Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
909
Arculo Cienco
Efectos de la inteligencia artificial generativa en el
desarrollo del pensamiento crítico en educación superior.
Effects of generative artificial intelligence on the development of critical
thinking in higher education.
Leyme-Pilicita, Karina Elizabeth1; Paucar-Jiménez, Luis Fernando2, Guerrero-Zambrano,
Marcos3.
1 Universidad Estatal de Milagro; Ecuador, Milagro; https://orcid.org/0009-0007-
2667-1805; kleymep@unemi.edu.ec
2 Universidad Estatal de Milagro; Ecuador, Milagro; https://orcid.org/0009-0009-
8635-9113; lpaucarj@unemi.edu.ec
3 Universidad Estatal de Milagro; Ecuador, Milagro; https://orcid.org/0000-0002-
5617-6836; mguerreroz@unemi.edu.ec
1 Autor Correspondencia
https://doi.org/10.63618/omd/isj/v4/n3/390
Resumen: La expansión de la inteligencia artificial generativa en la educación superior ha
transformado el acceso, la producción y la evaluación del conocimiento, generando
interrogantes sobre su incidencia en el pensamiento crítico. El objetivo fue analizar
sistemáticamente la evidencia científica sobre sus efectos en estudiantes universitarios. Se
realizó una revisión sistemática basada en PRISMA 2020, de tipo documental, alcance
descriptivo-analítico y síntesis narrativa. La búsqueda se efectuó en Scopus, SciELO, Redalyc,
ERIC, DOAJ y Google Scholar, con publicaciones de 2022 a 2026 en español, inglés y
portugués. De 99 registros identificados, se eliminaron 49 duplicados, se cribaron 50
documentos, se revisaron 25 textos completos y se incluyeron 2 estudios. Se identificaron
ChatGPT, GPT-3.5, GPT-4, DALL-E, Midjourney, Bing Chat, Open Assistant y GitHub Copilot.
Los efectos favorables se relacionaron con generación de ideas, retroalimentación, comprensión
y apoyo académico; los riesgos incluyeron dependencia cognitiva, aceptación acrítica,
alucinaciones, sesgos, plagio y menor esfuerzo reflexivo. Se concluye que la IA generativa
favorece el pensamiento crítico únicamente cuando se integra con mediación docente,
alfabetización en IA, verificación de fuentes, evaluación auténtica y uso ético-reflexivo.
Palabras clave: inteligencia artificial generativa; pensamiento crítico; educación superior;
revisión sistemática.
Abstract: The expansion of generative artificial intelligence in higher education has transformed
access to, production of, and assessment of knowledge, raising questions about its influence on
critical thinking. This study systematically analyzed scientific evidence on its effects among
university students. A PRISMA 2020-based systematic review was conducted using a
documentary, descriptive-analytical design and narrative synthesis. Scopus, SciELO, Redalyc,
ERIC, DOAJ, and Google Scholar were searched for publications from 2022 to 2026 in Spanish,
English, and Portuguese. Of 99 records identified, 49 duplicates were removed, 50 documents
were screened, 25 full texts were reviewed, and 2 studies were included. The tools identified
were ChatGPT, GPT-3.5, GPT-4, DALL-E, Midjourney, Bing Chat, Open Assistant, and GitHub
Copilot. Favorable effects involved idea generation, feedback, comprehension, and academic
support; risks included cognitive dependence, uncritical acceptance, hallucinations, bias,
plagiarism, and reduced reflective effort. Generative AI supports critical thinking only when
integrated through teacher mediation, AI literacy, source verification, authentic assessment, and
ethical-reflective use.
Keywords: generative artificial intelligence; critical thinking; higher education; systematic
review.
Cita: Leyme-Pilicita, K. E.,
Paucar-Jiménez, L. F., &
Guerrero-Zambrano, M. (2026).
Efectos de la inteligencia artificial
generativa en el desarrollo del
pensamiento crítico en educación
superior. Innova Science
Journal, 4(3), 909-
932. https://doi.org/10.63618/omd
/isj/v4/n3/390
Recibido: 23/02/2026
Aceptado: 14/07/2026
Publicado: 31/07/2026
Copyright: © 2026 por los
autores. Este artículo es un
artículo de acceso abierto
distribuido bajo los términos y
condiciones de la Licencia
Creative Commons, Atribución-
NoComercial 4.0 Internacional. (CC
BY-NC).
(https://creativecommons.org/lice
nses/by-nc/4.0/)
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
910
Arculo Cienco
1. Introducción
La inteligencia artificial generativa ha mostrado un avance importante en la educación
superior, impulsada por la expansión de sistemas digitales de amplio alcance; las
plataformas como ChatGPT, Claude, Copilot, Gemini y otros modelos se emplean
actualmente para la búsqueda de información, la generación de ideas, la resolución de
problemas, la explicación contenidos, a la vez que para una retroalimentación inmediata.
Su incorporación no constituye únicamente un apoyo técnico, sino que también
transforma las formas en que los estudiantes acceden al conocimiento, elaboran
argumentos, comparan fuentes y producen textos académicos. En este escenario, la IA
generativa se configura como una tecnología con alto potencial pedagógico, capaz de
ampliar oportunidades de aprendizaje, personalizar apoyos y acompañar procesos
cognitivos complejos; no obstante, su uso exige analizar las consecuencias sobre
competencias intelectuales fundamentales para la formación universitaria, entre ellas el
pensamiento crítico (Chan & Hu, 2023; Kasneci et al., 2023; Qian, 2025).
El problema no se limita a la disponibilidad de estas herramientas tecnológicas, sino
más bien a las circunstancias pedagógicas bajo las cuales se involucran en los procesos
de aprendizaje. Cuando son usadas con orientación docente y criterios académicos
éticos, la IA generativa favorece la exploración de perspectivas, la formulación de
preguntas, la comparación de argumentos, la revisión de ideas iniciales, así como
también la reflexión metacognitiva sobre la propia comprensión. Un uso poco guiado en
cambio puede generar dependencia cognitiva lo que genera delegación del
razonamiento, a su vez crea circulación de información falsa o errónea, reproducción de
sesgos o debilitamiento del esfuerzo intelectual necesario para la construcción de juicios
éticos. Los riesgos mencionados se incrementan cuando las respuestas proporcionadas
por la IA se asumen como conclusiones finales, en lugar de ser tratadas como insumos
preliminares que requieren de una previa verificación junto con un análisis crítico. Por
ello, su impacto educativo depende del diseño de las actividades, del nivel de
alfabetización digital e informacional de los usuarios y de los criterios éticos que regulen
su empleo (Bender et al., 2021; Cotton et al., 2024; Miao & Holmes, 2023).
La literatura reciente sobre IA generativa en educación superior muestra una discusión
amplia entre posturas optimistas y aproximaciones cautelosas, algunos estudios
resaltan sus beneficios que van desde la escritura académica, el aprendizaje autónomo,
hasta el diseño de actividades, otras investigaciones en cambio advierten desafíos
vinculados con la integridad académica, la privacidad de los datos, los sesgos
algorítmicos y la necesidad de políticas institucionales que orienten su uso responsable.
En relación con el pensamiento crítico, los resultados también resultan heterogéneos
mientras ciertos estudios señalan que la IA puede apoyar la generación de ideas en
conjunto con la organización argumentativa, otros estudios alertan que su uso excesivo
podría reducir la verificación de fuentes incluso la sustitución de la reflexión autónoma
lo cual promueve los aprendizajes superficiales (Chan & Hu, 2023; Lo, 2023; Nasr et al.,
2025; Raitskaya & Tikhonova, 2025).
Aunque el interés académico por la IA generativa ha aumentado de manera significativa,
la evidencia sobre su efecto específico en el pensamiento crítico aún se encuentra
dispersa y en proceso de consolidación. Existen estudios que reportan beneficios en la
argumentación, la reflexión, así como en la resolución de problemas; no obstante, otros
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
911
Arculo Cienco
estudios enfatizan en los riesgos relacionados con pasividad intelectual, confianza
excesiva en la tecnología, además de una exposición a información errónea; de la
misma manera un tercer grupo que presenta resultados mixtos o no concluyentes. La
diversidad de los resultados dificulta la construcción de una interpretación integrada del
fenómeno, además, no todos los trabajos diferencian con precisión las dimensiones del
pensamiento crítico las cuales son componentes asociados con el juicio razonado y
autorregulado (Facione, 1990). Resulta necesario el desarrollo de una síntesis
sistemática que organice la evidencia disponible, distinga los tipos de efectos
reportados, al mismo tiempo que delimite los vacíos de investigación aún existentes
(Melisa et al., 2025; Nasr et al., 2025; Raitskaya & Tikhonova, 2025).
Una revisión sistemática resulta pertinente porque permite un correcto ordenamiento
junto con una evaluación transparente del tratamiento de la producción científica
reciente sobre el tema. El aporte que tiene no se reduce a la recopilación de estudios,
sino a la identificación de tendencias, así como al reconocimiento de enfoques
metodológicos, es decir en el análisis de la forma en que se ha construido la evidencia
sobre la relación entre IA generativa y pensamiento crítico. El estudio examina las
tecnologías utilizadas junto con las poblaciones universitarias consideradas, de la
misma manera analiza los métodos predominantes, las dimensiones cognitivas
abordadas y las áreas que han recibido menor atención. La orientación metodológica de
PRISMA 2020 fortalece la trazabilidad del proceso de búsqueda, selección, elegibilidad
e inclusión de estudios, aspecto especialmente relevante en un campo caracterizado
por una rápida evolución tecnológica y por el crecimiento acelerado de publicaciones
científicas (Page et al., 2021).
La presente investigación busca el aporte de criterios útiles para docentes,
investigadores y responsables institucionales interesados en integrar la IA generativa de
forma crítica, ética, así como pedagógicamente sustentada. El principal propósito no
consiste en promover un uso automático de estas herramientas, al contrario, busca que
las personas comprendan la manera en que pueden incorporar estas herramientas en
actividades que demanden análisis, contraste de fuentes, justificación de respuestas,
identificación de sesgos o reflexión sobre los procedimientos aplicados. La IA puede
constituirse en un recurso de apoyo para el aprendizaje universitario, siempre que su
uso no sustituya la autonomía intelectual, la honestidad académica ni la capacidad del
estudiante en la valoración de la calidad de la información.
El estudio se organiza en torno a tres ejes conceptuales: inteligencia artificial generativa,
pensamiento crítico y educación superior. La inteligencia artificial generativa se entiende
como el conjunto de tecnologías capaces de producir contenidos, como textos,
imágenes, códigos o explicaciones, a partir de instrucciones formuladas por el usuario.
En el ámbito universitario, su valor pedagógico depende de su incorporación en
experiencias de aprendizaje que promuevan un análisis profundo junto con una
construcción de respuestas propias.
El pensamiento crítico, por su parte, implica la interpretación de información con la
explicación de razonamientos, al mismo tiempo que existe una autorregulación del
propio proceso cognitivo (Facione, 1990). La mediación docente resulta central porque
no es suficiente con autorizar el uso de IA, es indispensable el diseño de tareas que
lleven al estudiante a contrastar respuestas mientras justifican sus decisiones,
reconocen errores, documentan fuentes y reflexionan sobre su proceso de aprendizaje.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
912
Arculo Cienco
La alfabetización en IA y la ética académica representan condiciones de gran
importancia para que se evite usos dependientes, automatizados o poco rigurosos (Miao
& Holmes, 2023; Qian, 2025).
La presente revisión sistemática se orienta por la siguiente pregunta de investigación:
¿qué evidencias reporta la literatura científica sobre los efectos de la inteligencia artificial
generativa en el desarrollo del pensamiento crítico en estudiantes de educación
superior? El propósito general es analizar de manera sistemática la evidencia científica
relacionada con tales efectos, considerando las herramientas empleadas, las
dimensiones del pensamiento crítico abordadas, los resultados reportados, las
estrategias pedagógicas recomendadas, así como también los vacíos de investigación
identificados.
Para alcanzar este propósito, se plantean tres preguntas derivadas como son ¿qué
características presentan los estudios científicos sobre inteligencia artificial generativa y
pensamiento crítico en educación superior?, ¿qué dimensiones del pensamiento crítico
se abordan en los estudios revisados y qué efectos positivos, negativos o no
concluyentes se reportan respecto al uso de inteligencia artificial generativa?, así como
¿qué estrategias pedagógicas como vacíos de investigación se identifican en la
literatura para orientar un uso crítico, ético e incluso reflexivo de la inteligencia artificial
generativa en educación superior? La delimitación de estas preguntas organiza el
alcance de la revisión, guía el análisis de los resultados, a la vez que favorece una
interpretación equilibrada sobre el papel de la IA generativa en la formación crítica
universitaria.
2. Materiales y Métodos
2.1. Diseño del estudio
La revisión sistemática se realizó siguiendo las directrices Preferred Reporting Items for
Systematic Reviews and Meta-Analyses [PRISMA] 2020 (Page et al., 2021a, 2021b),
adaptadas al ámbito educativo, con el fin de fortalecer la transparencia metodológica
como la replicabilidad en el análisis de estudios relacionados con inteligencia artificial
en la educación superior. La investigación fue de tipo documental, con alcance de tipo
descriptivo-analítico y síntesis narrativa.
El propósito de la investigación no fue intervenir directamente con estudiantes de
educación superior, sino para identificar, seleccionar e incluso sintetizar evidencias
científicas sobre los efectos reportados de la inteligencia artificial generativa en el
desarrollo del pensamiento crítico universitario.
El análisis se realizó sobre artículos científicos, estudios empíricos, revisiones
sistemáticas, revisiones de alcance junto con documentos que cumplían con los criterios
de inclusión y exclusión.
La búsqueda siguió una secuencia metodológica orientada a la identificación, selección,
elegibilidad, inclusión, extracción y síntesis de información, conforme a los principios de
transparencia y trazabilidad propios de la investigación documental en Ciencias Sociales
y educación (Bhattacherjee, 2012; Zawacki-Richter et al., 2020). Para el reporte del
proceso se utilizaron las orientaciones de PRISMA 2020, guía internacional que permite
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
913
Arculo Cienco
comunicar con claridad las fases de identificación, selección e inclusión de estudios en
revisiones sistemáticas (Page et al., 2021a, 2021b).
2.2. Protocolo de revisión
El proceso de revisión se organizó en cuatro fases que fueron identificación, cribado,
elegibilidad e inclusión, de acuerdo con PRISMA 2020. Esta organización permitió
fortalecer la rigurosidad metodológica y la relevancia de los artículos seleccionados para
el análisis.
Para direccionar el estudio se consideró la siguiente pregunta: ¿qué evidencias reporta
la literatura científica sobre los efectos de la inteligencia artificial generativa en el
desarrollo del pensamiento crítico en estudiantes de educación superior?
En base a esta pregunta se estructuró la revisión en torno a tres ejes analíticos que
fueron la caracterización de los estudios, la identificación de las dimensiones del
pensamiento crítico y por último la síntesis de estrategias pedagógicas, consideraciones
éticas, junto con los vacíos de investigación.
La búsqueda consideró estudios publicados entre 2022 y 2026, debido al crecimiento
acelerado de herramientas de inteligencia artificial generativa en el ámbito universitario.
La delimitación temporal respondió principalmente, a la expansión pública de modelos
conversacionales y sistemas basados en modelos de lenguaje de gran escala.
La fase de identificación de estudios se realizó en Scopus, SciELO, Redalyc, ERIC,
DOAJ y Google Scholar, debido a su alcance interdisciplinario y a su reconocimiento
dentro de la comunidad académica. Las bases consultadas permitieron una
recuperación de investigaciones revisadas por pares y documentos académicos
pertinentes para el objeto de estudio, esto se realizó mediante una estrategia de
búsqueda estructurada con términos de consulta, operadores booleanos, en conjunto
con el uso de descriptores controlados, a fin de que se asegure una revisión amplia y
rigurosa.
El registro de resultados se organizó en una matriz de control, en la cual se
documentaron la revisión inicial, la eliminación de duplicados, el cribado por título junto
con el resumen, la extracción de información, así como la síntesis narrativa de
resultados. El procedimiento se sustentó en recomendaciones metodológicas para
revisiones sistemáticas y síntesis de evidencia, principalmente en lo referente a
planificación, criterios de selección, extracción de datos y organización transparente del
proceso (Aromataris et al., 2024; Higgins et al., 2024; Tawfik et al., 2019).
2.3. Estrategia de búsqueda
La estrategia de búsqueda se construyó a partir de tres bloques conceptuales:
inteligencia artificial generativa, pensamiento crítico y educación superior. Además, las
ecuaciones se adaptaron a los campos disponibles en cada base de datos,
especialmente título, resumen, palabras clave y texto completo. El registro de cada
búsqueda se conservó en una matriz de control para facilitar la elaboración del diagrama
de flujo PRISMA y la verificación del proceso de identificación documental (Page et al.,
2021a, 2021b; PRISMA, 2020a, 2020b). La ecuación y los componentes de búsqueda
se presentan tal como se muestra en la Tabla 1.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
914
Arculo Cienco
Tabla 1.
Estrategia de búsqueda
Componente
Descripción
Términos clave
principales
La ecuación base en inglés fue:
("generative artificial intelligence" OR "generative AI" OR ChatGPT OR "large language
model*" OR LLM OR "AI chatbot")
AND
("critical thinking" OR "critical reasoning" OR "analytical thinking" OR argumentation OR
"reflective thinking")
AND
("higher education" OR university OR undergraduate OR postgraduate OR "college
students")
La ecuación base en español fue:
("inteligencia artificial generativa" OR ChatGPT OR "modelo de lenguaje" OR "modelos de
lenguaje" OR chatbot)
AND
("pensamiento crítico" OR "razonamiento crítico" OR "pensamiento analítico" OR
argumentación OR "pensamiento reflexivo")
AND
("educación superior" OR universidad OR universitarios OR pregrado OR posgrado)
La ecuación base en portugués fue:
("inteligência artificial generativa" OR ChatGPT OR "modelo de linguagem" OR chatbot)
AND
("pensamento crítico" OR "raciocínio crítico" OR argumentação OR "pensamento reflexivo")
AND
("educação superior" OR universidade OR estudantes universitários OR graduação OR pós-
graduação)
Operadores booleanos
Se utilizaron los operadores booleanos OR para sinónimos y AND para combinar bloques
conceptuales.
Nota. Elaborado por los autores
La selección de los estudios se guio por criterios de inclusión y exclusión que
garantizaron la relevancia temática, metodológica y contextual de los artículos. Los
criterios adoptados se presentan tal como se muestra en la Tabla 2.
2.4. Criterios de inclusión y exclusión
Tabla 2.
Criterios de inclusión y exclusión
Categoría
Criterios de inclusión
Criterios de exclusión
Pensamiento
crítico
Estudios relacionados con inteligencia artificial
generativa y pensamiento crítico
Investigaciones no vinculadas con el ámbito
educativo
Niveles
educativos
Educación Superior (pregrado y posgrado)
Estudios que aborden otros niveles
educativos.
Diseño
metodológico
Investigaciones empíricas cualitativas,
cuantitativas, mixtas y revisiones
Publicaciones con baja calidad
metodológica o sin revisión por pares
Idioma
Publicaciones en inglés, español y portugués
Artículos en otros idiomas
Rango
temporal
Estudios publicados entre 2022 y 2026
Publicaciones anteriores al rango temporal
establecido
Accesibilidad
Artículos disponibles en texto completo
Estudios sin acceso al texto completo
Nota. Elaborado por los autores
Los resultados recolectados se registraron y organizaron manualmente sin recurrir al
uso del software de gestión bibliográfica, con este procedimiento se identificaron 99
registros, posterior a la eliminación de 49 duplicados se obtuvieron 50 registros para el
cribado por título y resumen.
En la fase de selección, se aplicó un cribado inicial mediante la revisión de títulos y
resúmenes, con el propósito de que se descarte los estudios que no cumplían con los
criterios de pertinencia definidos previamente; a partir de esa revisión se excluyeron 25
registros, luego, se revisaron de forma completa 25 textos y se evaluó su contenido
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
915
Arculo Cienco
conforme a los criterios de inclusión establecidos, hasta la incorporación de dos estudios
en la síntesis narrativa.
Las razones específicas de exclusión de los textos completos deben reportarse en el
diagrama de flujo PRISMA y en una tabla complementaria de exclusiones, antes del
envío a revista, debe incorporarse el diagrama de flujo PRISMA 2020 con los registros
identificados por base de datos, los duplicados eliminados, los registros cribados, los
textos completos evaluados, los estudios excluidos con sus respectivas razones y los
estudios incluidos en la síntesis final.
2.5. Proceso de selección de estudios
Los criterios definidos fueron los siguientes:
1. Se verifico que los estudios presentaran objetivos vinculados con el pensamiento
crítico e inteligencia artificial generativa.
2. Se priorizaron investigaciones que incluyeran información completa sobre la
relación entre pensamiento crítico con el uso de inteligencia artificial generativa
en la educación.
3. Se evaluó si los resultados se vinculaban con las conclusiones como con su
capacidad para proporcionar evidencia sobre la influencia de la inteligencia
artificial en el pensamiento crítico de los estudiantes de educación superior
4. Se determinó si los estudios aportaban información directamente relacionada
con el análisis de la inteligencia artificial como con el pensamiento crítico
2.6. Matriz de extracción de datos y valoración de calidad/pertinencia
Para la extracción de datos se elaboró una matriz documental que permitió organizar
información bibliográfica, metodológica, temática, analítica como valorativa de cada
investigación. Además, la matriz responde a la vinculación de cada artículo con la
pregunta de investigación general y con las preguntas derivadas.
Los campos considerados para la matriz de extracción fueron DOI o enlace DOI, código
del artículo, referencia en formato APA 7, año, país, base de datos de recuperación,
revista, tipo de estudio, enfoque metodológico, diseño metodológico, población o
muestra, nivel educativo, área disciplinar, herramienta de inteligencia artificial generativa
utilizada, tipo de uso educativo de la IA generativa, dimensiones del pensamiento crítico
abordadas, instrumento o técnica de recolección de datos, efecto reportado en el
pensamiento crítico, evidencias o resultados principales, efectos positivos identificados,
efectos negativos identificados, resultados mixtos o no concluyentes, estrategias
pedagógicas recomendadas, consideraciones éticas sobre el uso de IA, vacíos de
investigación identificados, limitaciones del estudio, calidad o pertinencia del artículo,
pregunta derivada a la que responde y por último observaciones.
2.7. Técnica de análisis de datos
A la información obtenida se aplicó un análisis descriptivo, una síntesis narrativa, un
análisis temático y una comparación crítica de los resultados entre los estudios
revisados. La aplicación de estos procedimientos permitió una caracterización de los
documentos según año de publicación, país, base de datos, revista, tipo de estudio,
enfoque metodológico, diseño, población y nivel educativo.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
916
Arculo Cienco
Con el análisis también se identificaron resultados tanto favorables como desfavorables
en relación con la pregunta de investigación, evitando conclusiones superficiales o poco
sustentadas. A partir de esta revisión, se estableció una comparación entre los aportes
positivos y las limitaciones reportadas en la literatura, a través de la triangulación
documental y la interpretación crítica de cada estudio revisado.
2.8. Consideraciones éticas
En la revisión sistemática no se aplicó una intervención directa en seres humanos ni se
realizó la recolección de datos considerados sensibles, motivo por el cual no fue
necesario aplicar consentimiento informado. Sin embargo, al desarrollar la revisión
documental se consideraron los principios de integridad académica, citación rigurosa,
respeto a la propiedad intelectual, transparencia metodológica y trazabilidad de
decisiones. Además, se estableció que los documentos revisados debían citarse
conforme a las normas APA 7, con la finalidad de evitar el plagio y garantizar el
adecuado reconocimiento de las fuentes consultadas.
2.9. Limitaciones metodológicas
Entre las principales limitaciones metodológicas se reconoce la rápida evolución de la
inteligencia artificial generativa, debido a que sus herramientas cambian de forma
constante y ciertos resultados pueden perder vigencia en poco tiempo. Los estudios
revisados también presentan diferencias en enfoques, diseños, instrumentos y formas
de conceptualizar el pensamiento crítico, situación que dificulta la comparación directa
de sus resultados.
La revisión pudo excluir investigaciones de interés al considerar únicamente
documentos en español, inglés y portugués disponibles en texto completo. La ausencia
de diseños causales en parte de los estudios obliga a una interpretación de los efectos
reportados a partir de la evidencia disponible, sin formular conclusiones que excedan el
sustento metodológico de los documentos analizados.
3. Resultados
El estudio y análisis de resultados se desarrolló a partir de la matriz documental de
extracción, integrada por estudios sobre IA generativa, educación superior junto con el
pensamiento crítico, así, tras la aplicación de los criterios de inclusión como de exclusión
se incorporaron dos estudios en la síntesis final, codificados como E1-Walczak y E2-
Nikolopoulou.
Dado el tamaño reducido del corpus, los resultados se presentan mediante una síntesis
tanto descriptiva como temática, sin pretensión de generalización estadística, donde, la
organización del análisis responde a las preguntas derivadas de la revisión sistemática.
3.1. Caracterización general de los estudios incluidos
Los estudios incluidos fueron publicados entre 2023 y 2024, etapa que coincide con la
adopción masiva de tecnologías de inteligencia artificial generativa en educación
superior. El primer estudio, desarrollado por Walczak y Cellary (2023), corresponde a
una investigación empírica con apoyo de análisis teórico-discursivo, orientada a
examinar los desafíos que enfrentan las universidades ante el acceso extendido a
herramientas como GPT-4, GPT-3.5, Open Assistant, DALL-E, Midjourney, Bing Chat y
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
917
Arculo Cienco
GitHub Copilot. El estudio se desarrolló en Polonia y consideró una muestra de 143
estudiantes universitarios de distintas disciplinas académicas. El segundo estudio,
realizado por Nikolopoulou (2024), corresponde a una investigación cualitativa centrada
en el uso de ChatGPT como asistente de investigación para explorar formas de
fortalecer prácticas pedagógicas en educación superior. La caracterización general de
los estudios incluidos se sintetiza tal como se muestra en la Tabla 3.
Tabla 3.
Características de los estudios incluidos
Código
Autor/año
País
Tipo de
estudio
Enfoque
Muestra o
corpus
Nivel
educativo
E1-Walczak
Walczak y
Cellary (2023)
Polonia
Empírico
con análisis
teórico-
discursivo
Mixto
143 estudiantes
universitarios
Educación
superior
E2-
Nikolopoulou
Nikolopoulou
(2024)
Grecia
Estudio
cualitativo
Cualitativo
ChatGPT como
sujeto de
consulta y
literatura
reciente validada
por la autora
Educación
superior
Nota. Elaborado por los autores
El análisis inicial permite identificar que los estudios se sitúan en escenarios europeos
y examinan la inteligencia artificial generativa a partir de perspectivas diversas pero
articuladas entre sí. Walczak & Cellary (2023) analizan percepciones estudiantiles y
riesgos institucionales asociados con el uso extendido de IA generativa mientras que
Nikolopoulou (2024) explora posibilidades pedagógicas de ChatGPT como herramienta
de apoyo para docentes, estudiantes e investigadores. La variación metodológica
adquiere relevancia debido a que el corpus documental disponible no proporciona aún
evidencia empírica robusta para inferir efectos causales, por el contrario, el alcance
conceptual se circunscribe a un análisis de carácter exploratorio, lo cual permite la
descripción de vectores de desarrollo, desafíos, oportunidades, en conjunto con los
condicionantes didácticos requeridos para un uso reflexivo.
3.2. Herramientas de inteligencia artificial generativa identificadas
Los estudios analizados evidencian una presencia predominante de modelos
conversacionales como en las herramientas de generación textual, aunque también se
identifican aplicaciones orientadas a la creación de imágenes como al apoyo en tareas
de programación. En el estudio de Walczak y Cellary (2023), las herramientas
identificadas fueron GPT-4, GPT-3.5, Open Assistant, DALL-E, Midjourney, Bing Chat y
GitHub Copilot, en cambio, Nikolopoulou (2024) centró su análisis específicamente en
ChatGPT, modelo GPT-3.5, utilizado como asistente de investigación, así como punto
de partida para identificar posibilidades pedagógicas en educación superior. Las
herramientas identificadas y sus usos educativos se organizan tal como se muestra en
la Tabla 4.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
918
Arculo Cienco
Tabla 4.
Herramientas de IA generativa y usos educativos identificados
Estudio
Herramientas de IA generativa
Uso educativo identificado
Walczak &
Cellary (2023)
GPT-4, GPT-3.5, Open Assistant, DALL-E, Midjourney,
Bing Chat y GitHub Copilot
Búsqueda de información
Resolución de problemas
Programación
Comprensión de temas
complejos
Exploración por curiosidad
Nikolopoulou
(2024)
ChatGPT, modelo GPT-3.5
Generación de ideas
Apoyo a la investigación
Personalización del
aprendizaje
Evaluación automatizada
Retroalimentación
Asistentes virtuales
Traducción
Simulaciones Accesibilidad
Nota. Elaborado por los autores
Los resultados evidencian que la IA generativa no se limita a una función única dentro
de la educación superior, su uso puede orientarse a tareas académicas, cognitivas,
comunicativas, así como de apoyo docente. Los dos estudios coinciden en que estas
herramientas no deben ser asumidas como sustitutas del razonamiento humano ni de
la mediación docente, puesto que el valor educativo depende de la capacidad del
estudiante y del profesorado para analizar, verificar, contrastar o contextualizar las
respuestas generadas.
3.3. Dimensiones del pensamiento crítico abordadas
En lo concerniente al desarrollo del pensamiento crítico, la literatura seleccionada centra
su atención en variables operacionales específicas, tales como la evaluación de la
fiabilidad de las fuentes, la argumentación lógica, la identificación de inconsistencias,
así como el examen crítico de los sesgos como de los contenidos producidos de forma
sintética por la inteligencia artificial. La distinción entre hechos verificables con
“alucinaciones” generadas por los modelos de IA representa un aspecto central en el
uso académico de estas herramientas, debido a que exige procesos de verificación,
análisis como de juicio crítico durante la interacción con sistemas generativos (Walczak
& Cellary, 2023). La relación observada permite comprender que el pensamiento crítico
opera como una competencia deseable en la educación superior, al mismo tiempo como
una condición necesaria para un uso académicamente riguroso de la IA generativa.
Nikolopoulou (2024) por su parte enfatiza la centralidad de la evaluación humana frente
a los resultados generados por herramientas como ChatGPT, desde esta perspectiva,
el pensamiento crítico se operacionaliza a través de procesos indispensables de
revisión, validación y contextualización de la producción automatizada previo a su
transferencia al ámbito pedagógico o investigativo. La inteligencia artificial (IA) funciona
como un catalizador de ideas conceptualmente útiles pero sus productos exigen un filtro
humano riguroso debido a vulnerabilidades latentes como la inexactitud factual, los
sesgos algorítmicos, el reduccionismo cultural o el riesgo de malas praxis operativas.
Las dimensiones del pensamiento crítico abordadas en los estudios incluidos se
resumen tal como se muestra en la Tabla 5.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
919
Arculo Cienco
Tabla 5.
Dimensiones del pensamiento crítico identificadas en los estudios incluidos
Dimensión del
pensamiento crítico
Evidencia identificada en los estudios
Evaluación de la
veracidad
Verificación de hechos, detección de errores y reconocimiento de alucinaciones
Análisis crítico
Revisión de contenidos generados por IA y contraste con fuentes académicas
Razonamiento lógico
Diferenciación entre respuestas basadas en patrones estadísticos y
razonamiento fundamentado
Juicio crítico
Valoración de la utilidad, límites y pertinencia de las respuestas generadas
Reflexión ética
Consideración de plagio, autoría, sesgos, privacidad y uso responsable
Autorregulación
Necesidad de evitar dependencia cognitiva y mantener esfuerzo intelectual propio
Nota. Elaborado por los autores
En términos generales, los estudios incluidos muestran que la inteligencia artificial
generativa puede favorecer procesos asociados al pensamiento crítico cuando al
emplearse como recurso para contrastar la información, revisar planteamientos,
promover la discusión o perfeccionar ideas. Cuyo, uso también puede limitar dichos
procesos cuando el estudiante asume las respuestas generadas de manera acrítica, sin
valorar su validez, coherencia, sustento en fuentes o implicaciones éticas.
3.4. Efectos positivos identificados
En los estudios incluidos se identifican beneficios vinculados con el incremento de la
productividad académica, la personalización del aprendizaje, el fortalecimiento de la
generación de ideas, el apoyo a la producción escrita, la optimización de la resolución
de problemas, la provisión de retroalimentación inmediata y la ampliación de las
condiciones de accesibilidad. No obstante, la magnitud e impacto de estos beneficios
dependen del contexto de implementación, las competencias digitales de los usuarios y
las estrategias pedagógicas que orientan su utilización.
En este sentido, Walczak y Cellary (2023) sostienen que estas herramientas favorecen
el desarrollo de tareas cognitivamente complejas al proporcionar asistencia en
programación, facilitar la comprensión de contenidos de elevada dificultad y estimular
procesos creativos, lo que evidencia su potencial como recurso de apoyo para el
aprendizaje de nivel superior.
Nikolopoulou (2024) de manera complementaria identifica contribuciones relacionadas
con la personalización del aprendizaje, así como con la automatización de la evaluación,
de la misma manera relacionadas con la generación de recursos educativos, el apoyo a
las actividades de investigación, la mejora de la accesibilidad y el fortalecimiento de la
práctica docente. En conjunto, estos resultados respaldan el potencial transformador de
la inteligencia artificial generativa en los procesos de enseñanza y aprendizaje; sin
embargo, también ponen de manifiesto la necesidad de que se promueva una
implementación tanto crítica como pedagógicamente fundamentada, la cual garantice
un uso ético, responsable, a la vez que orientado al logro de resultados educativos de
calidad.
La IA generativa desempeña un importante papel como herramienta de apoyo cognitivo
y pedagógico, en particular ayuda a los estudiantes en la exploración de alternativas,
organización de información, formulación de preguntas, de la misma manera en una
retroalimentación rápida. Con respecto al profesorado apoya en el diseño de materiales,
la planificación de actividades, así como también en la generación de recursos
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
920
Arculo Cienco
preliminares, sin embargo, estos beneficios aparecen condicionados por la mediación
docente, la alfabetización en IA o la exigencia de evaluar críticamente las respuestas
generadas.
3.5. Efectos negativos y riesgos identificados
Se han identificado varios riesgos que presentan una convergencia evidente entre los
estudios analizados, pues el acceso inmediato a contenidos generados por inteligencia
artificial puede comprometer el desarrollo del pensamiento crítico cuando los
estudiantes aceptan la información proporcionada sin verificarla ni contrastarla con
fuentes confiables (Walczak & Cellary, 2023). Un dato importante es que, pese a que el
79 % de los participantes manifestó haber utilizado ChatGPT, el 50,7 % no detectó un
error factual evidente en una biografía generada por esta herramienta. La diferencia
entre la adopción generalizada de sistemas de inteligencia artificial y las competencias
necesarias para la evaluación crítica de la fiabilidad de sus contenidos, revela la
necesidad de que se fortalezca la alfabetización digital junto con el pensamiento crítico
como condiciones necesarias para un uso efectivo en ámbitos educativos (Walczak &
Cellary, 2023).
Los riesgos descritos por Nikolopoulou (2024) incluyen integridad académica, plagio,
dependencia excesiva, alucinaciones, información inexacta, sesgos algorítmicos,
privacidad de datos y ampliación de la brecha digital. Tales resultados muestran que el
problema no se limita al acceso tecnológico, sino a la forma en que la IA generativa se
incorpora en las prácticas académicas, pues su uso centrado en respuestas rápidas, sin
análisis ni verificación, puede reducir la profundidad del aprendizaje y debilitar procesos
de argumentación, evaluación y autorregulación. Los principales riesgos identificados
se sintetizan en la Tabla 6.
Tabla 6.
Riesgos asociados al uso de IA generativa identificados en los estudios incluidos
Riesgo identificado
Manifestación en los estudios
Dependencia
cognitiva
Uso de la IA como sustituto del razonamiento propio
Alucinaciones
Generación de información falsa presentada con apariencia de veracidad
Aceptación acrítica
Dificultad para detectar errores o inconsistencias
Integridad
académica
Riesgo de plagio, autoría difusa y uso indebido
Sesgos algorítmicos
Reproducción de perspectivas culturales o informacionales limitadas
Brecha digital
Diferencias en acceso, competencias y uso crítico de herramientas
Privacidad
Riesgos asociados con datos ingresados en sistemas de IA
Nota. Elaborado por los autores
Los resultados permiten afirmar que la IA generativa, por sí sola, no garantiza el
desarrollo del pensamiento crítico, su incidencia depende de las condiciones de uso, el
tipo de actividad, la intervención docente, así como del nivel de competencia crítica del
estudiante.
3.6. Resultados mixtos o no concluyentes
La matriz de análisis muestra resultados heterogéneos en los estudios revisados, con
oportunidades y desafíos asociados al uso de la inteligencia artificial generativa en el
ámbito educativo. En el estudio de Walczak y Cellary (2023), los participantes reconocen
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
921
Arculo Cienco
beneficios vinculados con el incremento de la productividad académica, el estímulo de
la creatividad y el apoyo en diversas tareas de aprendizaje.
Los autores también identifican limitaciones significativas, entre ellas la dificultad para
reconocer errores en los contenidos, la tendencia a depender de respuestas
automatizadas como el posible deterioro de las habilidades de razonamiento lógico
como análisis crítico, sin embargo, aunque estas herramientas pueden favorecer ciertos
procesos de aprendizaje, su uso sin supervisión ni evaluación crítica podría afectar el
desarrollo de capacidades cognitivas centrales, asimismo, el estudio reporta opiniones
divididas sobre el eventual reemplazo parcial de docentes por herramientas de IA, así
como dudas sobre la madurez de estos sistemas para tareas evaluativas, como la
calificación de exámenes.
En el estudio de Nikolopoulou (2024), la IA generativa se presenta como una tecnología
con amplio potencial pedagógico, aunque su implementación requiere mayor evidencia
empírica en ámbitos educativos concretos, la autora reconoce que estas herramientas
apoyan en la generación de ideas y en la exploración de posibilidades didácticas, pero
mantiene que no reemplazarán la participación humana en los procesos de enseñanza
y aprendizaje. El resultado no permite establecer un impacto directo y concluyente sobre
el pensamiento crítico; más bien delimita condiciones para un uso educativo
responsable, ético y no sustitutivo de la acción docente ni de la autonomía intelectual
del estudiante.
3.7. Estrategias pedagógicas recomendadas
Los estudios incluidos coinciden en la necesidad de integrar la IA generativa mediante
estrategias pedagógicas deliberadas, orientadas al fortalecimiento de la alfabetización
en IA, la formulación de prompts efectivos, el escepticismo saludable, la capacitación de
docentes junto con estudiantes, el rediseño curricular, la evaluación de habilidades de
orden superior, así como también la conservación de espacios evaluativos sin acceso a
IA cuando sea necesario verificar conocimientos éticos y personales (Walczak & Cellary,
2023; Nikolopoulou, 2024). Las estrategias identificadas se organizan en cinco ejes de
intervención, vinculados con alfabetización tecnológica, pensamiento crítico, evaluación
auténtica, formación docente y ética académica.
El primer eje corresponde al fortalecimiento de la alfabetización en inteligencia artificial,
entendida como el desarrollo de competencias para la comprensión del funcionamiento
de estas tecnologías, el reconocimiento de sus capacidades junto con sus limitaciones,
de la misma manera para la interpretación de los mecanismos de generación de
respuestas e identificación de los riesgos asociados con su utilización. El segundo eje
se orienta al diseño de estrategias didácticas dirigidas al pensamiento crítico mediante
actividades en las cuales el estudiante evalúe, contraste y al mismo tiempo valide la
información producida por la IA, además de que justifique sus argumentos, corrija
imprecisiones e identifique inconsistencias.
El tercer eje se relaciona con la implementación de modelos de evaluación auténtica,
los cuales están centrados en los procesos de razonamiento, argumentación, así como
reflexión, antes que en la simple elaboración de productos que pueden ser generados
automáticamente. El cuarto eje se vincula con la formación docente pues el profesorado
requiere competencias para el diseño de experiencias de aprendizaje pertinentes, de la
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
922
Arculo Cienco
misma manera requiere de criterios claros de uso en donde se orienten las prácticas
pedagógicas sustentadas.
El quinto eje corresponde a la incorporación de principios de ética académica en el uso
de la inteligencia artificial, considerando la autoría, la transparencia, la citación
adecuada, la prevención del plagio, la protección de la privacidad, en conjunto con la
mitigación de sesgos algorítmicos. En estas líneas de acción se muestran que el
aprovechamiento educativo de la IA generativa requiere de una integración planificada,
crítica, al mismo tiempo que sustentada en criterios pedagógicos y éticos, más allá de
su incorporación como recurso tecnológico.
3.8. Vacíos de investigación identificados
Los vacíos identificados en la matriz muestran que aún se requiere mayor evidencia
empírica sobre los efectos de la IA generativa en el pensamiento crítico, pues la
incertidumbre persiste respecto a la evolución de la calidad de la IA, especialmente si
los modelos continúan entrenándose con contenidos generados por sistemas que
pueden reproducir errores, además de limitaciones asociadas con el tamaño reducido
de ciertos segmentos de la muestra (Walczak & Cellary, 2023).
La literatura también demanda estudios de largo plazo, investigaciones en escenarios
educativos reales, análisis comparativos entre modalidades tanto presenciales como
virtuales, de la misma manera estudios específicos por disciplina (Nikolopoulou, 2024),
estas necesidades muestran que la investigación sobre los efectos de la IA generativa
en los procesos educativos todavía se encuentra en una etapa inicial de consolidación.
La base empírica debe ampliarse mediante estudios con muestras de mayor tamaño y
diversidad, junto con instrumentos validados que permitan una evaluación con mayor
rigor en el desarrollo del pensamiento crítico. La implementación de diseños
longitudinales, experimentales o cuasiexperimentales permitiría establecer relaciones
causales y analizar los efectos de estas tecnologías a lo largo del tiempo.
La producción científica también requiere mayor desarrollo en ámbitos
latinoamericanos, con el propósito de que se genere evidencia situada que permita una
mejor comprensión de las particularidades de la adopción e integración de la inteligencia
artificial en sistemas educativos con características socioculturales y pedagógicas
diversas. El análisis futuro debe considerar la frecuencia de uso de la IA generativa pero
también la calidad de las interacciones estudiante-IA, el tipo de mediación docente, así
como las estrategias que convierten las respuestas generadas en oportunidades de
análisis, argumentación o autorregulación.
3.9. Síntesis de resultados según las preguntas derivadas
La respuesta a la primera pregunta derivada muestra que los estudios analizados
presentan características metodológicas diversas, pues el corpus incluye un estudio
mixto con encuesta a estudiantes universitarios y un estudio cualitativo que utiliza
ChatGPT como asistente de investigación. Ambos estudios se desarrollan en educación
superior y abordan el uso de IA generativa desde una perspectiva pedagógica, ética, así
como crítica, aunque el número reducido de estudios en la matriz limita la posibilidad de
establecer patrones generales por país, disciplina, enfoque metodológico o tipo de
herramienta.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
923
Arculo Cienco
La segunda pregunta derivada permitió reconocer que las dimensiones del pensamiento
crítico abordadas con mayor frecuencia comprenden la evaluación de la veracidad de la
información, el análisis crítico de los contenidos generados por IA, el razonamiento
lógico, la identificación de sesgos, la autorregulación del aprendizaje, junto con la
reflexión ética. Los efectos favorables se asocian con el fortalecimiento de la
comprensión, la generación de ideas, el incremento de la productividad académica, el
estímulo de la creatividad, la mejora de la accesibilidad, pero también la disponibilidad
de retroalimentación inmediata.
Los principales riesgos identificados incluyen dependencia cognitiva, al mismo tiempo
afectación de la aceptación acrítica de respuestas generadas, también plagio,
reproducción de sesgos algorítmicos y disminución del esfuerzo reflexivo por parte de
los estudiantes. Los resultados muestran que el impacto de la inteligencia artificial
generativa sobre el pensamiento crítico es heterogéneo y depende en gran medida de
las condiciones pedagógicas bajo las cuales se implementa.
El potencial de la IA generativa en el fortalecimiento de las competencias de
pensamiento crítico se concreta cuando su uso se acompaña de estrategias didácticas
orientadas al análisis, la argumentación, en conjunto con la evaluación crítica de la
información. Su utilización como sustituto del razonamiento autónomo, por el contrario,
limita el desarrollo de estas capacidades al mismo tiempo que debilita la participación
activa del estudiante en la construcción de respuestas propias.
La tercera pregunta derivada permitió la identificación de estrategias pedagógicas
centradas en alfabetización en IA, diseño de prompts, evaluación crítica de respuestas,
formación docente, rediseño curricular, evaluación de habilidades de orden superior, así
como también la regulación ética del uso de IA. Los vacíos identificados se relacionan
con la falta de estudios empíricos longitudinales, investigaciones con instrumentos
validados, análisis en escenarios reales de aula, estudios por disciplinas específicas
junto a mayor producción científica en ámbitos iberoamericanos o latinoamericanos.
Los resultados preliminares se afirma que la inteligencia artificial generativa representa
una herramienta con alto potencial para la educación superior, aunque sus efectos sobre
el pensamiento crítico no son automáticos ni uniformes, por ende, la evidencia analizada
permite inferir que el pensamiento crítico no se desarrolla por la simple exposición a
herramientas generativas, sino mediante tareas intencionadas que exijan la verificación
junto con el contraste, argumentación, justificación como reflexión, razón por la cual la
IA generativa debe integrarse como recurso de mediación, no como reemplazo del ser
humano, de la función docente ni de los procesos académicos de evaluación crítica.
4. Discusión
4.1 Interpretación global de los hallazgos
Los hallazgos identificados sobre los efectos de la inteligencia artificial generativa en el
pensamiento crítico en educación superior son diversos y dependen, en gran medida,
del uso pedagógico que se promueva en el aula. En varias investigaciones, la
inteligencia artificial generativa se reconoce como una herramienta de apoyo para la
productividad académica, la comprensión y explicación de contenidos complejos, la
generación de ideas, la retroalimentación inmediata, la escritura académica y la
personalización del aprendizaje. No obstante, los estudios revisados también advierten
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
924
Arculo Cienco
riesgos asociados con la dependencia cognitiva, la aceptación acrítica de respuestas, el
plagio, los sesgos algorítmicos, la privacidad de los datos y la reducción del esfuerzo
reflexivo del estudiante (Nikolopoulou, 2024; Walczak & Cellary, 2023).
La evidencia analizada no permite establecer una relación causal directa entre el uso de
la inteligencia artificial generativa y el desarrollo del pensamiento crítico. Más bien,
permite inferir que estas herramientas favorecen procesos críticos cuando se utilizan
con criterios pedagógicos claros orientados al contraste, la verificación, el análisis, la
discusión y la reformulación de información. La IA generativa también puede debilitar el
pensamiento crítico cuando reemplaza el razonamiento propio del estudiante o
promueve respuestas rápidas sin reflexión.
4.2 Relación de los resultados con la literatura previa
Los resultados obtenidos coinciden con investigaciones recientes que describen la
inteligencia artificial generativa como una tecnología educativa de doble efecto, con
potencialidades pedagógicas y riesgos cognitivos. Los modelos de lenguaje aportan a
los procesos de enseñanza y aprendizaje mediante procesos efectivos tales como la
retroalimentación inmediata, la adaptación de recursos a necesidades estudiantiles y el
apoyo en tareas académicas, sobre todo en redacción, escritura académica, búsqueda
de información o acompañamiento formativo (Kasneci et al., 2023; Lo, 2023; Chan &
Hu, 2023).
Los aportes identificados también guardan relación con el estudio de Nikolopoulou
(2024), donde la IA generativa aparece asociada con generación de ideas,
individualización del aprendizaje, accesibilidad a recursos, así como creación de
material pedagógico para el docente. La coincidencia entre estos estudios permite
reconocer que la IA apoya en los procesos universitarios cuando se integra como
recurso de mediación más no como un sustituto del razonamiento académico.
La literatura revisada también advierte desafíos vinculados con el uso de estas
herramientas en educación superior, pues las tensiones con la integridad académica
aparecen cuando ChatGPT u otros sistemas se emplean para la elaboración de trabajos
sin transparencia, sin reflexión crítica o sin reconocimiento adecuado del apoyo
tecnológico utilizado (Cotton et al., 2024). Los problemas de sesgo, opacidad de los
sistemas o producción de respuestas aparentemente coherentes, aunque no siempre
sustentadas en fuentes bibliográficas reales, han sido discutidos en estudios críticos
sobre modelos de lenguaje (Bender et al., 2021), esta preocupación se relaciona con
los resultados de Walczak y Cellary (2023), quienes evidenciaron que una parte
importante de los estudiantes utiliza ChatGPT, pero no siempre tiene habilidades
suficientes para la identificación de errores factuales producidos por la herramienta.
El debate sobre la inteligencia artificial generativa en educación superior no debe
reducirse a una discusión tecnológica, pues también representa un desafío pedagógico.
El desarrollo del pensamiento crítico exige que los estudiantes evalúen aspectos que
van desde la calidad, veracidad, coherencia, pertinencia, hasta el sustento de la
información que reciben; por esa razón, su incorporación en los procesos formativos
requiere una mediación docente intencional, orientada al fortalecimiento de la reflexión,
la verificación de fuentes, en conjunto con la toma de una postura crítica frente al
conocimiento generado por la IA.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
925
Arculo Cienco
4.3 Condiciones pedagógicas para fortalecer el pensamiento crítico
Los resultados permiten plantear que la inteligencia artificial puede contribuir al
fortalecimiento del pensamiento crítico cuando su uso responde a un diseño pedagógico
deliberado. A partir del enfoque de Facione (1990), el pensamiento crítico comprende
habilidades como análisis, interpretación, inferencia, evaluación, explicación, así como
autorregulación, estas dimensiones no se desarrollan por el simple uso de una
herramienta generativa, sino por el tipo de tarea, el propósito formativo o el nivel de
participación crítica solicitado al estudiante. La copia directa de una respuesta de
ChatGPT reduce el esfuerzo cognitivo; en cambio, el contraste de esa respuesta con
fuentes académicas facilita la identificación de errores en conjunto con la reformulación
de argumentos, de la misma manera la justificación de decisiones puede favorecer la
evaluación, la reflexión, junto con la autorregulación.
Raitskaya & Tikhonova (2025) plantean que la inteligencia artificial generativa puede
favorecer el desarrollo del pensamiento crítico cuando se integra en experiencias de
aprendizaje orientadas al razonamiento activo, el monitoreo metacognitivo y la
autonomía crítica del estudiante universitario. De manera complementaria, Nasr et al.
(2025) señalan que el impacto de ChatGPT en el pensamiento crítico depende de la
calidad de la interacción entre el ser humano y la IA, en este sentido, distinguen entre
usos pasivos, en los que el estudiante acepta las respuestas generadas por la
herramienta, así como usos colaborativos, en los que el estudiante cuestiona las
respuestas mientras conserva control crítico sobre el proceso.
Varios de estos aportes identifican que el impacto de Chat-GPT en el pensamiento
crítico depende de la calidad de la interacción humano-IA, diferenciando entre usos
pasivos, en los que el estudiante acepta las respuestas generadas, así como su uso
colaborativo en los que el estudiante mantiene control crítico sobre el proceso. La
mediación docente resulta importante para la orientación del uso de la IA generativa
hacia actividades que no la posicionen como una autoridad final, sino como un recurso
para la promoción del análisis, la discusión, la revisión argumentada, así como la
justificación de ideas.
4.4 Riesgos éticos y cognitivos
El uso de inteligencia artificial generativa en educación superior plantea una serie de
riesgos que pueden incidir en el desarrollo del pensamiento crítico, especialmente
cuando estas herramientas se emplean sin una orientación pedagógica adecuada, es
así que entre los principales desafíos se encuentra la posibilidad de que el estudiante
adopte una relación de dependencia con la IA, delegando en ella procesos cognitivos
que requieren supervisión personal como la autorregulación, esta situación puede
reducir la capacidad del estudiante para revisar sus propios razonamientos, tomar
decisiones fundamentadas como asumir un rol activo en la construcción del
conocimiento, asimismo, cuando las respuestas generadas por la IA son aceptadas sin
cuestionamiento se debilita la habilidad para evaluar información, contrastar evidencias,
reconocer contradicciones e incluso diferenciar entre contenidos confiables con las
afirmaciones que carecen de respaldo.
Otro aspecto importante se relaciona con las denominadas alucinaciones de los
sistemas generativos, es decir, respuestas incorrectas o imprecisas que se presentan
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
926
Arculo Cienco
con un alto grado de seguridad discursiva, pues si estas respuestas no son verificadas
mediante fuentes académicas confiables, pueden afectar la inferencia, el juicio crítico,
así como la calidad de los argumentos elaborados por los estudiantes, asimismo, a esto
se suman los sesgos algorítmicos que pueden condicionar la interpretación de la
información junto con la construcción argumentativa, al reproducir perspectivas
parciales, hegemónicas o culturalmente limitadas (Bender et al., 2021; Miao & Holmes,
2023).
Desde una perspectiva ética, la incorporación de la IA generativa también obliga a
replantear las prácticas de evaluación y producción académica. Problemas como el
plagio, la ambigüedad en la autoría, el manejo de datos personales y la falta de
transparencia sobre el uso de estas herramientas generan tensiones en los criterios
tradicionales de integridad académica. En este sentido, Cotton et al. (2024) advierten
que las instituciones de educación superior deben revisar sus políticas institucionales,
debido a que los sistemas generativos dificultan la delimitación entre el trabajo
intelectual propio del estudiante, la asistencia tecnológica permitida y la sustitución del
esfuerzo académico. Por tanto, más que optar por una prohibición generalizada, resulta
necesario establecer normas claras, promover una formación ética sobre el uso de la IA
y definir criterios pedagógicos explícitos que orienten cuándo, cómo y con qué finalidad
puede emplearse esta tecnología en los procesos universitarios.
4.5 Implicaciones para la educación superior
Los resultados analizados proponen retos significativos para la práctica pedagógica
como para la gestión institucional en la educación superior, por consiguiente, las
universidades e institutos necesitan superar posturas extremas frente al uso de la
inteligencia artificial generativa. Una prohibición absoluta puede resultar poco viable,
ante la expansión como la accesibilidad de estas herramientas, aunque su incorporación
requiere lineamientos específicos claros para evitar prácticas acríticas, dependencia
cognitiva, así como la falta de transparencia en la producción académica.
La incorporación de la inteligencia artificial generativa exige repensar el diseño de
actividades como de evaluaciones. Las tareas centradas únicamente en la entrega de
productos finales pueden ser fácilmente reemplazadas por respuestas automatizadas,
en cambio, aquellas que solicitan justificar decisiones, explicar procedimientos, registrar
fuentes, comparar resultados, defender argumentos e incluso reflexionar sobre los
errores favorecen un uso más consciente pero menos superficial de estas tecnologías.
En la misma línea, la formación docente representa un componente esencial, dado que
el profesorado necesita reconocer tanto las posibilidades como las limitaciones de la IA
generativa para diseñar experiencias de aprendizaje en las que esta herramienta actúe
como apoyo al proceso formativo, mas no como sustituto del razonamiento del
estudiante, estas consideraciones se relacionan con los planteamientos de la UNESCO,
que promueve una perspectiva centrada en el ser humano basada en la regulación
responsable, el desarrollo de capacidades, así como la protección de la autonomía
educativa frente al avance de las tecnologías generativas (Miao & Holmes, 2023).
(Villafuerte-Santos et al., 2025).
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
927
Arculo Cienco
4.6 Rol docente y evaluación auténtica
La incorporación de la inteligencia artificial generativa en la educación superior modifica
de manera significativa las responsabilidades del profesorado, por lo tanto, en este
escenario la labor docente no debería centrarse únicamente en vigilar el uso de estas
herramientas, sino en generar condiciones pedagógicas que permitan utilizarlas de
forma crítica, asimismo, partiendo de esta perspectiva, la evaluación auténtica se vuelve
especialmente importante, porque desplaza la atención del producto final hacia los
procesos que el estudiante desarrolla para construir conocimiento, así, resulta
pertinente valorar la manera en que razona, la forma en que argumenta o transfiere lo
aprendido a situaciones concretas, así como el motivo por el que justifica
académicamente sus elecciones.
En lugar de limitar la evaluación a la entrega de respuestas concluidas, el profesorado
puede diseñar actividades que exijan al estudiante transparentar su proceso de
interacción con la IA, esto implica explicar con qué propósito utilizó la herramienta, qué
información decidió conservar, qué elementos descartó, qué inconsistencias reconoció,
qué fuentes empleó para contrastar los resultados, así como la manera en que reelaboró
la información generada hasta convertirla en una producción académica propia, por
consiguiente el uso de la IA deja de ser una acción instrumental pues se convierte en
una oportunidad para fortalecer la reflexión, la autorregulación, así como la
responsabilidad académica.
De igual forma, la construcción de prompts puede adquirir valor formativo cuando se
comprende como parte de un proceso didáctico más amplio, pues elaborar instrucciones
claras para una herramienta de IA requiere delimitar adecuadamente el problema,
precisar conceptos, anticipar criterios de calidad e incluso evaluar la pertinencia de la
respuesta obtenida, sin embargo, la sola formulación de prompts no asegura el
desarrollo del pensamiento crítico, cuyo potencial pedagógico emerge cuando se vincula
con actividades de verificación, contraste de fuentes, revisión de argumentos, debate
académico como de reflexión metacognitiva.
En relación con ello, la inteligencia artificial generativa puede asumir distintos usos
dentro del proceso educativo, pues puede funcionar como apoyo para dialogar con ideas
iniciales, simular escenarios, proponer contraargumentos o brindar retroalimentación
preliminar, sin embargo, estos aportes solo resultan formativos cuando el estudiante
conserva una posición activa frente a la herramienta mas no delega en ella la totalidad
del razonamiento, por ello, como plantea Qian (2025), el análisis sobre la presencia de
la IA generativa en la educación superior no debe reducirse a su carácter novedoso,
sino centrarse en la manera en que se integra, de forma pedagógicamente significativa,
en las prácticas de enseñanza como de aprendizaje.
4.7 Vacíos de investigación y futuras líneas de estudio
Los resultados revisados permiten identificar varios vacíos que aún requieren mayor
desarrollo investigativo, es así que uno de los principales desafíos consiste en producir
estudios empíricos que examinen de forma directa cómo la inteligencia artificial
generativa incide en dimensiones concretas del pensamiento crítico, tales como el
análisis, la inferencia, la argumentación, la evaluación de evidencias, la autorregulación
o la reflexión crítica. Hasta el momento, una parte importante de la evidencia disponible
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
928
Arculo Cienco
proviene de percepciones estudiantiles, aproximaciones exploratorias o investigaciones
con alcances metodológicos limitados, por esta razón, resulta necesario fortalecer el
campo mediante diseños longitudinales, experimentales o cuasiexperimentales que
permitan obtener resultados más sólidos.
Al mismo tiempo, se requiere avanzar en la construcción como en la validación de
instrumentos que permitan evaluar el pensamiento crítico en escenarios de aprendizaje
mediados por inteligencia artificial, esta necesidad es especialmente relevante, dado
que no basta con conocer si los estudiantes utilizan o no estas herramientas, por ende,
es esencial comprender la calidad de esa interacción, por consiguiente, futuras
investigaciones deberían analizar la manera en que los estudiantes formulan sus
preguntas, interpretan las respuestas generadas, contrastan la información recibida
mientras transforman los resultados obtenidos en producciones académicas propias.
Otro aspecto pendiente es la ampliación de los ámbitos de estudio, pues la literatura
disponible se concentra principalmente en realidades europeas, asiáticas como
anglosajonas, evidenciando la necesidad de desarrollar investigaciones en América
Latina e Iberoamérica, este enfoque permitiría reconocer particularidades culturales,
institucionales como pedagógicas que pueden influir en la forma en que la inteligencia
artificial generativa se incorpora en la educación superior, a su vez, se requieren
estudios diferenciados por áreas disciplinares, debido a que sus efectos pueden variar
según el campo de formación, ya sea en ciencias, humanidades, ingeniería, salud o
formación docente.
En última instancia, resulta pertinente profundizar en líneas de investigación
relacionadas con la mediación docente, las políticas institucionales, la evaluación
auténtica, así como la alfabetización crítica en inteligencia artificial, estos estudios
permitirían identificar estrategias pedagógicas e institucionales capaces de reducir los
riesgos asociados al uso acrítico de estas tecnologías, al mismo tiempo, potenciar
aprendizajes de orden superior en los estudiantes universitarios.
4.8 Cierre integrador de la discusión
La evidencia revisada permite sostener que la inteligencia artificial generativa puede
establecerse en un recurso de apoyo para el desarrollo del pensamiento crítico en la
educación superior, sin embargo, este aporte no ocurre de manera automática ni se
manifiesta del mismo modo en todos los entornos, cuyo valor formativo depende de las
condiciones pedagógicas en las que se incorpora, de la alfabetización en inteligencia
artificial, de la transparencia ética en su uso, de la verificación rigurosa de la información
como del diseño de actividades que exijan al estudiante autorregular su propio
aprendizaje. (Jácome-Jácome, 2026)
A partir del enfoque expuesto, la IA generativa puede ampliar las posibilidades de
exploración de ideas, facilitar procesos de retroalimentación e incluso enriquecer
determinadas prácticas académicas, sin embargo, también puede convertirse en un
factor que limite el pensamiento crítico cuando se utiliza para obtener respuestas
inmediatas sin reflexión, cuando favorece la dependencia cognitiva o cuando conduce
a aceptar contenidos sin un proceso previo de análisis o validación, por ello, el debate
no debería centrarse únicamente en definir si la IA generativa es positiva o negativa
para la educación superior, sino en identificar las condiciones didácticas, éticas e
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
929
Arculo Cienco
institucionales que permiten convertirla en una herramienta orientada a la formación
crítica de los estudiantes universitarios.
5. Conclusiones
En los resultados de los estudios incorporados a la revisión, los efectos de la inteligencia
artificial generativa sobre el pensamiento crítico en educación superior se presentan
como significativos, aunque no aparece de forma automático ni homogénea. Los
estudios analizados reportan que estas herramientas pueden favorecer procesos
vinculados con la evaluación de la información, el análisis crítico, la generación de ideas,
la argumentación, la comprensión de contenidos complejos, así como la
retroalimentación inmediata cuando se incorporan mediante tareas académicas
guiadas, mediación docente como por criterios explícitos de verificación, por lo tanto, la
IA generativa puede funcionar como un recurso de apoyo tanto cognitivo como
pedagógico, siempre que sus respuestas sean tratadas como insumos preliminares que
requieren reelaboración por parte del estudiante.
Los resultados también evidencian que el uso de IA generativa puede generar efectos
problemáticos cuando se emplea de manera acrítica o sustitutiva del razonamiento
humano, por ello, entre los riesgos identificados se encuentran la dependencia cognitiva,
la aceptación de información no verificada, las alucinaciones, los sesgos algorítmicos,
la autoría difusa, el plagio, la privacidad de datos, así como la reducción del esfuerzo
reflexivo, estos aspectos muestran que el acceso a herramientas generativas no
garantiza por sí mismo el fortalecimiento del pensamiento crítico, por el contrario, puede
debilitarlo si el estudiante delega procesos de análisis, inferencia, evaluación como de
autorregulación en respuestas automatizadas.
La revisión sistemática ofrece una lectura ordenada de una evidencia todavía dispersa
que se encuentra en proceso de consolidación, por ello, dado el número reducido de
estudios incluidos, su contribución consiste en identificar indicios preliminares,
diferenciar beneficios como de riesgos, reconocer resultados heterogéneos, así como
delimitar condiciones pedagógicas necesarias para un uso crítico de la IA generativa en
educación superior, específicamente, los resultados permiten afirmar que el valor
educativo de estas herramientas depende de su integración en experiencias que exijan
verificar fuentes, comparar perspectivas, identificar inconsistencias, justificar decisiones,
producir argumentos propios e incluso reflexionar sobre el proceso de aprendizaje.
A partir del punto de vista educativo, los resultados refuerzan la necesidad de avanzar
hacia modelos de integración pedagógica sustentados en alfabetización en IA,
formación docente, evaluación auténtica como de regulación ética. Las actividades
universitarias deberían orientarse menos a la producción final de respuestas pero más
a la explicación de procedimientos, la trazabilidad del razonamiento, el análisis de
evidencias, así como a la transparencia del uso de herramientas generativas, por ello,
bajo estas condiciones, la IA puede convertirse en un medio para estimular la reflexión
metacognitiva, la autonomía intelectual, así como la responsabilidad académica, sin
desplazar el papel formativo del profesorado ni la agencia crítica del estudiante.
La rápida evolución tecnológica de la IA generativa también puede modificar en poco
tiempo las condiciones de uso, los riesgos y las posibilidades pedagógicas descritas en
la literatura, estas limitaciones impiden establecer afirmaciones causales definitivas, por
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
930
Arculo Cienco
esa razón, los resultados deben comprenderse como indicios sistematizados mas no
como efectos generalizables a todos los escenarios universitarios.
Futuras investigaciones deberían desarrollar estudios empíricos, longitudinales,
experimentales e incluso cuasiexperimentales que permitan examinar con mayor
precisión cómo la IA generativa incide en dimensiones específicas del pensamiento
crítico, del mismo modo, se requieren investigaciones comparativas por disciplinas,
modalidades educativas, niveles formativos, junto con estudios situados en realidades
latinoamericanas e iberoamericanas. El desafío para la educación superior no consiste
en adoptar o rechazar la IA generativa de manera absoluta, sino en construir
condiciones pedagógicas, éticas, metodológicas como evaluativas que permitan
aprovechar su potencial sin renunciar a la verificación, la argumentación, la autonomía
intelectual, así como la responsabilidad humana en la construcción del conocimiento.
Referencias Bibliográficas
Aromataris, E., Lockwood, C., Porritt, K., Pilla, B., & Jordan, Z. (Eds.). (2024). JBI manual
for evidence synthesis. JBI. https://doi.org/10.46658/JBIMES-24-01
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers
of stochastic parrots: Can language models be too big? In Proceedings of the 2021
ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623).
Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
Bhattacherjee, A. (2012). Social science research: Principles, methods, and practices
(2nd ed.). University of South Florida. https://digitalcommons.usf.edu/oa_textbooks/3
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions,
benefits, and challenges in higher education. International Journal of Educational
Technology in Higher Education, 20, Article 43. https://doi.org/10.1186/s41239-023-
00411-8
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring
academic integrity in the era of ChatGPT. Innovations in Education and Teaching
International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148
Facione, P. A. (1990). Critical thinking: A statement of expert consensus for purposes of
educational assessment and instruction: Research findings and recommendations.
American Philosophical Association. https://eric.ed.gov/?id=ED315423
Higgins, J. P. T., Thomas, J., Chandler, J., Cumpston, M., Li, T., Page, M. J., & Welch,
V. A. (Eds.). (2024). Cochrane handbook for systematic reviews of interventions
(Version 6.5). Cochrane. https://training.cochrane.org/handbook/current
Jácome-Jácome, J. P. (2026). La inteligencia artificial como agente de innovación
pedagógica orientada a la personalización del aprendizaje en educación superior.
Innova Science Journal, 4(1), 1–19. https://doi.org/10.63618/omd/isj/v4/n1/205
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F.,
Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G.,
Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ...
Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large
language models for education. Learning and Individual Differences, 103, Article
102274. https://doi.org/10.1016/j.lindif.2023.102274
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
931
Arculo Cienco
Lo, C. K. (2023). What is the impact of ChatGPT on education? A rapid review of the
literature. Education Sciences, 13(4), Article 410.
https://doi.org/10.3390/educsci13040410
Melisa, R., Ashadi, A., Triastuti, A., Hidayati, S., Salido, A., Ero, P. E. L., Marlini, C.,
Zefrin, Z., & Al Fuad, Z. (2025). Critical thinking in the age of AI: A systematic review
of AI’s effects on higher education. Educational Process International Journal, 14,
Article e2025031. https://doi.org/10.22521/edupij.2025.14.31
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research.
UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Nasr, N. R., Tu, C.-H., Werner, J., Bauer, T., Yen, C.-J., & Sujo-Montes, L. (2025).
Exploring the impact of generative AI ChatGPT on critical thinking in higher education:
Passive AI-directed use or human–AI supported collaboration? Education Sciences,
15(9), Article 1198. https://doi.org/10.3390/educsci15091198
Nikolopoulou, K. (2024). Generative artificial intelligence in higher education: Exploring
ways of harnessing pedagogical practices with the assistance of ChatGPT.
International Journal of Changes in Education, 1(2), 103–111.
https://doi.org/10.47852/bonviewIJCE42022489
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C.
D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J.,
Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E.,
McDonald, S., McGuinness, L. A., Stewart, L. A., Thomas, J., Tricco, A. C., Welch, V.
A., Whiting, P., & Moher, D. (2021a). The PRISMA 2020 statement: An updated
guideline for reporting systematic reviews. BMJ, 372, Article n71.
https://doi.org/10.1136/bmj.n71
Page, M. J., Moher, D., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D.,
Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J.,
Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E.,
McDonald, S., McGuinness, L. A., Stewart, L. A., Thomas, J., Tricco, A. C., Welch, V.
A., Whiting, P., & McKenzie, J. E. (2021b). PRISMA 2020 explanation and
elaboration: Updated guidance and exemplars for reporting systematic reviews. BMJ,
372, Article n160. https://doi.org/10.1136/bmj.n160
PRISMA. (2020a). PRISMA 2020 checklist. https://www.prisma-statement.org/prisma-
2020-checklist
PRISMA. (2020b). PRISMA 2020 flow diagram. https://www.prisma-
statement.org/prisma-2020-flow-diagram
Qian, Y. (2025). Pedagogical applications of generative AI in higher education: A
systematic review of the field. TechTrends, 69, 1105–1120.
https://doi.org/10.1007/s11528-025-01100-1
Raitskaya, L., & Tikhonova, E. (2025). Enhancing critical thinking skills in ChatGPT-
human interaction: A scoping review. Journal of Language and Education, 11(2), 5–
19. https://doi.org/10.17323/jle.2025.27387
Tawfik, G. M., Dila, K. A. S., Mohamed, M. Y. F., Tam, D. N. H., Kien, N. D., Ahmed, A.
M., & Huy, N. T. (2019). A step by step guide for conducting a systematic review and
meta-analysis with simulation data. Tropical Medicine and Health, 47, Article 46.
https://doi.org/10.1186/s41182-019-0165-6
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep| 2026 | www.innovasciencejournal.omeditorial.com
932
Arculo Cienco
Villafuerte-Santos, E. L., Vera-Ponce, I. A., López-Mero, J. K., & Lucas-Mero, M. E.
(2025). Del diseño instruccional tradicional al contenido dinámico: Impacto de la IA
generativa en la adaptación de materiales educativos. Innova Science Journal, 3(E1),
219–233. https://doi.org/10.63618/omd/isj/v3/nE1/190
Walczak, K., & Cellary, W. (2023). Challenges for higher education in the era of
widespread access to generative AI. Economics and Business Review, 9(2), 71–100.
https://doi.org/10.18559/ebr.2023.2.743
Zawacki-Richter, O., Kerres, M., Bedenlier, S., Bond, M., & Buntins, K. (Eds.). (2020).
Systematic reviews in educational research: Methodology, perspectives and
application. Springer VS. https://doi.org/10.1007/978-3-658-27602-7
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
