Resumen: La inteligencia artificial generativa (IAG) está transformando la educación universitaria, especialmente en entornos virtuales donde el predominio de actividades asincrónicas exige que los estudiantes gestionen activamente su aprendizaje. Su integración plantea desafíos y oportunidades para los docentes, quienes desempeñan un papel fundamental en el desarrollo del pensamiento crítico y requieren habilidades tecnopedagógicas para garantizar un uso ético y reflexivo de estas herramientas. Este estudio exploratorio analiza la incorporación de la IAG en la educación a distancia desde cinco dimensiones: barreras que limitan el pensamiento crítico, aceleradores que pueden impulsarlo, alternativas tecnológicas, retos sociales y consecuencias de fomentarlo. Se empleó un enfoque cualitativo basado en entrevistas semiestructuradas con once expertos en educación superior, los resultados identifican tres barreras principales: la falta de formación docente en IAG y pensamiento crítico, la resistencia institucional y la ausencia de directrices claras. No obstante, la alfabetización digital, la innovación pedagógica y la adaptación de los sistemas de evaluación pueden mitigar estos obstáculos. Entre las alternativas tecnológicas, se propone el desarrollo de edu-chatbots en entornos controlados y la implementación de marcos para analizar sesgos algorítmicos. Sin embargo, persisten retos como garantizar un acceso equitativo y evitar una dependencia acrítica. Como contribución, se proponen cinco vectores de acción que orientan la integración de la IAG y el diseño de políticas pedagógicas. Su implementación requiere una estrategia coordinada entre instituciones, docentes y responsables académicos, de modo que la automatización generada por la IA no solo optimice los procesos educativos, sino que también actúe como catalizador del pensamiento crítico.
Palabras clave: inteligencia artificial en e-learning (AIeL), pensamiento crítico, metacognición, educación universitaria a distancia, ética de la IA, brecha digital.
Abstract: Generative artificial intelligence (GAI) is reshaping higher education, particularly in virtual learning environments where the prevalence of asynchronous activities requires students to take an active role in managing their own learning. Its integration presents both challenges and opportunities for educators, who not only support critical thinking but also need techno-pedagogical skills to guide its ethical and reflective use. This exploratory study examines the incorporation of GAI into distance education across five dimensions: barriers that limit critical thinking, factors that can enhance it, available socio-technological alternatives, social challenges and broader implications of strengthening this skill. A qualitative approach was used, based on semi-structured interviews with eleven higher education experts. The findings highlight key obstacles, including limited teacher training in GAI and critical thinking, institutional resistance and a lack of clear guidelines. However, digital literacy, pedagogical innovation and adapted assessment methods can help overcome these barriers. Among the proposed solutions are the development of edu-chatbots in controlled university environments and frameworks to assess algorithmic biases. Even so, ensuring equitable access and avoiding an uncritical reliance on AI persist as notable challenges. This study contributes by proposing five action areas to support educators and academic decision-makers in integrating GAI and shaping educational policies. Its implementation requires collaboration between institutions, faculty and policymakers to ensure that AI-driven automation not only enhances educational processes but also fosters critical thinking meaningfully.
Keywords: artificial intelligence in e-learning (AIeL), critical thinking, metacognitive awareness, online higher education, AI ethics, digital divide.
Estudios e Investigaciones
IA generativa y pensamiento crítico en la educación universitaria a distancia: desafíos y oportunidades
Generative AI and critical thinking in online higher education: challenges and opportunities
César Muñoz Martínez
Vanessa Roger-Monzo
Fernando Castelló Sirvent
Recepción: 01 Diciembre 2024
Aprobación: 11 Marzo 2025
Publicación: 01 Julio 2025
La inteligencia artificial generativa (IAG) está transformando los sistemas educativos, impactando principalmente en las áreas de administración, enseñanza y aprendizaje (Chassignol et al., 2018). En entornos de educación a distancia o en línea, estas herramientas optimizan la gestión académica al facilitar tareas como la resolución de preguntas frecuentes y las comunicaciones institucionales. Asimismo, los sistemas de tutorías inteligentes automatizan la corrección de pruebas de evaluación continua, proporcionando retroalimentación personalizada basada en rúbricas diseñadas previamente por el profesorado (Tang et al., 2021).
El uso de la IAG como herramienta pedagógica permite a los docentes personalizar las rutas de aprendizaje mediante la creación de contenidos adaptativos, además de simplificar el diseño y la evaluación de pruebas ajustadas a las necesidades de cada estudiante (Bhutoria, 2022; Romero Alonso et al., 2025; Zhang et al., 2021). Agentes conversacionales como chatbots y cobots pueden resolver dudas, distribuir materiales y ofrecer retroalimentación personalizada, fomentando entornos más centrados en el estudiante (Adiguzel et al., 2023); complementariamente, su integración con la realidad virtual posibilita simulaciones inmersivas que favorecen la comprensión práctica de conceptos complejos (Timms, 2016).
Estas herramientas permiten identificar deficiencias en el aprendizaje y abordarlas para minimizar su impacto en el desempeño académico a largo plazo (Ocumpaugh et al., 2024). Mediante analíticas detalladas, la IAG puede rastrear patrones, detectar áreas problemáticas y ofrecer recomendaciones personalizadas que optimicen el proceso educativo (Drugova et al., 2024). Asimismo, ofrece a los estudiantes información sobre su desempeño y competencias, ayudándolos a elegir programas formativos que se ajusten a sus intereses y aspiraciones profesionales (Chen et al., 2020).
Desde una perspectiva institucional, la IAG facilita el monitoreo en tiempo real del progreso académico, anticipando necesidades de aprendizaje y fortaleciendo la autorregulación mediante modelos como el Open Learner Model (OLM) y las técnicas de Knowledge Tracing (KT). Estos enfoques se alinean con los modelos e-learning, reconocidos por su flexibilidad y capacidad para ofrecer experiencias educativas más inclusivas y personalizadas (Garcés y Bastías, 2025; Ilić et al., 2023).
No obstante, su integración plantea desafíos significativos. La IAG puede amplificar sesgos algorítmicos, acentuar desigualdades en el acceso a la tecnología y reducir los espacios de reflexión crítica y creatividad estudiantil (Adiguzel et al., 2023). Además, el acceso inmediato a información generada por IA puede desincentivar el análisis autónomo y la formulación de conclusiones propias. El reto no es solo incorporar la IAG en la educación, sino hacerlo de manera crítica y responsable, garantizando la integridad académica (Eke, 2023; Kumar et al., 2024).
En este contexto, el pensamiento crítico es fundamental para analizar rigurosamente la retroalimentación generada por estas herramientas (Barrot, 2023). Mientras que muchas de las denominadas hard skills han sido delegadas a las máquinas por su carácter rutinario y técnico, las habilidades humanas más complejas1 han cobrado mayor relevancia. Esta tendencia se refleja en el Informe sobre el Futuro de los Empleos (World Economic Forum, 2023), que destaca el pensamiento analítico y creativo entre las competencias más valoradas por los empleadores.
En los entornos laborales actuales, caracterizados por volatilidad, incertidumbre, complejidad y ambigüedad (entornos VUCA), los profesionales deben gestionar su aprendizaje de manera continua y autónoma (Aguilar Vargas et al., 2020). En este escenario, el pensamiento crítico constituye una herramienta imprescindible para reflexionar sobre los propios procesos cognitivos, tomar decisiones estratégicas y afrontar desafíos complejos con enfoques innovadores (Ayyıldız y Yılmaz, 2021).
En la educación universitaria a distancia, la integración de herramientas de IAG puede contribuir al desarrollo del pensamiento crítico; sin embargo, su efectividad está condicionada por las competencias y disposiciones del profesorado, cuya función mediadora resulta fundamental en este proceso. Por ello, aunque diversos stakeholders intervienen en los sistemas educativos, este estudio sitúa al docente como eje central de acción.
Partiendo de esta premisa, se formuló la siguiente pregunta de investigación: ¿Qué barreras, impulsores y desafíos éticos enfrentan los docentes en la promoción del pensamiento crítico en entornos mediados por IA? Para abordarla, se adoptó una metodología cualitativa basada en entrevistas semiestructuradas organizadas en torno a cinco dimensiones. Este estudio exploratorio busca identificar los obstáculos que limitan el desarrollo del pensamiento crítico entre los estudiantes, los factores que pueden impulsarlo, los beneficios potenciales de la IAG y las estrategias para mitigar los desafíos sociales y éticos derivados de su uso no guiado.
Diversas investigaciones señalan que, aunque herramientas como ChatGPT presentan limitaciones en el pensamiento de orden superior frente a los humanos (Deng y Lin, 2022; Guo et al., 2023), estas brechas podrían reducirse con el avance tecnológico (Liu et al., 2023). Asimismo, estudios recientes han examinado la integración del pensamiento crítico (Cananau et al., 2025) y la alfabetización digital (Ng et al., 2023) en normativas educativas y planes de formación docente y alfabetización digital.
En este contexto, la revisión de la literatura se enfoca en la instrucción docente en entornos mediados por IAG, abordando las bases conceptuales del pensamiento crítico, sus herramientas de evaluación y las intervenciones pedagógicas que integran IA para potenciar su desarrollo. Este enfoque proporciona un marco integral para comprender su implementación en los escenarios educativos contemporáneos.
La psicología cognitiva aporta claves para comprender la progresión del pensamiento crítico, desde procesos básicos hasta niveles superiores. La taxonomía de Bloom et al. (1956, p. 12) estructura los “actos mentales o procesos de pensamiento derivados de las experiencias educativas” en una jerarquía que distingue entre Habilidades de Pensamiento de Orden Inferior (LOTS) como Conocimiento, Comprensión y Aplicación, y Habilidades de Orden Superior (HOTS) como Análisis, Síntesis y Evaluación.
Aunque la taxonomía no menciona explícitamente la metacognición, sus niveles superiores están estrechamente vinculados con las concepciones actuales del pensamiento metacognitivo (Wegerif, 2002). En este marco, el pensamiento crítico se considera un hábito mental esencial dentro de la metacognición, ya que permite a los individuos reflexionar sobre sus propios procesos cognitivos y regular su aprendizaje. La metacognición, definida como la capacidad de monitorear, evaluar y ajustar el pensamiento, es clave para el desarrollo del pensamiento crítico (Flavell, 1976). Esta relación bidireccional se evidencia en habilidades como la evaluación, que no solo implica analizar la calidad de la información, sino también cuestionar los propios juicios y creencias. En otras palabras, pensar críticamente significa ejercitar la capacidad de "pensar sobre el pensamiento" (Flavell, 1979).
La metacognición abarca la conciencia y el control de los procesos emocionales y motivacionales que influyen en el aprendizaje y la toma de decisiones (Papleontiou-Louca, 2003). Además de facilitar la comprensión sobre cómo se procesan y organizan los conocimientos, también fortalece la autonomía al permitir que los estudiantes regulen y optimicen su aprendizaje de forma continua (Çakıcı, 2018; Choy y Cheah, 2009; Maor et al., 2023). Por consiguiente, el pensamiento crítico está intrínsecamente vinculado con habilidades metacognitivas (Kuhn y Dean, 2004) como la autorregulación y el uso de procesos cognitivos avanzados, tales como identificar sesgos, justificar conclusiones y proponer soluciones innovadoras (Ku y Ho, 2010). En este contexto, el pensamiento crítico puede entenderse como una manifestación avanzada de la metacognición, que permite gestionar el conocimiento de manera efectiva y afrontar problemas complejos con una perspectiva reflexiva y creativa.
Distinguir entre las habilidades específicas del pensamiento crítico y componentes relacionados, como la motivación y la metacognición, permite evitar solapamientos conceptuales y clarificar su alcance. Su estrecha relación con los procesos metacognitivos dificulta su delimitación como fenómenos independientes (Rivas et al., 2022). Desde esta perspectiva, resulta pertinente analizar las capacidades cognitivas que lo conforman.
Definir el pensamiento crítico es un desafío, pues integra múltiples habilidades interconectadas. Pasquinelli et al. (2021, p. 170) lo describen como "la capacidad de evaluar la calidad epistémica de la información disponible y calibrar la propia confianza para actuar en consecuencia". Este enfoque resalta su carácter multidimensional y su conexión con habilidades cognitivas avanzadas.
Diversos marcos teóricos han identificado subhabilidades esenciales del pensamiento crítico (Halpern, 1998; Pascarella y Terenzini, 2005). No obstante, la falta de herramientas validadas y estandarizadas para su medición e implementación sigue siendo un desafío (Ku, 2009; Plummer et al., 2022). Entre las pruebas más utilizadas destacan la Prueba de Habilidades de Pensamiento Crítico de California (Facione, 1990), la Prueba de Pensamiento Crítico de Cornell (Ennis y Millman, 1985) y la Evaluación Watson-Glaser (Watson y Glaser, 1980). En este contexto, Facione (2023) desarrolló un marco teórico sólido con una rúbrica confiable para evaluar estas habilidades, el cual ha sido seleccionado como base conceptual del presente estudio (ver Apéndice; Tabla 1).
En entornos de aprendizaje en línea, las plataformas virtuales ofrecen un espacio ideal para fomentar el pensamiento crítico mediante estrategias como el cuestionamiento socrático, la argumentación, la resolución colaborativa de problemas y la evaluación por pares. Herramientas como foros, mapas conceptuales y entornos grupales favorecen dinámicas que estimulan la reflexión y el análisis crítico (Ertmer et al., 2011; Goodsett, 2020; MacKnight, 2000; Yang et al., 2008). La combinación de estos enfoques fortalece la aplicación práctica del pensamiento crítico en la educación virtual.
Lipman (1988) sostiene que el pensamiento crítico es una forma de inteligencia que puede enseñarse y aprenderse. En esta línea, Niu et al. (2013), a partir de un metaanálisis en el ámbito universitario, concluyeron que las intervenciones educativas favorecen su desarrollo. Al mismo tiempo, el auge de la tecnología en las aulas ha generado debate sobre su impacto en el aprendizaje. A medida que los docentes integran herramientas digitales, resulta imprescindible evaluar cómo las aplicaciones de IA afectan el desarrollo del pensamiento crítico (Delgado et al., 2015).
Las herramientas de IAG pueden potenciar el pensamiento crítico al generar experiencias de aprendizaje dinámicas e interactivas que fomentan la participación activa (Baidoo-Anu y Owusu Ansah, 2023). No obstante, su efectividad depende de marcos que guíen su implementación pedagógica y permitan analizar el desarrollo real de estas habilidades.
En este contexto, Shanto et al. (2024) propusieron el marco “AI-CRITIQUE” para fomentar el pensamiento crítico en entornos con IAG. Sin embargo, debido a sus limitaciones en flexibilidad y adaptabilidad, el presente estudio adopta el enfoque de Yusuf et al. (2024), que estructura el aprendizaje en cinco fases interconectadas: familiarización, conceptualización, indagación, evaluación y síntesis (ver Apéndice; Tabla 2). Este modelo destaca la importancia de progresar desde procesos cognitivos básicos hacia niveles superiores, promoviendo un análisis crítico de la información generada por la IA.
Como muestra la Tabla 2, integrar la IAG en la evaluación ofrece una oportunidad para fomentar el pensamiento crítico a través de un aprendizaje práctico y personalizado. Estas herramientas amplían los enfoques sobre temas complejos, proporcionan retroalimentación inmediata e incorporan ejemplos, analogías y escenarios hipotéticos que estimulan el razonamiento crítico (Javaid et al., 2023). Mediante simulaciones y debates guiados, los estudiantes pueden desarrollar habilidades como la evaluación de argumentos, la identificación de falacias y la formulación de respuestas fundamentadas. Ello fortalecería su capacidad para estructurar ideas con coherencia, cuestionar supuestos y considerar perspectivas alternativas.
La evaluación de estas intervenciones combina diseños longitudinales y transversales. Los primeros emplean cuestionarios ex ante y ex post para medir cambios en las percepciones y habilidades de los estudiantes a lo largo del tiempo, mientras que los segundos incluyen grupos de control para comparar el impacto de la intervención entre estudiantes expuestos y no expuestos, identificando diferencias significativas atribuibles al uso de la IAG.
La evidencia empírica reciente respalda el potencial de estas herramientas en la educación superior. Estudios (Guo y Lee, 2023; Ruiz-Rojas et al., 2024) indican que la integración efectiva de IAG mejora la autopercepción de los estudiantes sobre su competencia en pensamiento crítico, con avances notables en la formulación de preguntas exploratorias, la evaluación rigurosa de información, la construcción de conclusiones lógicas y la comprensión de temas complejos.
No obstante, una integración inadecuada de estas herramientas conlleva riesgos. Fuchs (2023) advierte que una dependencia excesiva de la IAG sin comprender los conceptos subyacentes puede limitar el aprendizaje genuino (Ivanov, 2023). Este riesgo se evidencia en la investigación de Dilekli y Boyraz (2024), donde se solicitó a estudiantes de posgrado realizar una autoevaluación reflexiva comparando sus propios ensayos con los generados por ChatGPT. La mayoría aceptó la información proporcionada por la IA sin cuestionar ni verificar su fiabilidad, a pesar de haber cursado una asignatura sobre "Enseñanza de habilidades de pensamiento".
Estos hallazgos previos refuerzan la necesidad de una supervisión docente activa para guiar a los estudiantes hacia un uso más reflexivo y crítico de la IAG. Sin una orientación adecuada, estas tecnologías pueden limitar el desarrollo del pensamiento crítico y la creatividad, ya que, ante la presión de plazos o la optimización de recursos, los estudiantes podrían asumir la información generada sin validarla, incluso cuando su precisión no esté garantizada.
Se realizaron entrevistas semiestructuradas a once pedagogos y docentes de universidades presenciales y a distancia. Aunque se empleó un muestreo no probabilístico por conveniencia con una muestra reducida y de diversidad limitada, la homogeneidad de los participantes y la estructura de las entrevistas refuerzan la validez de los resultados. Young y Casey (2019) sostienen que muestras pequeñas y homogéneas identifican eficazmente códigos y temas, alcanzando representaciones significativas con 6-9 casos, mientras que 7-10 participantes resultan adecuados para temáticas complejas. Por su parte, Almanasreh et al. (2019) sugieren un umbral próximo a los 10 expertos. La Tabla 3 (ver Apéndice) presenta el perfil ciego de los informantes utilizados en este estudio.
Las entrevistas siguieron el modelo pentagonal propuesto por De Vicente y Matti (2016) para los procesos de reflexión sistémica. En línea con los objetivos de esta investigación, las entrevistas se centraron en explorar el desarrollo del pensamiento crítico en el contexto del uso de la IAG por parte de estudiantes de universidades a distancia dentro del Espacio Europeo de Educación Superior. Este modelo estructuró las entrevistas en cinco bloques: (1) Barreras para el desarrollo del pensamiento crítico; (2) Aceleradores que podrían impulsarlo; (3) Alternativas socio-tecnológicas disponibles; (4) Retos sociales que se deben abordar; (5) Consecuencias de una mejora generalizada en la adquisición de esta competencia.
Las once entrevistas, realizadas en noviembre de 2024 a través de Microsoft Teams, tuvieron una duración promedio de 53 minutos, con una desviación estándar de 20 minutos, sumando un total de 10 horas y 54 minutos. Previamente, los participantes recibieron un formulario de consentimiento informado, elaborado conforme a los modelos del Comité de Ética de la UNED. Las sesiones fueron grabadas para su posterior transcripción y análisis, obteniendo un total de 52.720 palabras transcritas.
La Figura 1 muestra la secuencia-guía de la metodología empleada proporcionando una visión estructurada del proceso seguido para la recopilación y análisis de datos.
A partir de la transcripción de las entrevistas, se realizó un análisis textual de tipo cualitativo-cuantitativo mediante el software T-LAB v.10.2.7, que permite identificar patrones de palabras a través de aplicaciones estadísticas y gráficas.
Esta metodología ha sido ampliamente utilizada en el análisis de corpus lingüísticos en distintas disciplinas, como el estudio del discurso en medios sociales sobre cuestiones político-sociales (Gil y Guilleumas, 2017), el análisis de contenidos en psicología (Mazzoni et al., 2018) y el ámbito del turismo (Mondo y Gândara, 2017). Su versatilidad la convierte en una herramienta de gran potencial para la investigación científica (Cortini y Tria, 2014).
El software extrae información del corpus lingüístico mediante contextos elementales (segmentos textuales en unidades sintagmáticas) y unidades léxicas, compuestas por lemas y palabras clave. Se aplicó una normalización automática para eliminar lemas sin carga expresiva, complementada con una depuración manual de términos vacíos. Posteriormente, se llevó a cabo un proceso de lematización para agrupar unidades equivalentes; por ejemplo, las palabras clave “IA” e “inteligencia artificial” se agruparon bajo el mismo lema “IA”. Finalmente, se identificaron 120 lemas, lo que permitió realizar un análisis de coocurrencias y categorizar clústeres temáticos para estructurar el discurso de los expertos entrevistados.
Además del análisis semántico, se realizó un análisis de contenido de las entrevistas. Se utilizó el modelo de lenguaje GPT-4o para asistir a los investigadores en la tarea de extracción de las principales ideas-fuerza expresadas por los expertos. Cada idea-fuerza se transcribió literalmente para conservar su precisión temática mínima. Posteriormente, se codificaron de forma independiente y se asignaron a las dimensiones del modelo pentagonal. Para garantizar la consistencia y fiabilidad del consenso entre los codificadores, se calculó la Kappa de Fleiss (Fleiss, 1981), considerando tres escenarios: (1) consenso total (los tres codificadores coincidieron); (2) consenso parcial (dos de tres coincidieron y se adoptó la opción mayoritaria); y (3) disenso (sin coincidencia). Los casos de disenso se resolvieron mediante discusión entre los investigadores hasta alcanzar consenso parcial o total antes de proceder a la codificación definitiva.
En la etapa siguiente, se empleó el modelo de lenguaje Claude 3.5 para apoyar la reformulación de la redacción de estas ideas-fuerza con el objeto de llevar a cabo una síntesis de los principales consensos identificados en la etapa anterior. Este proceso de búsqueda de consensos permitió condensar puntos de vista compartidos entre los informantes, articulando una sensibilidad común respecto a las cinco dimensiones analizadas: barreras, aceleradores, alternativas, retos sociales y consecuencias visibles. De este modo, se sintetizaron los resultados reflejando un espectro amplio de percepciones compartidas entre los participantes.
A partir de los 120 lemas seleccionados del corpus lingüístico se desarrolló un análisis de coocurrencias para identificar asociaciones de palabras y calcular la frecuencia con la que dos o más lemas coincidían en contextos elementales idénticos. La Figura 2 reporta la vinculación entre el lema pensamiento crítico, eje del estudio, y otros lemas con los que muestra coocurrencias estadísticamente significativas (test chi2, p<0,05).
En el diagrama radial, el lema pensamiento crítico (lema A) se ubica en el centro, mientras que el resto de lemas (lemas B) se distribuyen alrededor. Los lemas B más próximos al centro presentan un mayor nivel de coocurrencias y los más alejados presentan asociaciones menos frecuentes. Los lemas con un nivel de coocurrencia más elevado con respecto a pensamiento crítico (lema A) son: IA2, desafío, tecnología, barrera y capacidad. La concentración de coocurrencias en torno a estos lemas indica que el pensamiento crítico está situado en una intersección entre IAG y la innovación educativa.
Por otra parte, los lemas alfabetización, habilidad y capacidad hacen referencia a la importancia de una alfabetización digital y crítica como base para desarrollar competencias avanzadas. Del mismo modo, los lemas evaluación y cuestionar conectan con la necesidad de integrar el pensamiento crítico en los sistemas de evaluación y en el diseño de actividades educativas que fomenten el análisis y la valoración de información generada por IA.
Las resistencias al cambio que enfrenta el desarrollo del pensamiento crítico en el contexto de la IAG se reflejan en los lemas desafío y barrera. A su vez, laboral y solución destacan la necesidad de aplicar el pensamiento crítico no solo como una competencia, sino como una herramienta para resolver problemas en entornos profesionales. Por otro lado, el lema debates apunta a la importancia de crear espacios de diálogo, donde estudiantes y docentes puedan discutir y construir conocimientos de manera colaborativa. En la misma línea, el lema interactuar alude tanto a la relación entre estudiantes y docentes como a su vínculo con la IAG.
Los datos sugieren que los entrevistados inciden en la comprensión del pensamiento crítico desde un enfoque centrado en las competencias transversales, la alfabetización crítica y los desafíos tecnológicos. La integración de la IAG y la tecnología en los entornos educativos emerge como un eje estratégico, pero requiere cambios metodológicos y una sólida formación para estudiantes y docentes. Además, el papel de la evaluación crítica, los debates y las soluciones aplicadas refuerzan la necesidad de fomentar entornos educativos dinámicos que preparen a los estudiantes para responder a los retos de la sociedad digital y el mercado laboral.
A través del método de clustering no supervisado (algoritmo bisecting k-promedio) que ofrece T-LAB, se categorizó el contenido de las entrevistas en clústeres o grupos temáticos significativos, definidos según el patrón de lemas que los componen. El análisis temático del corpus lingüístico identificó 1.197 contextos elementales, de los cuales se clasificaron 1.006 (84,04 %). Se optó por una partición en cuatro clústeres, al presentar la mayor adherencia estadística para la investigación. Estas cuatro dimensiones clave, vinculadas al ámbito educativo y social, presentaron la siguiente distribución: Clúster 01-Tecnología (31,9 %); Clúster 02-Competencias (25,5 %); Clúster 03-Evaluación (19,9 %); y Clúster 04-Normativa (22,7 %).
La distribución de los clústeres y sus lemas asociados (Figura 3) facilita la identificación de tendencias en el tema de estudio. Estos cuatro clústeres ofrecen una visión integrada del pensamiento crítico, estructurada en dos ejes: (1) Eje X - perspectiva operativa, relacionada con el desarrollo pedagógico de competencias en el aula; y (2) Eje Y - perspectiva estratégica, contextualizada en un marco normativo, social y político más amplio (ver Apéndice; Tabla 4).
La transcripción de las entrevistas permitió la extracción de 801 ideas-fuerza, distribuidas según los bloques presentados en la Tabla 5 (ver Apéndice). Para garantizar la consistencia y validez, los investigadores codificaron individualmente estas ideas-fuerza asignándolas a las dimensiones del modelo pentagonal. El índice de Kappa de Fleiss (κ=0,82) confirma un alto grado de acuerdo entre los codificadores, respaldando la solidez del análisis (Altman, 1990). Por otra parte, las Tablas 6, 7, 8, 9 y 10 recogidas en el Apéndice reportan el detalle de consensos identificados entre los informantes entrevistados para cada una de las cinco dimensiones3. Las barreras, aceleradores, alternativas socio-tecnológicas, retos sociales y consecuencias visibles incluidas en estas tablas se presentan de manera sintética, asegurando la fidelidad al sentido expresado por los informantes. A continuación, se discuten las ideas que cuentan con mayor consenso4 en cada dimensión y se conectan con el debate académico precedente.
El análisis de las opiniones de los informantes respecto a las principales barreras que dificultan el desarrollo del pensamiento crítico de los estudiantes (Apéndice; Tabla 6) consensua un desfase entre el rápido avance de la IAG y la lenta adaptación de los sistemas educativos. Este problema, ampliamente documentado, ha sido señalado por Barrett y Pack (2023), quienes advierten que la ausencia de políticas claras y directrices institucionales genera incertidumbre y preocupaciones éticas, dificultando la integración de la IAG en las aulas. En respuesta, las universidades han comenzado a establecer directrices para el uso ético de la IAG, como el marco propuesto por Chan (2023). Asimismo, se han desarrollado orientaciones estratégicas para responsables de políticas públicas, entre las cuales destacan las contribuciones de Miao et al. (2021). La UNESCO (2024), en su Marco de Competencia en Inteligencia Artificial para Docentes, subraya que los sistemas educativos deben ir más allá de la enseñanza técnica (enseñar sobre la IAG) y fomentar una comprensión crítica (enseñar para la IAG).
Actualmente, la formación en IAG está liderada principalmente por empresas privadas que priorizan el desarrollo de habilidades técnicas. Por ello, resulta fundamental aumentar la conciencia sobre la necesidad de integrar el pensamiento crítico en los contextos educativos donde se emplea la IA. Esta idea también fue respaldada por los informantes, quienes abogan por prácticas de aprendizaje centradas en el proceso, con enfoques que fomenten la reflexión, la exploración y el pensamiento crítico.
La resistencia al cambio entre actores educativos y en todos los niveles institucionales refleja un consenso relevante. La evidencia sugiere que esta barrera sistémica responde a inercias organizacionales que obstaculizan la implementación de innovaciones pedagógicas y tecnológicas necesarias para fomentar el pensamiento crítico en las enseñanzas a distancia. La voluntad y disposición de los docentes para promover un uso crítico de la IAG constituye una condición indispensable para su integración en el ámbito educativo. En este sentido, comprender sus actitudes, creencias y preconcepciones se erige como una palanca fundamental para garantizar una integración efectiva (Choi et al., 2023).
La insuficiente formación docente en pensamiento crítico y en el uso de IAG limita la capacidad de los educadores para diseñar estrategias pedagógicas que integren ambas dimensiones en el proceso de enseñanza-aprendizaje. En esta línea, diversos estudios destacan la importancia de fomentar el pensamiento crítico en los programas de formación inicial del profesorado (Lorencová et al., 2019; Mpofu y Maphalala, 2017; Ronderos et al., 2024) y de emplear estrategias metacognitivas que fortalezcan las competencias digitales en el aula (Pereles et al., 2024).
El uso acrítico de la IAG y el riesgo latente de plagio por parte de los estudiantes constituye otro consenso entre los expertos entrevistados. Esta problemática subraya la necesidad de desarrollar competencias para un uso ético y reflexivo de estas herramientas (Cotton et al., 2023). La falta de evaluación y priorización de habilidades transversales como el pensamiento crítico, junto con la ausencia de métricas claras, dificulta su seguimiento y desarrollo en los estudiantes. Este desafío se intensifica en la educación a distancia, particularmente en actividades asincrónicas que emplean ensayos como herramienta de evaluación. Según Eke (2023), la integración de estas herramientas genera preocupaciones sobre la integridad académica y los límites de coautoría, comprometiendo la capacidad de los ensayos para reflejar fielmente el proceso cognitivo del estudiante y evaluar su razonamiento crítico de manera efectiva. Para mitigar este riesgo, esta investigación propone la difusión de los marcos presentados en las Tablas 1 y 2, que ofrecen herramientas para analizar críticamente la información generada por la IAG y fortalecer el pensamiento crítico en los estudiantes.
La carencia de alfabetización específica en IAG y en pensamiento crítico limita la capacidad de docentes y estudiantes para aprovechar el potencial educativo de estas herramientas. La literatura académica aborda la necesidad de alfabetización desde diversas áreas formativas: el diseño curricular (Chiu y Chai, 2020), los marcos de alfabetización en IAG (Luckin et al., 2022), las aplicaciones didácticas (Wilton et al., 2022), los programas de desarrollo profesional (Vazhayil et al., 2019) y las consideraciones éticas (Celik, 2023; Gartner y Krašna, 2023).
Un consenso ampliamente reconocido es la percepción, compartida por docentes y autoridades universitarias, de la IAG como un sustituto educativo en lugar de un complemento. Esta visión puede obstaculizar su integración como herramienta de apoyo para el desarrollo del pensamiento crítico. En este sentido, la literatura enfatiza la importancia de crear entornos de aprendizaje equilibrados que prioricen el razonamiento analítico antes de recurrir a la IAG (Malik et al., 2023). En todo caso, dada la rápida evolución de esta tecnología, estrategias como su prohibición o la inversión en métodos de detección del plagio resultan insostenibles (Martín y López, 2023). Por ello, el principal desafío es lograr su integración ética y efectiva en los procesos educativos.
Con respecto a los aceleradores (Apéndice; Tabla 7), la actualización de competencias transversales y específicas para el uso crítico de la IAG se presenta como el consenso más amplio entre los entrevistados, con siete coincidencias. Para abordar estas necesidades formativas, algunas investigaciones (Kong et al., 2023) proponen diseñar un curso introductorio de alfabetización en IAG que fortalezca la comprensión tecnológica y la conciencia ética de los participantes, preparándolos para aplicar y evaluar la IAG de manera crítica en sus futuras carreras.
La evidencia hallada indica la necesidad de reformar los sistemas de evaluación existentes, integrando la IAG para optimizar el feedback y la adaptación curricular. La alineación de las políticas educativas con los avances tecnológicos, desde un enfoque ético y responsable, podría actuar como un acelerador para fortalecer el pensamiento crítico. En este contexto, los expertos consultados resaltan la formación y motivación del profesorado (Ayanwale et al., 2022) y una adecuada coordinación de las políticas públicas como factores claves para superar las barreras identificadas.
Otros puntos de consenso entre los informantes incluyen la accesibilidad a la IAG para reducir brechas y el fortalecimiento de sistemas de autoevaluación y evaluación por pares. Estas prácticas constituyen actividades fundamentales para fomentar la metacognición y la reflexión en el aprendizaje, permitiendo que los estudiantes analicen su desempeño y ajusten sus procesos. La integración de estas evaluaciones con herramientas de IAG amplía su alcance al detectar sesgos, inexactitudes y áreas de mejora de manera objetiva (Guàrdia Ortiz et al., 2024). Este enfoque se vincula con el concepto de learning by comparing (Longarela-Ares y Rodríguez-Padín, 2023), al estimular el aprendizaje mediante la comparación entre las evaluaciones de la IA, los pares y el propio estudiante. De este modo, se estimula el pensamiento crítico y se equilibra el uso de la tecnología con la intervención humana.
Otro consenso señala que la IAG optimiza tareas automatizables, liberando tiempo que puede ser redirigido hacia actividades más complejas, como el desarrollo del pensamiento crítico. Esta idea está estrechamente asociada al potencial de la IA para transformar el proceso de aprendizaje y trabajo mediante la retroalimentación inmediata (Cavalcanti et al., 2021). Asimismo, se reconoce la necesidad de implementar políticas específicas que refuercen la conexión entre la universidad y el mercado laboral, garantizando que la formación de los futuros egresados responda a las demandas profesionales. No obstante, surge una dicotomía: por un lado, la importancia de que los sistemas educativos transciendan la enseñanza técnica de la IAG y fomenten una comprensión crítica; y, por otro, la urgencia de adaptarse a un entorno laboral en constante evolución que exige el conocimiento de aplicaciones de IAG especializadas en distintos campos profesionales.
Entre las alternativas socio-tecnológicas disponibles (Apéndice; Tabla 8), los informantes destacan la necesidad de garantizar un acceso equitativo a las tecnologías de IAG. Advierten que, si no se gestionan adecuadamente, estas herramientas podrían ampliar la brecha digital y productiva entre quienes poseen habilidades para formular prompts efectivos y quienes carecen de ellas, subrayando el papel activo que la universidad debe asumir en la democratización de su acceso.
Los informantes resaltan la importancia de capacitar a toda la comunidad universitaria en el uso crítico de la IA, fomentando habilidades para evaluar e interpretar reflexivamente sus resultados. Para ello, consideran fundamental comprender sus límites, sesgos algorítmicos y alucinaciones latentes (Baker y Hawn, 2022). En este contexto, los informantes proponen implementar chatbots en entornos seguros y controlados para asegurar un uso ético y responsable. Sin embargo, advierten que restringir estas herramientas exclusivamente a preguntas académicas podría generar sesgos algorítmicos, limitando tanto la diversidad como el alcance de las respuestas, en contraste con las posibilidades más amplias y flexibles de otras aplicaciones de IAG más versátiles.
Por último, los expertos proponen incorporar una dimensión ética que preserve la integridad académica y fomente la capacidad autorreflexiva del alumnado. Si bien esta línea de actuación es decisiva en la educación superior en general, adquiere especial relevancia en la enseñanza a distancia, donde el aprendizaje autónomo y las limitaciones en la supervisión docente dificultan el control del uso de la IAG por parte del estudiantado (Dilekli y Boyraz, 2024).
Los informantes destacaron los principales retos sociales que deben abordarse para fortalecer el pensamiento crítico en la educación universitaria a distancia en un contexto marcado por la generalización del uso de la IAG (Apéndice; Tabla 9). Existe un amplio consenso respecto a la necesidad de transformar los roles docentes actuales para mitigar la dependencia acrítica de la IAG y fomentar la autonomía de pensamiento.
Los expertos identifican como principales retos sociales la alfabetización digital y la reducción de brechas tecnológicas, enfatizando la necesidad de desarrollar competencias digitales desde etapas formativas previas al acceso a la universidad. En este contexto, Lin y Van Brummelen (2021) apuntan que los docentes de educación primaria y secundaria requieren un andamiaje adicional en el uso de herramientas de IA y en el diseño curricular, con el fin de facilitar debates sobre ética y datos, fortalecer la evaluación, promover la participación estudiantil, fomentar la colaboración entre pares y estimular la reflexión crítica y el cuestionamiento de la información generada por la IAG. Este desafío vuelve a poner de relieve el imperativo de garantizar un acceso equitativo a las tecnologías emergentes, una prioridad ya contemplada en la Estrategia de la UNESCO (2021) sobre la Innovación Tecnológica en la Educación. Este marco recalca la importancia de adoptar un enfoque centrado en el ser humano, en el que la IA contribuya a reducir desigualdades en el acceso al conocimiento, la investigación y la cultura, evitando la ampliación de brechas tecnológicas y asegurando que sus beneficios sean accesibles para todos.
En opinión de los expertos consultados (Apéndice; Tabla 10), desde una perspectiva pedagógica, desarrollar la capacidad de cuestionar los resultados de la IAG permitiría transformar la evaluación actual -centrada en los resultados- en una nueva dimensión evaluativa -centrada en los procesos- que dieran lugar al desarrollo de nuevas competencias analíticas y creativas.
Según los consensos detectados, los informantes destacan que los riesgos asociados al uso de la IAG podrían mitigarse mediante la alfabetización digital y la transparencia algorítmica. Asimismo, señalan que una de las principales consecuencias del fortalecimiento del pensamiento crítico en el alumnado sería que, al estar apoyado por la IAG, mejoraría la velocidad del proceso de enseñanza-aprendizaje. Sin embargo, alertan que, dependiendo de cómo se implementen las políticas educativas, podrían surgir riesgos significativos de ampliación de las desigualdades sociales y educativas preexistentes. Por último, los entrevistados coinciden en que el desarrollo efectivo del pensamiento crítico fortalece las capacidades de liderazgo y resolución de problemas en los futuros egresados, favoreciendo perfiles más adaptables y reduciendo el riesgo de homogeneización del pensamiento.
Los hallazgos de esta investigación coinciden con estudios previos sobre la IAG (Castelló-Sirvent y Cortés-Pellicer, 2024), que destacan las preocupaciones de los futuros egresados sobre el potencial de error, la calidad y la imparcialidad de la información, la manipulación de contenido sesgado o falso y la necesidad de formación en IA para mejorar la empleabilidad. El estudio de Rusdin et al. (2023) subraya la percepción que los estudiantes tienen de la IA como una herramienta valiosa para el pensamiento crítico, especialmente en la investigación académica y el análisis teórico. No obstante, advierten sobre riesgos como la falta de personalización, la generación de cámaras de eco y las dificultades en la comprensión matizada del conocimiento.
Además, este trabajo contribuye a orientar el debate académico en torno a las principales implicaciones que se proponen en la Tabla 12. Los cinco vectores de actuación sirven como guía estratégica para docentes, gestores universitarios y responsables del diseño de políticas educativas, facilitando la toma de decisiones en la integración de la IA en los procesos de enseñanza y aprendizaje.
La investigación sobre el desarrollo del pensamiento crítico en contextos de uso generalizado de IAG sigue siendo limitada y fragmentaria. Este estudio exploratorio constituye un primer esfuerzo por identificar los factores que inciden en su desarrollo, analizando barreras, aceleradores, alternativas tecnológicas, retos sociales y consecuencias de su integración. Los consensos alcanzados y los vectores de actuación propuestos pueden servir como base para el diseño de instrumentos de medición, como encuestas dirigidas a docentes universitarios. Contar con una muestra suficientemente amplia y diversificada permitirá contrastar las percepciones expertas con datos empíricos, fortaleciendo la validez externa y fiabilidad de los hallazgos. Esta triangulación permitirá evaluar la coherencia entre tendencias cualitativas y mediciones cuantitativas, identificando posibles discrepancias o convergencias en la relación entre IAG y pensamiento crítico, y proporcionando un marco más sólido para la toma de decisiones en el diseño de políticas pedagógicas y estrategias de formación docente.
Aunque este estudio se ha desarrollado en universidades a distancia dentro del Espacio Europeo de Educación Superior (EEES), lo que podría restringir la generalización de los resultados a otros sistemas con normativas y estructuras organizativas distintas, los consensos alcanzados y las líneas de actuación propuestas muestran una alta capacidad de adaptación a distintos entornos educativos digitales, favoreciendo su aplicabilidad en contextos con dinámicas de aprendizaje similares.
Si bien esta investigación ha centrado el análisis en el rol del profesorado en la implementación de la IAG, futuros trabajos deberían ampliar el espectro de actores involucrados, incluyendo la perspectiva de estudiantes, responsables de políticas educativas y representantes del sector productivo. Incorporar estos perfiles permitiría un enfoque más holístico y multidimensional, facilitando una comprensión más completa de los desafíos y oportunidades que la IAG plantea en el desarrollo del pensamiento crítico. Esto enriquecería el debate académico y fortalecería el diseño de estrategias pedagógicas más contextualizadas y ajustadas a las necesidades del ecosistema educativo.
La IAG puede hacer el aprendizaje más inmersivo, dinámico y personalizado, mejorando el rendimiento académico, la motivación y la autorregulación (Huang et al., 2023; Yuan y Liu, 2025). No obstante, sin una mediación adecuada, su uso podría generar una dependencia acrítica, llevando a los estudiantes a aceptar respuestas automatizadas sin analizarlas reflexivamente, lo que limitaría su capacidad de cuestionamiento (Chng et al., 2023). Para mitigar este riesgo, es fundamental equilibrar la integración tecnológica con la intervención docente, asegurando que la IAG no reemplace el proceso cognitivo del estudiante, sino que lo potencie a través de estrategias estructuradas y reflexivas.
El engagement en educación a distancia no solo depende del acceso a herramientas innovadoras, sino también de la calidad de la interacción docentes-estudiantes, un factor determinante para la retención del conocimiento y la satisfacción académica (Bae et al., 2020; Hoi y Le Hang, 2021). Por ello, la planificación pedagógica debe integrar la IAG sin desplazar la labor docente, alineándose con objetivos que promuevan la validación de información, la identificación de sesgos algorítmicos y la reflexión sobre el impacto de la IA en el aprendizaje (Martín y López, 2023).
Para una integración efectiva, los docentes requieren de respaldo institucional. Las instituciones deben establecer directrices que regulen su uso asegurando una implementación ética, accesible y alineada con estándares pedagógicos que estimulen el pensamiento crítico. Asimismo, la formación docente en alfabetización digital e IA resulta imprescindible para diseñar estrategias de evaluación que fomenten un aprendizaje auténtico. En entornos de aprendizaje a distancia, donde el ensayo ha sido la principal herramienta de evaluación, contrastar respuestas generadas por IA con fuentes verificadas, diseñar prompts estratégicos y analizar críticamente los outputs algorítmicos pueden fomentar una interacción más reflexiva con la tecnología.
Futuros estudios empíricos deberían analizar cómo las intervenciones educativas con herramientas de IA impactan en el pensamiento crítico y en las dimensiones afectiva y conductual del engagement estudiantil. Para ello, resultaría útil combinar instrumentos de evaluación de habilidades cognitivas con autoinformes, análisis de interacciones y métricas cuantitativas extraídas de plataformas virtuales. Además, estudios longitudinales podrían examinar su efecto a medio plazo, identificando su influencia en la reducción del abandono, la mitigación de la desconexión y el aislamiento académico, así como su contribución al desarrollo de la autonomía, la autorregulación del aprendizaje y la motivación estudiantil.
Cómo citar: Muñoz Martínez, C., Roger-Monzo, V., & Castelló-Sirvent, F. (2025). Generative AI and critical thinking in online higher education: challenges and opportunities. [IA generativa y pensamiento crítico en la educación universitaria a distancia: desafíos y oportunidades]. RIED-Revista Iberoamericana de Educación a Distancia, 28(2), 233-273. https://doi.org/10.5944/ried.28.2.43556
redalyc-journal-id: 3314
Este artículo es resultado de la producción académica derivada del Proyecto de Innovación Docente de la Universidad Nacional de Educación a Distancia (UNED) “La mejora del Engagement y el Rendimiento Académico mediante el Uso de IA en las Pruebas de Evaluación Continua” (MERA-IAPEC); del Proyecto de Innovación Docente UV-SFPIE_PIEE 3325253 “Inteligencia Artificial en Comunicación (IAcom)”, concedido por el Vicerectorat de Formació Permanent, Transformació Docent i Ocupació de la Universitat de València; del Proyecto de Innovación y Mejora Educativa PIME/23-24/390 de la Universitat Politècnica de València “La influencia de las metodologías activas en la interacción y en el desarrollo de habilidades metacognitivas”; y del Grupo de Investigación Emergente "Artificial Intelligence Impacts on Society & Economy (AIISE)". Diferentes fases del trabajo fueron desarrolladas durante la estancia de investigación de César Muñoz Martínez en el Departamento de Organización de Empresas de la Universitat Politècnica de València, coincidiendo con la etapa de revisión final del manuscrito.
