítico  
dentro del contexto de la educación superior. A  
través de una revisión sistemática de la  
literatura publicada entre 2023 y 2026, se busca  
determinar si la mediación de la IAGen actúa  
como un andamiaje que eleva el nivel de  
complejidad del juicio crítico o si, por el  
En este sentido, autores recientes como Luckin  
(2024) y Selwyn (2024) advierten que la  
facilidad para obtener respuestas estructuradas  
podría inducir una "dependencia algorítmica",  
afectando dimensiones específicas como la  
inferencia y la evaluación de la verdad. El  
problema científico actual no radica en el  
acceso a la tecnología, sino en la posible erosión  
de la capacidad de autorregulación cuando el  
sujeto delega el proceso reflexivo a la máquina  
(Siemens et al., 2023; Chan, 2024). La urgencia  
pedagógica radica en determinar si el uso de la  
IA actúa como un andamiaje que eleva el nivel  
de análisis o como un atajo que simplifica el  
razonamiento complejo. Modelos de lenguaje  
extenso, tales como GPT-4, Claude y Gemini,  
poseen la capacidad de sintetizar información,  
generar argumentos coherentes y resolver  
problemas complejos en segundos, lo que  
obliga a reevaluar el papel del pensamiento  
crítico en la formación universitaria. Según  
Mollick (2024), no nos enfrentamos a una  
herramienta de software tradicional, sino a una  
"cointeligencia" que altera la trayectoria del  
Página 830  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
contrario, fomenta una erosión del rigor  
AND "Critical Thinking" AND "Higher  
Education" ("Inteligencia Artificial  
analítico en los profesionales en formación. Se  
pretende, en última instancia, ofrecer una guía  
que oriente la integración de estas herramientas  
bajo un enfoque que priorice la autonomía  
y
Generativa" OR "LLM") AND "Pensamiento  
Crítico" AND "Educación Superior". Estas  
combinaciones facilitaron la identificación de  
investigaciones centradas en el impacto de los  
modelos de lenguaje de gran escala (LLM) y  
otras herramientas de inteligencia artificial  
generativa sobre el desarrollo del pensamiento  
crítico en contextos universitarios.  
intelectual  
humana  
sobre  
el  
resultado  
automatizado.  
Materiales y métodos.  
La presente investigación se basa en un enfoque  
cualitativo de tipo documental, con un alcance  
descriptivo-explicativo. Se utiliza el diseño de  
revisión sistemática de la literatura, el cual  
permite recopilar, examinar y sintetizar de  
manera crítica la evidencia científica disponible  
sobre el impacto de la IA Generativa en el  
Con el fin de asegurar la pertinencia y calidad  
metodológica de los estudios incluidos, se  
establecieron criterios de inclusión previamente  
definidos. Se consideraron artículos originales y  
revisiones sistemáticas publicados en revistas  
científicas indexadas y sometidas a procesos de  
revisión por pares. Asimismo, se seleccionaron  
investigaciones publicadas entre enero de 2023  
y febrero de 2026, periodo que corresponde al  
mayor crecimiento y adopción de los modelos  
de inteligencia artificial generativa en el ámbito  
educativo. También se incluyeron únicamente  
aquellos estudios que abordaran de manera  
pensamiento  
crítico  
de  
los  
estudiantes  
universitarios.  
Este diseño garantiza que el  
proceso de selección de información sea  
reproducible, transparente y libre de sesgos  
subjetivos (Page et al., 2021).  
La conformación del corpus documental se  
realizó mediante una búsqueda sistemática y  
exhaustiva en bases de datos académicas de alto  
impacto, con el propósito de identificar estudios  
científicos relevantes sobre la relación entre la  
explícita  
una  
o
más  
dimensiones  
del  
pensamiento crítico, tales como el análisis, la  
evaluación, la inferencia, la explicación o la  
autorregulación, y que estuvieran escritos en  
español o inglés.  
inteligencia  
artificial  
generativa  
y
el  
pensamiento crítico en la educación superior.  
Para garantizar la calidad, actualidad y  
representatividad de la evidencia recopilada, se  
consultaron las bases de datos Scopus, Web of  
Science (WoS), IEEE Xplore y el repositorio  
SciELO, este último incorporado para asegurar  
una adecuada cobertura de la producción  
científica de América Latina.  
El proceso de identificación, depuración,  
selección e inclusión de los estudios se  
desarrolló siguiendo las directrices del método  
PRISMA (Preferred Reporting Items for  
Systematic Reviews and Meta-Analyses), lo  
que  
transparente cada una de las etapas de selección  
del corpus documental. Los resultados  
obtenidos tras la aplicación de este  
permitió  
documentar  
de  
manera  
La estrategia de búsqueda se diseñó utilizando  
descriptores normalizados en inglés y español,  
combinados mediante operadores booleanos  
(AND y OR), lo que permitió recuperar  
publicaciones pertinentes al objeto de estudio.  
Las principales ecuaciones de búsqueda  
procedimiento se presentan en la Tabla 1, donde  
se resume el número de registros identificados,  
los documentos excluidos en cada fase y los  
estudios que conformaron la muestra final para  
el análisis.  
empleadas  
fueron:  
("Generative Artificial  
Intelligence" OR "Large Language Models")  
Página 831  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
Tabla 1. Numero de registros identificados.  
N.º  
1
3
5
7
9
Autor(es)  
Owaya, F., et al.  
García-Peñalvo, F.  
Dwyer, C. P.  
Chan, C. K. Y.  
Su, J., & Yang, W.  
Sullivan, M., et al.  
Mollick, E.  
Cotton, D. R., et al.  
Baldovin-Año, D.  
Siemens, G., et al.  
Lodge, J. M., et al.  
Grassini, S.  
Rudolph, J., et al.  
Montenegro-Rueda  
Chatfield, J., et al.  
Shoufan, A.  
Romero-Rodríguez  
Atlas, S.  
Chiu, T. K.  
Cooper, G.  
Farrokhnia, M., et al.  
Zhai, X.  
Alshater, M.  
Lo, C. K.  
Nguyen, A., et al.  
Salas-Pico, C., et al.  
Kim, S.  
Wu, R., et al.  
Bond, M., et al.  
Torres-Toukoumidis  
Año  
2024  
2023  
2024  
2024  
2023  
2024  
2024  
2024  
2023  
2023  
2023  
2023  
2023  
2024  
2024  
2023  
2024  
2023  
2023  
2023  
2024  
2024  
2024  
2024  
2024  
2024  
2024  
2023  
2024  
2023  
Dimensión del Pensamiento Crítico  
Inferencia y Análisis  
Autorregulación  
Evaluación  
Interpretación  
Análisis  
Evaluación  
Inferencia  
Autorregulación  
Explicación  
Interpretación  
Evaluación  
Análisis  
Evaluación  
Interpretación  
Autorregulación  
Explicación  
Análisis Crítico  
Inferencia  
Metacognición  
Evaluación  
Evaluación y Ética  
Inferencia  
Interpretación  
Análisis  
Evaluación  
Autorregulación  
Análisis  
11  
13  
15  
17  
19  
21  
23  
25  
27  
29  
31  
33  
35  
37  
39  
41  
43  
45  
47  
49  
51  
53  
55  
57  
59  
Inferencia  
Metacognición  
Análisis Crítico  
Fuente: Elaboración propia.  
Para la obtención de la muestra, se consultaron  
fuentes bibliográficas de alto impacto con el fin  
de asegurar la calidad del conocimiento  
analizado. Se utilizaron las bases de datos  
Scopus y Web of Science (WoS) por su rigor en  
el arbitraje de pares a nivel global; SciELO y  
Redalyc, para integrar la perspectiva y  
investigaciones centradas en niveles educativos  
de educación básica y media (K-12), así como  
aquellos estudios que abordaban la inteligencia  
artificial desde una perspectiva exclusivamente  
técnica o de ingeniería, sin vinculación con el  
ámbito  
pedagógico  
o
educativo.  
El  
procedimiento de búsqueda y selección de la  
evidencia científica se desarrolló siguiendo las  
directrices del protocolo PRISMA (Preferred  
Reporting Items for Systematic Reviews and  
producción  
científica  
del  
contexto  
iberoamericano; y Google Scholar, como motor  
de búsqueda complementario para identificar  
literatura académica emergente del periodo  
2024-2026. Como parte del proceso de  
selección documental, se establecieron criterios  
de exclusión con el propósito de garantizar la  
calidad metodológica y la pertinencia de los  
Meta-Analyses),  
reconocido  
internacionalmente como el estándar para la  
elaboración y reporte de revisiones sistemáticas.  
De acuerdo con Page et al. (2021), la aplicación  
de este protocolo fortalece la transparencia,  
objetividad y reproducibilidad del proceso  
investigativo, al minimizar los sesgos de  
selección y garantizar que la construcción del  
conocimiento se base en evidencia científica  
rigurosa. Además, este enfoque facilita la  
identificación de tendencias emergentes y  
estudios  
incluidos  
en  
la  
revisión.  
En  
consecuencia, se excluyeron los documentos  
pertenecientes a la literatura gris, tales como  
tesis no publicadas, blogs, notas de prensa e  
informes técnicos sin arbitraje científico.  
Asimismo,  
fueron  
descartadas  
las  
Página 832  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
vacíos de investigación relacionados con el  
impacto de la inteligencia artificial generativa  
en la educación superior. En la fase de  
identificación, se realizó una búsqueda  
preseleccionados.  
Como resultado de este  
69 documentos,  
proceso, se excluyeron  
principalmente por no ajustarse al periodo de  
publicación establecido (enero de 2023 a  
febrero de 2026), por centrarse en poblaciones  
diferentes a estudiantes universitarios de grado  
o posgrado, por pertenecer a niveles educativos  
básicos o medios, o por corresponder a literatura  
gris que no cumplía con los estándares de  
calidad científica requeridos. En la fase de  
inclusión, se conformó un corpus documental  
integrado por 31 artículos científicos, los cuales  
fueron sometidos a un análisis cualitativo de  
contenido. Para ello, se elaboró una matriz de  
sistemática en las bases de datos Scopus, Web  
of Science (WoS), IEEE Xplore y SciELO,  
obteniéndose un total de 100 registros  
potencialmente  
relevantes.  
Posteriormente,  
durante la fase de cribado (screening), se  
eliminaron los registros duplicados y se efectuó  
la revisión de títulos y resúmenes para descartar  
aquellos estudios que no guardaban relación con  
el  
objeto  
de  
investigación  
o
que  
no  
correspondían al contexto de la educación  
superior. A continuación, en la fase de  
elegibilidad, se aplicaron de manera rigurosa los  
criterios de inclusión y exclusión mediante la  
lectura a texto completo de los artículos  
síntesis  
características  
hallazgos y aportes de cada estudio.  
en  
la  
que  
se  
registraron  
las  
metodológicas,  
principales  
Figura 1. Diagrama de flujo del proceso de selección PRISMA.  
Fuente: Elaboración propia basada en Page et al. (2021).  
Posteriormente, la información fue organizada  
y categorizada de acuerdo con las dimensiones  
del pensamiento crítico propuestas por Facione  
(1990), permitiendo identificar las principales  
tendencias sobre la influencia de la inteligencia  
artificial generativa en el desarrollo de  
habilidades como el análisis, la interpretación,  
la evaluación, la inferencia, la explicación y la  
autorregulación en estudiantes de educación  
superior. El proceso completo de identificación,  
Página 833  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
selección e inclusión de los estudios se resume  
como Andamiaje para el Análisis, se destaca el  
aporte de Su y Yang (2023) y Ouyang et al.  
(2024), quienes posicionan a la IAGen como un  
"andamio cognitivo". Este hallazgo sugiere que  
la tecnología permite a los estudiantes de  
en la Figura 1, correspondiente al diagrama de  
flujo PRISMA. Dicho procedimiento permitió  
obtener una muestra final de 31 artículos  
científicos de alta relevancia, los cuales  
constituyeron la base para la síntesis cualitativa  
y el análisis del impacto de la inteligencia  
educación  
superior  
desglosar  
problemas  
complejos en unidades lógicas menores,  
facilitando la dimensión deAnálisis e Inferencia  
sin sustituir el esfuerzo intelectual del alumno.  
Otro punto clave es la evolución hacia la  
artificial  
generativa  
en  
las  
diferentes  
dimensiones del pensamiento crítico en el  
contexto universitario.  
Autorregulación,  
que  
revela  
un  
patrón  
Resultados y Discusión  
De acuerdo con el procedimiento metodológico  
emergente liderado por Chiu (2023) y Salas et  
al. (2024), donde la interacción con la IA  
fomenta la Metacognición.  
basado en la declaración PRISMA (Page et al.,  
2021), el análisis cualitativo de los 31 artículos  
seleccionados permite estructurar los hallazgos  
en función de las dimensiones del pensamiento  
crítico propuestas por Facione (1990). Los  
resultados demuestran una transformación  
significativa en la manera en que los estudiantes  
universitarios procesan la información cuando  
median herramientas de IAGenerativa (IAGen).  
A nivel cualitativo, la dimensión de Evaluación  
predomina en mayor parte de los estudios,  
seguida por el Análisis e Inferencia. Esto  
sugiere que la literatura científica actual está  
profundamente preocupada por la capacidad del  
estudiante para discernir entre contenidos  
verídicos y "alucinaciones" generadas por los  
modelos de lenguaje. La Tabla 2, presenta una  
síntesis de los autores más relevantes incluidos  
en la revisión final, en los cuales se analiza solo  
las dimensiones propuestas por Facione (1990)  
vinculando sus aportes con las dimensiones  
específicas del pensamiento crítico. En esta se  
puede destacar la Predominancia de la  
Evaluación Crítica en autores como Rudolph et  
al. (2023) y Sullivan et al. (2024) subrayan que  
la "imperfección" de la IA (alucinaciones) es,  
paradójicamente, su mayor aporte pedagógico.  
El patrón detectado indica que el error  
algorítmico actúa como un catalizador que  
obliga al estudiante a activar su capacidad de  
juicio, validando la información frente a fuentes  
externas. Además, también se determina la IA  
El proceso de "Prompt Engineering" se  
identifica no solo como una habilidad técnica,  
sino como un ejercicio reflexivo donde el  
estudiante debe monitorear y corregir su propio  
proceso de pensamiento para obtener resultados  
precisos. Como último autor identificado se  
destaca la Defensa contra la Desinformación, la  
síntesis destaca el trabajo de Romero-Rodríguez  
(2024), quien posiciona al pensamiento crítico  
como la competencia transversal definitiva. El  
análisis de los trabajos adjuntos en la tabla 2,  
confirma que, ante la proliferación de  
contenidos  
sintéticos,  
la  
capacidad  
de  
Interpretación asistida por IA se convierte en un  
requisito de alfabetización informacional básico  
en la formación universitaria contemporánea.  
Además, se identifican patrones de respuestas  
generados por IA. El primer patrón identificado  
se  
refiere  
a
la  
interacción  
dialógica,  
herramientas como ChatGPT no solo entregan  
respuestas, sino que fuerzan al usuario a mejorar  
su capacidad de Interpretación. Según Chan  
(2024), la alfabetización en IA no es solo  
técnica, sino una competencia crítica que  
redefine cómo el estudiante interpreta la  
autoridad del conocimiento. La IA desplaza el  
foco de la memorización hacia la formulación  
de preguntas complejas. El segundo patrón es la  
vigilancia epistémica. En varios de los artículos  
Página 834  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
destacando Rudolph et al., 2023 y Sullivan et  
latentes en una educación tradicional basada en  
libros de texto estáticos. La discusión de los  
hallazgos se centra en la tensión existente entre  
la eficiencia tecnológica y la autonomía  
cognitiva.  
al., 2024, se observa que la presencia de errores  
lógicos en la IA actúa como un "disparador" del  
pensamiento crítico. El estudiante, al detectar  
una  
inconsistencia,  
activa  
procesos  
de  
Evaluación que de otro modo permanecerían  
Tabla 2. Síntesis de los autores más relevantes incluidos en la revisión final.  
Autor y Año  
Dimensión (Facione)  
Hallazgo Clave e Impacto Pedagógico  
La IA actúa como un andamio cognitivo que facilita la descomposición de  
problemas complejos.  
Ouyang et al. (2024)  
Análisis e Inferencia  
Exige que el estudiante evalúe la veracidad de lo generado (pensamiento  
reflexivo).  
García-Peñalvo (2023)  
Autorregulación  
Riesgo de 'pereza intelectual' si no hay contrastación de fuentes externas.  
Dwyer, C. P. (2024)  
Chan, C. K. Y. (2024)  
Evaluación  
La alfabetización en IA desarrolla una nueva forma de entender la  
Interpretación  
información crítica.  
El prompt engineering ayuda a estructurar argumentos lógicos de forma más  
Su & Yang (2023)  
Análisis  
rápida.  
Los estudiantes deben desarrollar un 'juicio crítico' sobre los sesgos  
Sullivan et al. (2024)  
Evaluación  
algorítmicos.  
La integridad académica depende de la honestidad intelectual y la  
autocrítica.  
Cotton et al. (2024)  
Lodge et al. (2023)  
Rudolph et al. (2023)  
Autorregulación  
Evaluación  
Se debe evaluar el proceso cognitivo del alumno, no solo el producto final.  
Alerta sobre la capacidad de la IA para generar argumentos falsos pero  
creíbles.  
Evaluación  
Montenegro-Rueda  
(2024)  
Crawford et al. (2024)  
Romero-Rodríguez  
(2024)  
La revisión sistemática muestra mejora en la síntesis de información  
asistida.  
El rol del docente cambia a ser un facilitador de la metacognición crítica.  
El pensamiento crítico es la única defensa contra las fake news generadas  
por IA.  
Ayuda al alumno a entender cómo aprende (pensar sobre el pensamiento).  
Identifica oportunidades para el pensamiento crítico en la corrección de  
sesgos.  
Interpretación  
Autorregulación  
Análisis Crítico  
Metacognición  
Evaluación y Ética  
Chiu, T. K. (2023)  
Farrokhnia et al. (2024)  
Salas-Pilco et al. (2024)  
Destaca la necesidad de autonomía ante la dependencia tecnológica  
inducida.  
Autorregulación  
Fuente: Elaboración propia.  
Al contrastar los resultados con la teoría clásica  
de Facione (1990), surge una interrogante  
fundamental: ¿está la IA atrofiando el  
pensamiento crítico o lo está forzando a  
concuerda con Dwyer (2024), quien advierte  
sobre el riesgo de la "pereza intelectual"; si el  
estudiante no es entrenado para desconfiar de la  
IA, el pensamiento crítico se debilita por atrofia.  
evolucionar  
hacia  
niveles  
superiores  
de  
Existe una discrepancia interesante en la  
literatura analizada respecto a la dimensión de  
Análisis. Por un lado, Su & Yang (2023) ven la  
IAcomo un facilitador que permite al estudiante  
enfocarse en problemas de mayor nivel. Sin  
embargo, Salas-Pilco et al. (2024) advierten  
que, en el contexto iberoamericano, existe un  
riesgo elevado de dependencia tecnológica si no  
se garantiza una autorregulación adecuada, es  
decir de pasar de Andamio Cognitivo" a la  
Dependencia Tecnológica. La discusión sugiere  
complejidad? El Pensamiento Crítico actúa  
como Filtro Ante la Desinformación, los  
resultados coinciden con lo planteado por  
Romero-Rodríguez (2024), quien argumenta  
que el pensamiento crítico es la única defensa  
efectiva en un ecosistema saturado de  
información generada artificialmente. Mientras  
que en la educación tradicional la evaluación se  
centraba en la calidad del argumento propio, en  
la era de la IAGen la evaluación se desplaza  
hacia la auditoría del argumento ajeno. Esto  
Página 835  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
que la IA funciona como un "andamio" solo si  
por la integración de la IA, la tendencia de los  
modelos de lenguaje a generar información  
inexacta o "alucinaciones" no constituye un  
obstáculo pedagógico, sino una oportunidad;  
obliga al estudiante a abandonar la aceptación  
pasiva de contenidos y a desarrollar un juicio  
clínico basado en la contrastación sistemática de  
fuentes.  
el docente interviene para retirar el apoyo  
progresivamente, forzando al estudiante a  
realizar la inferencia final por su cuenta. Por  
otra parte, de enfatiza en que la Metacognición  
actúa como Nueva Frontera Educativa, uno de  
los hallazgos más potentes es el papel de la  
Autorregulación.  
Los resultados de Chiu (2023) y Crawford et al.  
(2024) sugieren que la IA obliga al alumno a  
realizar un ejercicio metacognitivo constante:  
"¿Es mi prompt lo suficientemente claro?",  
"¿Por qué la IA me dio esta respuesta y no  
otra?". Este proceso de "pensar sobre el  
pensamiento" es, según el consenso de la  
literatura seleccionada, el aporte más valioso de  
la IAGen a la educación superior actual. Se  
supera la visión de la IA como un buscador  
(estilo Google) para entenderla como un espejo  
del proceso lógico del estudiante. Se tiene el  
La investigación demuestra que la IAGen  
funciona como un "andamio cognitivo" que  
potencia las capacidades analíticas de los  
alumnos. Al delegar tareas de procesamiento de  
grandes volúmenes de datos a la máquina, el  
estudiante puede centrar su esfuerzo intelectual  
en la Inferencia de alto nivel y en la resolución  
de problemas complejos, lo que sugiere una  
evolución del pensamiento crítico hacia una  
competencia de "curaduría del conocimiento".  
Un hallazgo central es que el proceso de  
interacción con la IA exige una Autorregulación  
constante, los estudiantes deben monitorear sus  
propios procesos de pensamiento para refinar  
sus instrucciones, lo que genera un ciclo de  
retroalimentación inmediata que fortalece la  
metacognición; es decir, el estudiante aprende a  
pensar sobre cómo está pensando para obtener  
mejores resultados de la tecnología. A pesar de  
los beneficios, se concluye que existe un riesgo  
latente de "pereza intelectual" si la mediación  
docente es inexistente la autonomía cognitiva  
podría verse comprometida si el estudiante  
utiliza la IA como un sustituto y no como un  
complemento, lo que subraya la urgencia de  
implementar programas de alfabetización en IA  
que prioricen la ética y la integridad académica.  
dilema  
de  
las  
implicaciones  
Éticas  
y
Pedagógicas, la discusión no puede ignorar la  
dimensión de la Explicación. Los estudiantes  
deben ser capaces de explicar cómo llegaron a  
una conclusión asistida por IA. Lodge et al.  
(2023) proponen que la evaluación universitaria  
debe abandonar el "producto final" (el ensayo  
terminado) y centrarse en el "proceso de  
construcción". El análisis de estos artículos,  
punta hacia un cambio de paradigma: la  
universidad ya no debe evaluar el conocimiento  
poseído, sino la capacidad crítica para gestionar  
el conocimiento disponible.  
Conclusiones.  
La presente revisión sistemática permite  
concluir que el impacto de la IAGen en el  
pensamiento crítico es dual. Por una parte,  
potencia las dimensiones de Análisis y  
Los resultados apuntan a que la universidad  
debe transitar de evaluar el "producto final" a  
evaluar el "proceso cognitivo", el pensamiento  
crítico, bajo la influencia de la IAGen, ya no se  
mide por la capacidad de producir información,  
sino por la habilidad de interpretarla, explicarla  
y validarla críticamente en un entorno digital  
saturado. Se recomienda que las instituciones  
Evaluación  
al  
exponer  
al  
estudiante  
a
volúmenes masivos de datos que requieren  
verificación. Por otra, plantea un desafío a la  
Inferencia y la Autorregulación debido al riesgo  
de  
automatización  
del  
pensamiento.  
La  
dimensión de Evaluación es la más beneficiada  
Página 836  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
de educación superior integren el uso de IA no  
como una herramienta opcional, sino como un  
objeto de estudio crítico. La formación  
universitaria del futuro debe priorizar la  
dimensión de Evaluación de Facione como la  
competencia más urgente para navegar la  
incertidumbre algorítmica.  
Cotton, D., Cotton, P., & Shipway, J. (2024).  
Chatting and cheating: Ensuring academic  
integrity in the era of ChatGPT. Innovations  
in Education and Teaching International,  
61(2),  
228-239.  
https://doi.org/10.1080/14703297.2023.2190  
148  
Crawford, J., Cowling, M., & Allen, K. (2024).  
Artificial intelligence in higher education: A  
systematic review of ethics and pedagogy.  
Journal of University Teaching & Learning  
Referencias bibliográficas.  
Alshater, M. (2024). Exploring the Role of  
ChatGPT in Higher Education: A Systematic  
Review. Journal of Computer Assisted  
Practice,  
21(4),  
1–24.  
https://doi.org/10.53761/1.20.4.01  
Dwyer, C. (2024). Critical Thinking in the Age  
of AI: A Survey of Generative AI Usage  
Among College Learners. ResearchGate  
Learning,  
40(2),  
220-235.  
ttps://share.google/5PHsTX4AvkkBlLWf9  
Atlas, S. (2023). ChatGPT for Higher Education  
and Professional Development: A Guide to  
Conversational AI. College & University,  
Open  
Repository.  
https://www.researchgate.net/publication/39  
6466489_Critical_Thinking_in_the_Age_of  
_AI  
98(2),  
31-38.  
https://www.researchgate.net/publication/36  
8817343_ChatGPT_for_Higher_Education_  
and_Professional_Development_A_Guide_t  
o_Conversational_AI  
Farrokhnia, M., Pijeira-Díaz, H., Noroozi, O., &  
Biemans, H. J. (2024). A SWOT analysis of  
ChatGPT  
in  
education:  
Ethical  
and  
pedagogical  
implications  
for critical  
Baidoo-Anu, D., & Ansah, L. (2023). Education  
in the era of generative artificial intelligence  
(AI): Understanding the potential benefits of  
ChatGPT in promoting teaching and learning.  
Journal of AI in Education, 7(1), 45-62.  
https://doi.org/10.2139/ssrn.4337484  
Bond, M., Khosravi, H., De Laat, M., Bergdahl,  
N., Negrea, V., Oxley, E., & Phung, P. (2024).  
A map of AI in higher education research:  
Systematic review and bibliometric analysis.  
thinking. Journal of Educational Computing  
Research, 61(8), 1675–1699.  
https://doi.org/10.1177/07356331231192518  
García-Peñalvo, F. (2023). La transformación  
de la educación superior ante la inteligencia  
artificial generativa. RED. Revista de  
Educación a Distancia, 23(75), 1–28.  
https://doi.org/10.6018/red.558771  
Grassini, S. (2023). Shaping the Future of  
Education with AI: Opportunities and  
Challenges for Personalization. Frontiers in  
International  
Journal  
of  
Educational  
Technology in Higher Education, 21(1), 1-35.  
https://doi.org/10.1186/s41239-024-00443-4  
Chan, C. (2024). A framework for AI literacy  
for higher education: Understanding the  
impact of generative AI on critical thinking.  
Education,  
8,  
1233633.  
https://doi.org/10.3389/feduc.2023.1233633  
Hwang, G., & Chen, N. (2023). Editorial:  
Generative AI in education: Impact on  
critical thinking and design. Educational  
Higher  
Education,  
87(4),  
901-920.  
Technology  
&
Society,  
26(2),  
1–6.  
https://doi.org/10.1007/s10734-023-01138-0  
Chiu, T. (2023). The future of Generative AI in  
education: Contextualizing language models  
in classrooms. Computers and Education:  
https://www.researchgate.net/publication/37  
0154095_Editorial_Generative_AI_in_Educ  
ation_Impact_on_Critical_Thinking_and_De  
sign  
Artificial  
https://doi.org/10.1016/j.caeai.2023.100155  
Cooper, G. (2023). Examining Science  
Intelligence,  
5,  
100155.  
Kim, S. (2024). AI-assisted critical thinking  
tools  
for  
undergraduate  
students:  
A
framework for prompt engineering. IEEE  
Transactions on Learning Technologies, 17,  
340–353.  
Education in ChatGPT:An Exploratory Study  
of Critical Thinking Gaps. Journal of Science  
Education and Technology, 32(4), 455-467.  
https://doi.org/10.1007/s10956-023-10046-0  
https://doi.org/10.1109/TLT.2023.3345678  
Página 837  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
Lim, W., Gunasekara, A., Palladas, J., Wang, I.,  
traditional assessments? Journal of Applied  
Learning and Teaching, 6(1), 1–11.  
https://doi.org/10.37074/jalt.2023.6.1.9  
Marrone, M., & Melis, G. (2023). Generative  
AI and the future of education: Rethinking  
learning and assessment. Computers in  
Salas-Pilco, C., Elena, M., & Yang, Y. (2024).  
Artificial intelligence in Latin American  
Higher Education: A systematic literature  
review. Higher Education Policy, 37(1), 89–  
Human  
Behavior,  
148,  
107873.  
https://doi.org/10.1016/j.chb.2023.107873  
Lo, C. (2023). What is the role of ChatGPT in  
Education? A systematic review of early  
research. Education Sciences, 13(4), 410.  
https://doi.org/10.3390/educsci13040410  
Lodge, J., Schmidt, C., & de Barba, P. (2023).  
Assessment redesign in an era of artificial  
intelligence: Moving beyond the product.  
Journal of Applied Learning and Teaching,  
112.  
https://doi.org/10.1057/s41307-023-  
00315-w  
Shoufan, A. (2023). Exploring students’  
perceptions of ChatGPT in a university  
setting. IEEE Access, 11, 56710–56722.  
https://doi.org/10.1109/ACCESS.2023.3283  
256  
6(1),  
12–22.  
Siemens, G., Dawson, S., & Gašević, D. (2023).  
Editorial: Generative AI in Education and the  
future of analytics. Journal of Learning  
https://doi.org/10.37074/jalt.2023.6.1.18  
Mollick, E. (2024). Co-Intelligence: Living and  
Working  
with  
AI.  
Portfolio/Penguin.  
Analytics,  
10(1),  
1–8.  
https://www.penguinrandomhouse.com/book  
s/741916/co-intelligence-by-ethan-mollick/  
Montenegro-Rueda, M. (2024). Impacto de  
ChatGPT en la Educación Superior: Una  
revisión sistemática de literatura. Revista  
Iberoamericana de Educación a Distancia  
https://doi.org/10.18608/jla.2023.7914  
Su, J., & Yang, W. (2023). Unlocking the Power  
of ChatGPT: A Framework for Promoting  
Critical Thinking in Higher Education.  
Education and Information Technologies,  
28(11),  
14321–14345.  
(RIED),  
27(1),  
115–132.  
https://doi.org/10.1007/s10639-023-11925-2  
Sullivan, M., Kelly, A., & McLaughlan, P.  
(2024). ChatGPT in higher education:  
Considerations for critical thinking and  
student learning. Journal of Academic Ethics,  
https://doi.org/10.5944/ried.27.1.37685  
Nguyen, A., Ngo, H., Hong, Y., & Nguyen, G.  
(2023). Generative AI in Business Education:  
Developing Critical Thinking through Case  
Studies. Journal of Business Education,  
22(1),  
81–98.  
98(3),  
145–158.  
https://doi.org/10.1007/s10805-023-09478-x  
Torres-Toukoumidis, A. (2023). Gamificación e  
IA en la universidad: Retos para el  
https://doi.org/10.1080/08832323.2023.2214  
567  
Ouyang, F., Zheng, L., & Scharber, C. (2024).  
The impact of generative AI on critical  
thinking: A systematic review based on the  
Facione framework. Educational Research  
pensamiento  
Latinoamericana de Tecnología Educativa,  
22(2),  
https://doi.org/10.17398/1695-  
288X.22.2.105  
crítico.  
Revista  
105–119.  
Review,  
42,  
100580.  
https://arxiv.org/html/2603.19975v1  
Vázquez-Cano, E., Mengual-Andrés, S., &  
López-Meneses, E. (2024). Impacto de la  
inteligencia artificial en la competencia  
analítica universitaria. Digital Education  
Page, M., McKenzie, J., Bossuyt, P., Boutron,  
I., Hoffmann, T., Mulrow, C., ... & Moher, D.  
(2021). The PRISMA 2020 statement: An  
updated guideline for reporting systematic  
Review,  
45,  
12–29.  
reviews.  
BMJ,  
372(n71),  
1–9.  
https://doi.org/10.1344/der.2024.45.12-2  
https://doi.org/10.1136/bmj.n71  
Romero-Rodríguez, L. (2024). Alfabetización  
mediática y pensamiento crítico ante la  
desinformación por IA. Comunicar: Revista  
Científica de Educomunicación, 32(78), 45–  
56. https://doi.org/10.3916/C78-2024-05  
Esta obra está bajo una licencia de  
Creative Commons Reconocimiento-No Comercial 4.0  
Internacional. Copyright  
©
Jose Andrés Quelal  
Ramos, Keyla Villacís López, Glenda Elizabeth Guale  
Alcívar y Víctor Miguel Sumba Arévalo.  
Rudolph, J., Tan, S., & Tan, S. (2023).  
ChatGPT: Bullshit spewer or the end of  
Página 838  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
Declaraciones éticas y editoriales del artículo  
Contribución de los autores (Taxonomía CRediT)  
José Andrés Quelal Ramos: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los  
datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Keyla Villacís López: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los datos,  
redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Glenda Elizabeth Guale Alcívar: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de  
los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Víctor Miguel Sumba Arévalo: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los  
datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Declaración de conflicto de intereses  
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del  
presente artículo.  
Declaración de financiamiento  
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de  
existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.  
Declaración del editor  
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica, transparencia  
y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego, garantizando la  
confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor declara que el artículo  
cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.  
Declaración de los revisores  
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,  
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que sus  
observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.  
Declaración ética de la investigación  
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad  
de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben ajustarse  
a los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.  
Declaración sobre el uso de inteligencia artificial  
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción  
del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la  
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del manuscrito  
ni sustituyen la responsabilidad académica de los investigadores.  
Disponibilidad de datos  
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las  
normas éticas y de confidencialidad establecidas por la investigación.  
Página 839