Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 919
IMPACTO DE LA INTELIGENCIA ARTIFICIAL EN EL PENSAMIENTO CRÍTICO
DURANTE EL APRENDIZAJE DE CIENCIAS SOCIALES EN BACHILLERATO
IMPACT OF ARTIFICIAL INTELLIGENCE ON CRITICAL THINKING DURING SOCIAL
SCIENCES LEARNING IN HIGH SCHOOL
Autores: ¹Carmen Laura Benalcázar Arroba y
2
Steven Arturo Torres Burgos.
¹ORCID ID: https://orcid.org/0009-0008-3742-6765
2
ORCID ID: https://orcid.org/0000-0001-9299-3254
¹E-mail de contacto: cbenalcazara@unemi.edu.ec
2
E-mail de contacto: storresb5@unemi.edu.ec
Afiliación: ¹*²*Universidad Estatal de Milagro, (Ecuador).
Artículo recibido: 26 de Octubre del 2026
Artículo revisado: 28 de Octubre del 2026
Artículo aprobado: 28 de Octubre del 2026
¹Ingeniera en Mecatrónica, graduada en la Universidad de las Fuerzas Armadas ESPE sede Latacunga, (Ecuador). Con 2 años de
experencia en el Area Técnica y 8 años de experiencia laboral en Educación. Magíster en Electrónica y Automatización con mención en
Redes Industriales, graduada en la Universidad de las Fuerzas Armadas ESPE sede Latacunga, (Ecuador). Maestrante de la Maestría en
Inteligencia Artificial para la Educación, en la Universidad Estatal de Milagro, (Ecuador).
2
Licenciado en Cultura Física, graduado en la Universidad de Guayaquil, (Ecuador). Magíster en Pedagogía de la Actividad Física,
mención en Educación Física Inclusiva, graduado de la Universidad Bolivariana del Ecuador, (Ecuador). PhD en Educación Física por
CECEIC, (México).
Resumen
El presente estudio evaluó la efectividad de
integrar herramientas de inteligencia artificial
(IA) en el área de Ciencias Sociales para
desarrollar el pensamiento crítico en estudiantes
de Bachillerato de unidades educativas del norte
de Guayaquil, Ecuador. Mediante un diseño
cuasi-experimental con pre-test y post-test, se
implementó una intervención pedagógica de 12
semanas utilizando plataformas como
ChatGPT, Claude IA, Gemini, Copilot y
DeepSeek en actividades de análisis histórico,
argumentación y evaluación de fuentes. La
muestra incluyó 120 estudiantes divididos en
grupo experimental (n=60) y control (n=60).
Los resultados revelaron diferencias
estadísticamente significativas (p<0.001) en las
dimensiones de análisis, evaluación e inferencia
del pensamiento crítico, medidas a través del
test Watson-Glaser adaptado. El grupo
experimental mostró una ganancia media de 9.4
puntos frente a 2.2 puntos del grupo control, con
tamaño del efecto muy grande (d de
Cohen=2.40). No obstante, también se
identificaron desafíos relacionados con la
dependencia tecnológica, la verificación de
información y la brecha digital. Los hallazgos
sugieren que la IA, cuando se integra con
estrategias pedagógicas estructuradas y
supervisión docente, constituye una
herramienta valiosa para fomentar habilidades
cognitivas superiores en el área de Ciencias
Sociales.
Palabras clave: Inteligencia artificial,
Pensamiento crítico, Ciencias Sociales,
Bachillerato, ChatGPT.
Abstract
This study evaluated the effectiveness of
integrating artificial intelligence (AI) tools in
the Social Sciences classroom to develop
critical thinking in high school students from
educational units in northern Guayaquil,
Ecuador. Through a quasi-experimental design
with pre-test and post-test, a 12-week
pedagogical intervention was implemented
using platforms such as ChatGPT, Claude,
Gemini, Copilot, and DeepSeek in activities
involving historical analysis, argumentation,
and source evaluation. The sample included 120
students divided into an experimental group
(n=60) and a control group (n=60). Results
revealed statistically significant differences
(p<0.001) in the dimensions of analysis,
evaluation, and inference of critical thinking,
measured through the adapted Watson-Glaser
test. The experimental group showed an average
gain of 9.4 points compared to 2.2 points for the
control group, with a very large effect size
(Cohen's d=2.40). However, challenges related
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 920
to technological dependency, information
verification, and the digital divide were also
identified. Findings suggest that AI, when
integrated with structured pedagogical
strategies and teacher supervision, constitutes a
valuable tool for fostering higher-order
cognitive skills in the Social Sciences area.
Keywords: Artificial intelligence, Critical
thinking, Social Sciences, High school,
ChatGPT.
Sumário
Este estudo avaliou a eficácia da integração de
ferramentas de inteligência artificial (IA) ao
currículo de Ciências Sociais para promover o
pensamento crítico entre alunos do ensino
médio em instituições de ensino na zona norte
de Guayaquil, Equador. Utilizando um
delineamento quase-experimental de pré-teste e
pós-teste, implementou-se uma intervenção
pedagógica de 12 semanas, empregando
plataformas como ChatGPT, Claude AI,
Gemini, Copilot e DeepSeek em atividades que
envolviam análise histórica, argumentação e
avaliação de fontes. A amostra foi composta por
120 alunos, divididos em um grupo
experimental (n=60) e um grupo de controle
(n=60). Os resultados revelaram diferenças
estatisticamente significativas (p<0,001) nas
dimensões de pensamento crítico — análise,
avaliação e inferência —, medidas por meio de
uma versão adaptada do teste Watson-Glaser. O
grupo experimental apresentou um ganho
médio de 9,4 pontos, em comparação com 2,2
pontos no grupo de controle, o que representa
um tamanho de efeito muito grande (d de Cohen
= 2,40). No entanto, também foram
identificados desafios relacionados à
dependência tecnológica, à verificação de
informações e à exclusão digital. As conclusões
sugerem que a IA, quando integrada a
estratégias pedagógicas estruturadas e à
supervisão docente, constitui uma ferramenta
valiosa para o desenvolvimento de habilidades
cognitivas de ordem superior no ensino de
Ciências Sociais.
Palavras-chave: Inteligência artificial,
Pensamento crítico, Ciências sociais, Ensino
médio, ChatGPT.
Introducción
La irrupción de la inteligencia artificial
generativa en el ámbito educativo durante los
últimos años ha generado transformaciones
profundas en las metodologías de enseñanza,
particularmente en la educación secundaria
(García et al., 2024). Herramientas como
ChatGPT han alcanzado cifras superiores a 769
millones de usuarios activos mensuales,
consolidándose como la plataforma de IA más
utilizada globalmente con una cuota de mercado
del 40.5% en 2025.
Paralelamente, otras alternativas como Claude,
desarrollado por Anthropic, Gemini de Google,
Microsoft Copilot y DeepSeek han fragmentado
el panorama tecnológico, ofreciendo
capacidades especializadas en análisis textual,
razonamiento complejo y generación de
contenido educativo. Asimismo, en el contexto
ecuatoriano, el sistema educativo de
Bachillerato General Unificado atiende a
estudiantes de 15 a 17 años distribuidos en tres
cursos formativos que buscan desarrollar
competencias interdisciplinarias vinculadas con
el pensamiento crítico, la ciudadanía activa y la
preparación para la educación superior
(Ministerio de Educación del Ecuador, 2022).
No obstante, el desarrollo del pensamiento
crítico constituye una de las competencias más
desafiantes en la formación académica
contemporánea. Diversos estudios han
documentado niveles medio-bajos en
habilidades de análisis, evaluación e inferencia
entre estudiantes latinoamericanos (Puche,
2024), situación que se replica en niveles
educativos previos. Por otro lado, el
pensamiento crítico, entendido como la
capacidad de identificar, analizar y evaluar
información relevante para llegar a
conclusiones lógicas y fundamentadas,
representa una habilidad transversal reconocida
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 921
por el Foro Económico Mundial como
competencia clave para el siglo XXI.
Particularmente en el área de Ciencias Sociales,
esta capacidad resulta esencial para desarrollar
el pensamiento histórico, que implica
contextualizar fuentes, discernir sesgos
autorales y construir narrativas complejas sobre
procesos sociales.
De igual forma, la integración de tecnologías
educativas digitales en aulas de Ciencias
Sociales ha transitado por diversas etapas.
Inicialmente, plataformas como Kahoot y
recursos multimedia básicos permitieron
dinamizar procesos evaluativos y mejorar la
participación estudiantil (García et al., 2024).
Con la masificación de internet, surgieron
herramientas colaborativas basadas en la web
que facilitaron el aprendizaje activo y el trabajo
en equipo mediado por TIC (Mota et al., 2020).
Sin embargo, la aparición de modelos de
lenguaje de gran escala (LLMs) a partir de 2022
marcó un punto de inflexión cualitativo.
En consecuencia, ChatGPT ha impulsado la
evolución con mejoras desde el año anterior,
demostró capacidades sin precedentes para
generar respuestas coherentes, explicar
conceptos complejos y asistir en tareas
académicas diversas. Investigaciones recientes
han explorado el impacto de la IA en la
educación desde múltiples perspectivas.
Delgado et al. (2024) analizaron las
percepciones de docentes de educación
primaria, secundaria y superior sobre los
beneficios y limitaciones de la IA, identificando
tanto oportunidades pedagógicas como
preocupaciones éticas. Parreño et al. (2024)
documentaron cómo la IA puede constituirse en
herramienta para el desarrollo del pensamiento
crítico en instituciones educativas, aunque
advierten sobre el riesgo de dependencia que
limite la reflexión autónoma. Específicamente
en bachillerato, García et al. (2024) reportaron
efectos positivos en capacidades cognitivas
mediante enfoque mixto, mientras que Martínez
et al. (2023) realizaron una revisión sistemática
sobre el impacto de la IA en métodos de
evaluación en educación primaria y secundaria.
En el contexto ecuatoriano, la evaluación Ser
Estudiante 2023-2024 evidenció resultados
mixtos en bachillerato: mientras Biología
mostró incrementos de +23 puntos, Ciencias
Sociales registró avances modestos de +2
puntos, revelando la necesidad de estrategias
innovadoras que fortalezcan competencias
analíticas en áreas sociales (INEVAL, 2024).
Adicionalmente, el Ministerio de Educación
implementó en 2024-2025 una nueva malla
curricular que incorpora transversalmente
materias de Cívica, Ética, Integridad,
Educación Financiera, Socioemocional y Vial,
creando un marco propicio para integrar
herramientas tecnológicas que fomenten el
pensamiento crítico desde perspectivas
históricas y sociales. A pesar del creciente
interés en la IA educativa, persisten vacíos
significativos en la investigación empírica sobre
su efectividad en contextos específicos.
Primero, la mayoría de los estudios se
concentran en educación superior, dejando
escasa evidencia sobre bachillerato, etapa
crítica para consolidar habilidades de
pensamiento de orden superior. Segundo, existe
limitada investigación sobre la integración de
IA en el área de Ciencias Sociales,
tradicionalmente dominada por enfoques
memorísticos que priorizan contenidos
factuales sobre análisis crítico (Oviedo, 2023).
Tercero, aunque plataformas como ChatGPT
dominan el mercado, otras alternativas
emergentes ofrecen características
diferenciadas que requieren evaluación
comparativa en contextos educativos reales. El
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 922
problema específico radica en determinar si la
integración sistemática de herramientas de IA
en el aula de Ciencias Sociales contribuye
efectivamente al desarrollo del pensamiento
crítico en estudiantes de bachillerato del norte
de Guayaquil. Esta zona urbana presenta
características socioeconómicas heterogéneas,
con instituciones educativas fiscales,
fiscomisionales y particulares que atienden a
poblaciones estudiantiles con diversos niveles
de acceso tecnológico.
La pregunta central de investigación se formula
así: ¿En qué medida el uso guiado de
plataformas de IA generativa mejora las
habilidades de pensamiento crítico, medidas a
través de dimensiones de análisis, evaluación,
inferencia, deducción y argumentación, en
estudiantes de tercer año de Bachillerato
durante un período de intervención de 12
semanas? La relevancia teórica del estudio se
fundamenta en aportar evidencia empírica sobre
la relación entre IA educativa y desarrollo
cognitivo en un contexto latinoamericano
subrepresentado en la literatura internacional.
Mientras que la mayoría de las investigaciones
provienen de países desarrollados con
infraestructuras tecnológicas consolidadas, el
presente estudio documenta la viabilidad y
efectividad de estas herramientas en un sistema
educativo en desarrollo, caracterizado por
recursos limitados y heterogeneidad
institucional (Naranjo et al., 2023). Desde la
perspectiva práctica, los resultados pueden
orientar políticas educativas y prácticas
docentes. El Ministerio de Educación del
Ecuador ha manifestado interés en incorporar
tecnologías emergentes en la malla curricular;
sin embargo, carece de lineamientos específicos
sobre el uso pedagógico de IA. Este estudio
ofrece un modelo replicable de integración que
incluye actividades estructuradas, rúbricas de
evaluación y estrategias para mitigar riesgos
asociados con desinformación y dependencia
tecnológica, problemáticas identificadas en la
Guía UNESCO para el uso de IA generativa en
educación (Miao y Holmes, 2024). La
justificación metodológica reside en el diseño
cuasi-experimental riguroso, que permite
establecer relaciones causales minimizando
sesgos inherentes a contextos educativos
naturales donde la aleatorización completa es
impracticable (Ramos, 2021). Adicionalmente,
el uso del test Watson-Glaser, instrumento con
más de 80 años de validación psicométrica y
confiabilidad entre 0.73-0.83 medida con Alfa
de Cronbach, garantiza la objetividad en la
medición de las dimensiones del pensamiento
crítico.
Posteriormente, la justificación social se
vincula con la formación de ciudadanos críticos
capaces de enfrentar desafíos del siglo XXI. En
la era de la desinformación, desarrollar
habilidades para evaluar críticamente fuentes,
identificar sesgos y construir argumentos
fundamentados constituye una necesidad
democrática urgente (López y Sánchez, 2025).
El área de Ciencias Sociales requiere
revitalización metodológica que conecte
contenidos históricos con competencias
digitales contemporáneas.
Asimismo, para contribuir a este trabajo y
fortalecer la presente investigación se describen
el objetivo general: Evaluar la efectividad de la
integración de herramientas de inteligencia
artificial en el desarrollo del pensamiento
crítico en estudiantes de tercer año de
Bachillerato del área de Ciencias Sociales en
unidades educativas del norte de Guayaquil. De
igual forma, los objetivos específicos: 1. Medir
los niveles iniciales y finales de pensamiento
crítico (dimensiones de análisis, evaluación,
inferencia, deducción y argumentación) en
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 923
grupos experimental y control mediante la
aplicación del test Watson-Glaser adaptado al
contexto ecuatoriano. 2. Diseñar e implementar
una intervención pedagógica estructurada de 12
semanas que integre herramientas de IA en
actividades de análisis de fuentes históricas,
evaluación de argumentos y construcción de
narrativas críticas en el grupo experimental. 3.
Comparar estadísticamente los resultados del
post-test entre grupo experimental y control
para determinar diferencias significativas
atribuibles a la intervención con IA. 4.
Identificar fortalezas, limitaciones y desafíos
asociados con el uso de IA en el aula desde las
perspectivas de estudiantes y docentes
participantes.
Materiales y Métodos
Se implementó un diseño cuasi-experimental
con grupos no equivalentes y mediciones pre-
test y post-test. Este diseño resulta apropiado
para contextos educativos naturales donde la
asignación aleatoria de participantes es
impracticable debido a la organización
institucional en secciones preestablecidas
(Cook y Campbell, 1979); (Ramos, 2021). El
esquema metodológico se representa así: Grupo
Experimental O₁ X O₂; Grupo Control O₁ - O₂,
donde O₁ representa el pre-test, X la
intervención con IA, y O₂ el post-test.
El enfoque fue cuantitativo con alcance
descriptivo-explicativo, buscando establecer
relaciones causales entre la variable
independiente (uso de herramientas de IA) y la
dependiente (nivel de pensamiento crítico). La
población objetivo comprendió estudiantes de
tercer año de Bachillerato General Unificado de
cuatro unidades educativas del norte de
Guayaquil: dos instituciones fiscales, una
fiscomisional y una particular. Esta selección
buscó representar la diversidad socioeconómica
del sector. Mediante muestreo no probabilístico
intencional, se seleccionaron secciones
completas que cumplieran los criterios de
inclusión: estudiantes regulares de 16 a 18 años,
matriculados en la asignatura de Historia y
Ciencias Sociales, con acceso a dispositivos
tecnológicos (smartphone, tableta o
computadora) y conectividad a internet. La
muestra final quedó conformada por 120
estudiantes: 60 en el grupo experimental
(distribuidos en dos secciones de 30 estudiantes
cada una) y 60 en el grupo control (igualmente
distribuidos en dos secciones). La distribución
por género fue equilibrada (52% mujeres, 48%
hombres) y la edad promedio fue 16.8 años
(DE=0.6).
Variable independiente: Integración de
herramientas de IA en actividades de
enseñanza-aprendizaje de Ciencias Sociales.
Operacionalmente, se definió como el uso
sistemático y guiado de cinco plataformas
(ChatGPT, Claude, Gemini, Copilot,
DeepSeek) en tareas estructuradas durante 12
semanas consecutivas, con frecuencia de dos
sesiones semanales de 80 minutos cada una.
Variable dependiente: Nivel de pensamiento
crítico, medido a través del test Watson-Glaser
en sus cinco dimensiones: (1) Inferencia, (2)
Reconocimiento de supuestos, (3) Deducción,
(4) Interpretación, y (5) Evaluación de
argumentos (Watson y Glaser, 2002); Pérez et
al., 2025). Test Watson-Glaser Critical
Thinking Appraisal (Forma E): Instrumento
estandarizado con alta confiabilidad (α=0.73-
0.83) que evalúa pensamiento crítico mediante
40 reactivos de opción múltiple. El tiempo de
aplicación fue de 30 minutos en modalidad
digital. Se utilizó una versión adaptada
lingüísticamente al español ecuatoriano,
conservando la estructura original y los criterios
de puntuación (1 punto por respuesta correcta),
con rango total de 0-40 puntos. Cuestionario de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 924
percepciones estudiantiles: Instrumento de 15
ítems con escala Likert (1=Totalmente en
desacuerdo, 5=Totalmente de acuerdo)
diseñado para evaluar facilidad de uso de las
plataformas de IA, utilidad percibida, confianza
en la información, y autopercepción de mejora
en habilidades críticas. Aplicado al grupo
experimental en la semana 12. Rúbrica de
evaluación docente: Matriz de valoración con
cuatro criterios (análisis de fuentes, calidad
argumentativa, uso crítico de IA, originalidad
del pensamiento) y tres niveles de desempeño
(inicial, en desarrollo, logrado).
El estudio se desarrolló en cinco fases entre
septiembre y diciembre de 2025. Fase 1:
Preparación (Semanas 1-2): Obtención de
permisos institucionales, consentimientos
informados y capacitación de cuatro docentes
participantes. Fase 2: Pre-test (Semana 3):
Aplicación simultánea del test Watson-Glaser a
ambos grupos. Fase 3: Intervención (Semanas
4-15): El grupo experimental participó en 24
sesiones estructuradas que integraron
herramientas de IA en el currículo regular.
Las actividades incluyeron análisis comparativo
de interpretaciones históricas generadas por
diferentes plataformas, evaluación crítica de
argumentos, verificación de información
mediante contraste entre respuestas de IA y
fuentes académicas, construcción colaborativa
de ensayos argumentativos, y análisis de sesgos
en narrativas históricas. Cada sesión seguía esta
estructura: (a) introducción del tema histórico-
social (10 minutos), (b) planteamiento de
pregunta problema (5 minutos), (c) interacción
guiada con plataformas de IA (40 minutos), (d)
discusión plenaria (20 minutos), (e) síntesis (5
minutos). El grupo control continuó con
metodología tradicional. Fase 4 - Post-test
(Semana 16): Aplicación del test Watson-
Glaser y cuestionario de percepciones. Fase 5 -
Análisis (Semanas 17-18): Procesamiento
estadístico mediante SPSS versión 27. Los
datos cuantitativos se analizaron mediante
estadística descriptiva e inferencial.
Inicialmente se calcularon medidas de
tendencia central (media, mediana) y dispersión
(desviación estándar) para caracterizar las
puntuaciones. La normalidad se verificó
mediante la prueba de Shapiro-Wilk.
Para evaluar la equivalencia inicial se aplicó
prueba t de Student para muestras
independientes. El análisis principal consistió
en pruebas t para muestras relacionadas
(intragrupo) e independientes (intergrupos). El
tamaño del efecto se calculó mediante d de
Cohen. El nivel de significancia fue α=0.05. Los
datos del cuestionario se analizaron mediante
estadística descriptiva. El estudio cumplió con
principios éticos fundamentales de
investigación educativa. Se obtuvo aprobación
del Comité de Ética y autorización de las
unidades participantes. Los representantes
legales firmaron consentimientos informados.
Se garantizó anonimato mediante codificación
numérica.
Resultados y Discusión
Los resultados no afectaron calificaciones
académicas. Al finalizar, el grupo control
recibió capacitación en uso de IA educativa. Se
orientó sobre uso ético de IA, privacidad de
educativa, dos docentes con experiencia
superior a 10 años en Ciencias Sociales de
bachillerato, y un psicólogo educativo con
experticia en evaluación de pensamiento crítico
revisaron la pertinencia, claridad y suficiencia
de los ítems. Se empleó el coeficiente V de
Aiken, obteniéndose valores superiores a 0.80
en todos los criterios evaluados, lo cual indica
validez de contenido aceptable. Las
observaciones de los expertos permitieron
ajustar la redacción de tres ítems del
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 925
cuestionario, mejorando su comprensibilidad
para estudiantes de 16-18 años. Antes de
presentar los resultados principales, resulta
pertinente caracterizar demográficamente la
muestra para contextualizar los hallazgos. La
Tabla 1 presenta la distribución de participantes
según variables sociodemográficas relevantes.
Como se observa, ambos grupos mantuvieron
composiciones similares en términos de género,
edad y tipo de institución educativa, lo cual
refuerza la validez del diseño cuasi-
experimental al minimizar fuentes potenciales
de confusión.
Tabla 1. Características demográficas de la
muestra por grupo.
VARIABL
E
CATEGORÍ
A
EXPERIMENTA
L N (%)
CONTRO
L N (%)
Género
Femenino
31 (51.7%)
31 (51.7%)
Masculino
29 (48.3%)
29 (48.3%)
Edad
16 años
18 (30.0%)
17 (28.3%)
17 años
35 (58.3%)
36 (60.0%)
18 años
7 (11.7%)
7 (11.7%)
Tipo de
institución
Fiscal
30 (50.0%)
30 (50.0%)
Fiscomisional
15 (25.0%)
15 (25.0%)
Particular
15 (25.0%)
15 (25.0%)
Fuente: elaboración propia
La distribución homogénea entre grupos
evidencia que el proceso de selección logró
conformar muestras comparables.
Específicamente, ambos grupos presentaron
composición de género prácticamente idéntica
(51.7% mujeres en ambos), distribución etaria
similar (mayoría de 17 años con 58.3%
experimental vs 60.0% control), y
representación equivalente de tipos
institucionales (50% fiscal, 25% fiscomisional,
25% particular en ambos grupos). Esta similitud
demográfica reduce la probabilidad de que
diferencias observadas en pensamiento crítico
se deban a variables extrañas relacionadas con
características de los participantes.
Tabla 2. Puntuaciones del pre-test por
dimensión y comparación entre grupos.
Dimensión
Experimental
M (DE)
Control
M (DE)
t
P
Inferencia
4.6 (1.2)
4.5 (1.3)
0.41
0.682
Reconocimiento
de supuestos
4.1 (1.4)
4.0 (1.5)
0.37
0.712
Deducción
4.3 (1.3)
4.2 (1.4)
0.39
0.694
Interpretación
4.7 (1.2)
4.6 (1.3)
0.40
0.688
Evaluación de
argumentos
4.7 (1.1)
4.8 (1.2)
-
0.45
0.654
Puntuación
Total
22.4 (4.2)
22.1
(4.5)
0.38
0.705
Fuente: Elaboración propia.
Fuente: Elaboración propia. Previo a la
intervención, resultaba fundamental verificar
estadísticamente que ambos grupos partieran de
niveles equivalentes de pensamiento crítico. La
Tabla 2 presenta los resultados del pre-test
aplicado en la semana 3, desagregados por
dimensión del test Watson-Glaser. El análisis
mediante prueba t de Student para muestras
independientes confirmó la ausencia de
diferencias significativas en todas las
mediciones basales. Los datos de la Tabla 2
confirman la equivalencia estadística inicial
entre grupos. Ninguna de las cinco dimensiones
del pensamiento crítico ni la puntuación total
mostraron diferencias significativas (todos los
valores p > 0.05), con estadísticos t cercanos a
cero que indican medias prácticamente
idénticas. Este hallazgo resulta fundamental
para la validez interna del diseño cuasi-
experimental, dado que establece que cualquier
divergencia observada en el post-test puede
atribuirse razonablemente a la intervención
pedagógica con IA y no a diferencias
preexistentes entre grupos. Adicionalmente, los
valores de desviación estándar similares entre
grupos sugieren homogeneidad en la
variabilidad individual, lo cual refuerza la
comparabilidad de las muestras. Tras la
intervención de 12 semanas, ambos grupos
experimentaron cambios en sus niveles de
pensamiento crítico, aunque con magnitudes
marcadamente diferentes. La Tabla 3 presenta
el análisis comparativo detallado de las
puntuaciones pre-test y post-test para cada
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 926
grupo, incluyendo las ganancias absolutas y los
tamaños del efecto correspondientes.
Tabla 3. Comparación pre-test y post-test por
grupo con tamaños del efecto.
Dimensi
ón
Grupo
Pr
e-
tes
t
M
(D
E)
Po
st-
tes
t
M
(D
E)
Gana
ncia
t
p
d
Coh
en
Puntuaci
ón Total
Experim
ental
22.
4
(4.
2)
31.
8
(3.
6)
+9.4
18.
62
<0.0
01
2.40
Puntuaci
ón Total
Control
22.
1
(4.
5)
24.
3
(4.
2)
+2.2
4.3
5
<0.0
01
0.56
Inferenci
a
Experim
ental
4.6
(1.
2)
6.3
(1.
1)
+1.7
10.
45
<0.0
01
1.48
Inferenci
a
Control
4.5
(1.
3)
4.9
(1.
3)
+0.4
2.3
1
0.02
4
0.31
Interpret
ación
Experim
ental
4.7
(1.
2)
7.1
(0.
9)
+2.4
14.
23
<0.0
01
2.24
Interpret
ación
Control
4.6
(1.
3)
5.2
(1.
2)
+0.6
3.4
8
0.00
1
0.48
Evaluaci
ón
Experim
ental
4.7
(1.
1)
6.8
(1.
0)
+2.1
12.
87
<0.0
01
2.01
Evaluaci
ón
Control
4.8
(1.
2)
5.2
(1.
1)
+0.4
2.5
2
0.01
4
0.35
Fuente: Elaboración propia.
La Tabla 3 evidencia hallazgos contundentes. El
grupo experimental mostró una ganancia total
de 9.4 puntos (equivalente al 42% de mejora
respecto al nivel basal), con un tamaño del
efecto de 2.40 que se clasifica como muy grande
según los criterios convencionales de Cohen (d
> 0.8). Este resultado implica que la
intervención generó cambios sustanciales y
prácticos, no meramente estadísticamente
significativos. En contraste, el grupo control
experimentó una ganancia modesta de 2.2
puntos (10% de mejora), con tamaño del efecto
mediano (d=0.56), atribuible principalmente al
efecto de maduración natural, exposición
continua al currículo regular y posible efecto
test-retest. El análisis dimensional revela que
las dimensiones de Interpretación y Evaluación
de argumentos registraron las mayores
ganancias en el grupo experimental (+2.4 y +2.1
puntos respectivamente), con tamaños del
efecto superiores a 2.0 que indican
transformaciones profundas en estas
competencias. Estas dimensiones implican
habilidades complejas de análisis contextual,
discernimiento de evidencias válidas y juicio
crítico sobre la solidez de razonamientos,
capacidades directamente estimuladas por las
actividades de contraste entre respuestas de
diferentes plataformas de IA y verificación
sistemática de información.
Por el contrario, el grupo control mostró
incrementos mínimos en estas mismas
dimensiones (+0.6 y +0.4 puntos), con tamaños
del efecto pequeños (d<0.5). Más allá de los
cambios intragrupo, resulta fundamental
comparar directamente las ganancias entre
ambos grupos para determinar si las diferencias
observadas resultan estadísticamente
significativas y de magnitud práctica relevante.
La Tabla 4 presenta el análisis comparativo de
las ganancias (diferencia post-test menos pre-
test) mediante prueba t de Student para muestras
independientes.
Los datos de la Tabla 4 confirman de manera
contundente la efectividad diferencial de la
intervención con IA. La diferencia en ganancia
total (7.2 puntos) resulta altamente significativa
(t₁₁₈=13.65, p<0.001) con un tamaño del efecto
de 2.50, clasificado como muy grande. Este
hallazgo implica que la probabilidad de que las
diferencias observadas se deban al azar es
inferior a 1 en 1000, proporcionando evidencia
robusta de la eficacia de la intervención.
Adicionalmente, el tamaño del efecto indica que
más del 99% del grupo experimental superó la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 927
media del grupo control en términos de
ganancias, lo cual representa una ventaja
práctica sustancial.
Tabla 4. Comparación de ganancias entre
grupo experimental y control.
Dimensi
ón
Gananci
a
Experim
ental M
(DE)
Gana
ncia
Contr
ol M
(DE)
Difere
ncia
t
p
d
Coh
en
Puntuaci
ón Total
9.4 (3.9)
2.2
(3.9)
7.2
13.
65
<0.0
01
2.50
Inferenci
a
1.7 (1.3)
0.4
(1.3)
1.3
8.4
5
<0.0
01
1.55
Reconoc.
supuesto
s
1.4 (1.4)
0.5
(1.4)
0.9
5.3
4
<0.0
01
0.98
Deducci
ón
1.8 (1.4)
0.3
(1.1)
1.5
9.1
2
<0.0
01
1.67
Interpret
ación
2.4 (1.3)
0.6
(1.3)
1.8
11.
23
<0.0
01
2.05
Evaluaci
ón
argument
os
2.1 (1.3)
0.4
(1.2)
1.7
10.
87
<0.0
01
1.99
Fuente: Elaboración propia.
El análisis dimensional revela que todas las
dimensiones mostraron diferencias
significativas favorables al grupo experimental
(todos los valores p<0.001), con tamaños del
efecto que oscilaron entre 0.98
(Reconocimiento de supuestos) y 2.05
(Interpretación). Particularmente destacables
son las diferencias en Interpretación (+1.8
puntos, d=2.05) y Evaluación de argumentos
(+1.7 puntos, d=1.99), que ratifican la hipótesis
de que las actividades centradas en análisis
comparativo de fuentes y evaluación crítica de
respuestas de IA potencian específicamente
estas competencias cognitivas de orden
superior. Complementariamente a las
mediciones cuantitativas de pensamiento
crítico, resulta relevante explorar las
percepciones subjetivas de los estudiantes del
grupo experimental respecto a su experiencia
con las herramientas de IA. La Tabla 5 presenta
los resultados del cuestionario de percepciones
aplicado en la semana 16, organizado
temáticamente.
Tabla 5. Percepciones estudiantiles sobre uso
de IA (n=60).
Ítem
Acuerdo
n (%)
Neutral
n (%)
Desacuerdo
n (%)
Las plataformas
fueron fáciles de usar
50
(83.3%)
7
(11.7%)
3 (5.0%)
La IA mejoró mi
comprensión de temas
históricos
47
(78.3%)
10
(16.7%)
3 (5.0%)
Confío plenamente en
la información de la
IA
27
(45.0%)
12
(20.0%)
21 (35.0%)
Detecté errores en las
respuestas de la IA
41
(68.3%)
14
(23.3%)
5 (8.3%)
Mejoró mi capacidad
de análisis crítico
49
(81.7%)
9
(15.0%)
2 (3.3%)
Contraté información
con otras fuentes
53
(88.3%)
5 (8.3%)
2 (3.3%)
Fuente: Elaboración propia.
La Tabla 5 evidencia percepciones
mayoritariamente positivas, aunque críticas. El
83.3% valoró la facilidad de uso tras
familiarización inicial, y el 78.3% reconoció
mejoras en comprensión de contenidos
históricos. Especialmente relevante resulta que
el 81.7% percibió mejoras en capacidad de
análisis crítico, lo cual converge con las
mediciones objetivas del test Watson-Glaser.
No obstante, solo el 45% confió plenamente en
la información sin verificación, mientras que el
35% expresó desconfianza, reflejando la actitud
escéptica fomentada durante la intervención.
Consistentemente, el 68.3% reportó haber
detectado errores factuales, y el 88.3%
contrastó información con fuentes
tradicionales, conductas indicativas del
desarrollo exitoso de pensamiento crítico
aplicado al uso de tecnologías de IA. A pesar de
los resultados positivos, se identificaron varios
desafíos durante la implementación. La brecha
digital constituyó el obstáculo más
significativo: aunque todos los participantes
declararon acceso a dispositivos y conectividad,
existieron diferencias cualitativas importantes.
El 23.3% de estudiantes dependía
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 928
exclusivamente de smartphones con pantallas
pequeñas que dificultaban la lectura de
respuestas extensas y la comparación
simultánea de múltiples fuentes. El 18.3%
reportó problemas intermitentes de
conectividad que interrumpieron sesiones de
trabajo. La dependencia excesiva representó
otro riesgo: durante las primeras semanas, el
31.7% tendía a aceptar acríticamente las
respuestas de la IA. Los errores factuales y
sesgos en las respuestas también plantearon
desafíos pedagógicos, aunque proporcionaron
oportunidades valiosas para desarrollar
habilidades analíticas. Los docentes reportaron
4-6 horas semanales adicionales de preparación.
Los resultados confirman la hipótesis respecto a
que la integración sistemática de IA contribuye
significativamente al desarrollo del
pensamiento crítico. El objetivo general se
alcanzó satisfactoriamente, demostrando
mejoras sustanciales (d=2.40). Los objetivos
específicos se cumplieron: el instrumento
caracterizó niveles iniciales y finales con
precisión, la intervención se implementó
exitosamente en 24 sesiones estructuradas, el
análisis estadístico demostró diferencias
significativas, y se identificaron fortalezas y
limitaciones mediante observaciones y
cuestionarios.
Los hallazgos convergen con García et al.
(2024), quienes reportaron efectos positivos,
aunque con tamaños menores (d≈1.2). La
magnitud superior observada (d=2.40) puede
atribuirse a la duración extendida (12 vs 6
semanas), integración curricular sistemática y
uso comparativo de múltiples plataformas.
Parreño et al. (2024) alertaron sobre
dependencia; aunque el 31.7% mostró
inicialmente aceptación acrítica, la supervisión
docente mitigó este riesgo: 68.3% detectó
errores al finalizar. Asimismo, Puche (2024)
identificaron potencialidades similares. Los
datos de Ser Estudiante Ecuador (+2 puntos;
INEVAL, 2024) contrastan con los incrementos
experimentales (+9.4 puntos). Teóricamente, el
estudio contribuye a reconceptualizar el papel
docente en la era de IA. La IA amplifica
capacidades pedagógicas cuando se integra
mediante diseño fundamentado. Prácticamente,
el estudio ofrece un protocolo replicable:
capacitación docente previa, sesiones
estructuradas, comparación crítica entre
plataformas, verificación sistemática,
evaluación formativa continua. Las
implicaciones para políticas incluyen:
lineamientos nacionales para uso ético,
formación docente continua, inversión en
infraestructura, repositorios de actividades
validadas, investigación longitudinal.
La ausencia de aleatorización introduce
potenciales sesgos de selección. La duración
(12 semanas) y seguimiento inmediato no
permiten evaluar persistencia de mejoras. La
muestra se circunscribió al norte de Guayaquil,
limitando generalización. El test Watson-
Glaser, aunque validado, implica cierta
descontextualización. El estudio se focalizó en
resultados cognitivos, sin explorar dimensiones
afectivas. El énfasis en herramientas
comerciales introduce dependencia de
tecnologías propietarias.
Conclusiones
El estudio demuestra que la integración
sistemática y pedagógicamente fundamentada
de IA constituye una estrategia efectiva para
desarrollar pensamiento crítico. Los resultados
evidencian mejoras significativas (d=2.40) en
capacidades analíticas tras 12 semanas de
intervención. Las plataformas de IA ofrecen
potencialidades valiosas bajo supervisión
docente: acceso a perspectivas múltiples,
práctica en evaluación crítica, desarrollo
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 929
metacognitivo y personalización del
aprendizaje. No obstante, la efectividad
depende críticamente de la calidad del diseño
instruccional. En Ecuador, la IA emerge como
oportunidad para democratizar acceso a
experiencias de calidad. Mirando al futuro, la
IA transformará inevitablemente las prácticas
educativas, requiriendo direccionarla
humanísticamente.
La integración sistemática de herramientas de
inteligencia artificial en el aula de Ciencias
Sociales demostró ser una estrategia altamente
efectiva para desarrollar pensamiento crítico en
estudiantes de Bachillerato, evidenciando
mejoras significativas (d=2.40) tras 12 semanas
de intervención pedagógica estructurada. Los
hallazgos confirman que plataformas como
ChatGPT, Claude, Gemini, Copilot y
DeepSeek, cuando se emplean bajo supervisión
docente y diseño instruccional fundamentado,
potencian capacidades de análisis, evaluación e
inferencia. Sin embargo, la efectividad depende
críticamente de la mediación pedagógica que
fomente actitud crítica, verificación sistemática
de información y uso ético de tecnologías
emergentes en contextos educativos
ecuatorianos.
Referencias Bibliográficas
Alva, W., Wong, E., Zúñiga, C., & Matos, C.
(2024). Autoeficacia y el desarrollo del
pensamiento crítico en estudiantes de
educación superior pertenecientes a una
universidad de Lima metropolitana. 2023.
EDUCARE ET COMUNICARE. Revista de
Investigación de la Facultad de
Humanidades, 12(1), 66–82.
https://doi.org/10.35383/educare.v12i1.1023
Delgado, N., Carrasco, L., de la Maza, M., &
Etxabe, J. (2024). Aplicación de la
inteligencia artificial (IA) en educación: Los
beneficios y limitaciones de la IA percibidos
por el profesorado de educación primaria,
educación secundaria y educación superior.
Revista Electrónica Interuniversitaria de
Formación del Profesorado, 27(1), 207–224.
https://doi.org/10.6018/reifop.577211
García, N., Gutiérrez, M., Zaragoza, O., Soto,
R., & Jiménez, G. (2024). Pensamiento
crítico en estudiantes de bachillerato: Una
aproximación desde las inteligencias
artificiales. Multidisciplinary Latin American
Journal (MLAJ), 2(3), 154–174.
https://doi.org/10.62131/MLAJ-V2-N3-010
García, F., Llorens, F., & Vidal, J. (2024). La
nueva realidad de la educación ante los
avances de la inteligencia artificial
generativa. RIED-Revista Iberoamericana de
Educación a Distância, 27(1), 9–39.
https://doi.org/10.5944/ried.27.1.37716
Instituto Nacional de Evaluación Educativa.
(2024). Resultados de la evaluación Ser
Estudiante 2023–2024. Ministerio de
Educación del Ecuador.
https://www.evaluacion.gob.ec/ineval-
presento-los-resultados-de-la-evaluacion-
nacional-ser-estudiante-2024/
Lookkle. (2026). Las 5 IAs más usadas en 2026:
ChatGPT, Google Gemini, Microsoft
Copilot, Claude y Perplexity AI.
https://www.lookkle.com/es/5-ias-ms-
usadas-en-2026
López, A., & Sánchez, J. (2025). La inteligencia
artificial en contextos educativos: Usos éticos
de la información y alfabetización digital.
Derecom, 38(1), 3–11.
https://doi.org/10.5209/dere.102342
Martínez, M., Rigueira, X., Larrañaga, A.,
Martínez, J., Ocarranza, I., & Kreibel, D.
(2023). Impacto de la inteligencia artificial en
los métodos de evaluación en la educación
primaria y secundaria: Revisión sistemática
de la literatura. Revista de Psicodidáctica,
28(2), 93–103.
https://doi.org/10.1016/j.psicod.2023.06.001
Miao, F., & Holmes, W. (2024). Guía para el
uso de IA generativa en educación e
investigación. UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf000
0389227
Ministerio de Educación de España. (2024).
Guía sobre el uso de la inteligencia artificial
en el ámbito educativo. Instituto Nacional de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 930
Tecnologías Educativas y de Formación del
Profesorado. https://code.intef.es/wp-
content/uploads/2024/07/Gu%C3%ADa-
sobre-el-uso-de-la-IA-en-el-
%C3%A1mbito-educativo-INTEF_2024.pdf
Ministerio de Educación del Ecuador. (2022).
Currículo de Bachillerato General Unificado.
https://educacion.gob.ec/curriculo-bgu/
Mota, S., Huizar, D., Martínez, M., & Martínez,
M. (2020). Aprendizaje colaborativo
mediado por TIC. Revista Iberoamericana de
Ciencias, 7(3), 1–9.
https://scholar.google.com/scholar?q=%22A
prendizaje+colaborativo+mediado+por+TIC
%22
Naranjo, B., Izurieta, C., Leica, L., Morrillo, C.,
& Salazar, A. (2023). Ética y responsabilidad
en la implementación de la inteligencia
artificial en la educación. Ciencia Latina
Revista Científica Multidisciplinar, 7(6),
2054–2076.
https://doi.org/10.37811/cl_rcm.v7i6.8833
Oviedo, L. (2023). Dilema de la inteligencia
artificial: Pensamiento crítico y generaciones
digitales. Realidad y Reflexión, 23(58), 69–
83. https://doi.org/10.5377/ryr.v1i58.17397
Parreño, J., Rivera, D., Uvidia, M., & Jara, J.
(2024). La inteligencia artificial:
Herramienta para el desarrollo del
pensamiento crítico en estudiantes de
instituciones educativas. Revista Conrado,
20(96), 478–485.
https://scholar.google.com/scholar?q=%22L
a+Inteligencia+Artificial%3A+herramienta+
para+el+desarrollo+del+pensamiento+cr%C
3%ADtico%22
Pérez, M. E., Domínguez, J. B., & Sánchez, A.
(2025). Pensamiento crítico en estudiantes de
la Universidad Católica de Cuenca, Ecuador.
Revista Cognosis, 10(1), 63–80.
https://doi.org/10.33936/cognosis.v10i1.661
4
Puche, D. C. (2024). Impacto de la inteligencia
artificial en el desarrollo del pensamiento
crítico de estudiantes universitarios.
Delectus, 7(2), 166–178.
https://doi.org/10.36996/delectus.v7i2.242
Ramos, C. A. (2021). Diseños de investigación
experimental. CienciAmérica, 10(1), 1–7.
https://doi.org/10.33210/ca.v10i1.356
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Carmen Laura
Benalcázar Arroba y Steven Arturo Torres Burgos.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 931
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT)
Carmen Laura Benalcázar Arroba: 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.
Steven Arturo Torres Burgos: curación y organización de los datos, participación en la recolección de información, validación de los resultados
obtenidos y elaboración de representaciones gráficas y visualización de los datos.
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.
