Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
1. Introducción
La integración de la inteligencia artificial (en adelante IA) en la educación superior de la Región Ica representa un desafío y una oportunidad para cultivar el pensamiento crítico reflexivo en los estudiantes. El objetivo de este binomio es mejorar las habilidades creativas y analíticas, lo que promueve un aprendizaje más profundo y adaptable. IA y el pensamiento crítico reflexivo se combinan para crear un entorno educativo dinámico que prepara a los estudiantes para enfrentar los retos de la tecnología y de una sociedad en constante evolución. Por ejemplo, las herramientas de escritura asistidas por IA han demostrado correlaciones significativas con las habilidades de pensamiento crítico. Por ejemplo, un estudio en el que participaron estudiantes de inglés como lengua extranjera (EFL) demostró que la escritura asistida por IA, moderada por el aprendizaje autodirigido, puede mejorar las habilidades de pensamiento crítico al alentar a los estudiantes a usar estas herramientas de manera crítica e independiente (Xiaolei & Teng, 2024).Essien et al., (2024) descubrieron que el uso de IA generativa, como ChatGPT, mejora las habilidades de pensamiento crítico, en particular en los niveles más bajos de la taxonomía de Bloom. Esta mejora se atribuye a la capacidad de la IA de proporcionar comentarios y recomendaciones personalizados, lo que ayuda a los estudiantes a involucrarse más profundamente con el material (Naatonis et al., 2024). Desde una perspectiva pedagógica el aprendizaje autorregulado y el uso de los portafolios digitales puede promover el pensamiento crítico y las habilidades de resolución de problemas, la autonomía, la adaptabilidad y una comprensión más profunda.
Recientemente, el tema de la IA en la educación superior ha sido abordado y aplicado en distintos campos del conocimiento; por ejemplo Boubker (2024) utilizó el ChatGPT a la autoeducación y analizó su implicancia en la mejora de los aprendizajes. De manera similar, Li et al., (2024) lo implementó a través del Microsoft Learn por parte de los educadores para integrar el aprendizaje con IA en la educación superior. Asimismo, Wu & Zhang (2024) el uso de la IA generativa en áreas no STEM en la educación superior. Finalmente, algunas reflexiones de estudiantes de administración pública destacan el papel de ChatGPT en la educación superior (Aristovnik et al. 2024;Nguyen et al. 2023;Malik et al. 2023,p. 25).
Ahora en relación al (Y) pensamiento crítico reflexivo, se ha evidenciado que los estudiantes pueden desarrollar habilidades de pensamiento crítico a través del análisis de contenido, según un investigador de educación superior (Malik et al., 2023). Además, del método basado en principios y conocimientos educativos, como V a KE, contribuye significativamente a este desarrollo (Pnevmatikos et al., 2019). Para ello; autores como Zembylas, (2022) ofrece nuevos conceptos teóricos sobre la reflexión y el pensamiento crítico, que mejoran la comprensión académica. Además, considera la dinámica pedagógica como un proceso supervisado que enriquece las practicas docentes; prevenir y limitar la oportunidades de enseñanza y aprendizaje críticos que se basan en nociones de apertura e intercambio mutuo (Danvers, 2023;Penkauskiene et al., 2020;Roohr et al., 2019).
La inteligencia artificial: La definición formal, establecida en 1956, describe la IA como ciencia y la ingeniería [...] (Dakhole & Praveena, 2024). Recientemente, se define como la rama de la informática que se ocupa de desarrollar sistemas y programas capaces de realizar tareas que, normalmente, requieren de la inteligencia humana (Gandhi et al. 2022;Sennott et al. 2019). Estos sistemas son diseñados para aprender de la experiencia, adaptarse a nuevas situaciones, realizar razonamientos basados en el conocimiento y desempeñar funciones que imitan la percepción, el entendimiento y la toma de decisiones humanas. La IA desarrolla funciones cognitivas como el aprendizaje, razonamiento, resolución de problemas, percepción, desde algoritmos de aprendizaje automático y redes neuronales hasta sistemas de procesamiento de lenguaje natural y robótica.
Uno de los pioneros fundamentales en el campo de la IA es Alan Turing citado en Alfonseca (2014) cuyo trabajo seminal incluye la propuesta del test de turing, un criterio para evaluar la capacidad de una máquina de exhibir un comportamiento inteligente indistinguible del de un ser humano. Además, figuras contemporáneas como McCarthy et al., (2006),Minsky, (2007)ySimon, (2021) han desempeñado roles cruciales en la fundación y desarrollo de la IA como disciplina. La obra de estos visionarios ha sentado las bases teóricas y prácticas que han permitido el rápido avance y la proliferación de la IA en diversas esferas de la tecnología y la sociedad contemporánea.
A nivel internacional, el uso de IA enfrenta grandes desafíos particularmente en la educación superior. En América Latina abordar las preocupaciones éticas y garantizar el acceso equitativo son fundamentales para su implementación. En primer lugar, la IA mejora la calidad educativa al personalizar el proceso de aprendizaje; permitiendo que estudiantes y docentes mejoren las experiencias de aprendizaje, creatividad y productividad (Ríos Hernández et al., 2024;Grájeda et al., 2024;Grájeda et al., 2023). En esta línea de ideas, la preocupación ética, ha experimentado desafíos importantes, entre ellos la privacidad de datos y los sesgos algorítmicos. Finalmente, la brecha digital no ha limitado el acceso equitativo en estudiantes de bajos ingresos (Ramírez-Montoya et al., 2024;Téllez et al., 2024).
El Perú no ha estado exento, Dávila et al. (2023) destaca la incorporación de la IA en estudiantes de educación superior afirmando la importancia de la privacidad, la ética, los factores sociales y los recursos académicos para mejorar la adopción de la IA. Similarmente, los docentes expresan preocupaciones sobre la deshonestidad académica y la confidencialidad de los datos, en particular con herramientas como ChatGPT (Estrada- Araoz et al., 2024;Alarcón-Llontop et al., 2024;Acosta-Enriquez et al., 2024).
El pensamiento crítico reflexivo es un proceso cognitivo que implica la capacidad de analizar, evaluar y cuestionar de manera profunda y sistemática la información, los argumentos y las situaciones (Águila Moreno, 2014). Como se ha mencionado, va más allá de la mera reflexión superficial, buscando comprender las conexiones subyacentes, identificar sesgos y suposiciones, y considerar perspectivas alternativas. Este tipo de pensamiento va de la mano con la autoevaluación continua y la disposición a ajustar las creencias en función de la evidencia y el razonamiento sólido. Estudios recientes lo abordan desde el proceso metacognitivo, Dwyer et al. (2014) afirma que es un proceso intencionado para producir soluciones lógicas a los problemas. El juicio reflexivo, que es esencial para el logro educativo como el profesional (Dwyer & Walsh, 2020). Procesamiento del sistema 2, modelo de cognición del proceso dual; es deliberado, analítico y reflexivo, y se alinean con al pensamiento crítico (Bonnefon, 2018). La práctica reflexiva es componente vital del proceso de enseñanza y aprendizaje en el campo de la educación (Baporikar, 2021).
Uno de los principales exponentes en el desarrollo del pensamiento crítico reflexivo es el filósofo Dewey (1910), siguen aportando perspectivas a los debates filosóficos contemporáneos. Sus ideas se están revisando y reinterpretando para abordar cuestiones modernas de filosofía y educación. A través de sus obras como "Cómo pensamos", abogó por una educación centrada en el pensamiento activo y reflexivo, destacando la importancia de la experiencia y el razonamiento en la formación de individuos críticos y reflexivos (Hickman, 2007, p. 284). Su enfoque resalta la necesidad de integrar la reflexión en la acción, promoviendo un pensamiento que no solo cuestione la información recibida, sino que también busque activamente soluciones y mejoras.
El fomento del pensamiento crítico reflexivo en los estudiantes de educación superior en la Región de Ica y la IA se presentan como una sinergia poderosa que prepara a las personas para enfrentar los desafíos de un mundo cada vez más tecnológico y complejo (Rodríguez & María, 2021). Asimismo, al introducir herramientas y procesos automatizados, la IA brinda oportunidades para el análisis de grandes conjuntos de datos y la resolución de problemas complejos, habilidades esenciales en una variedad de disciplinas académicas y profesionales. Sin embargo, el pensamiento reflexivo y crítico se vuelve crucial en la interacción con la IA. Es fundamental que los estudiantes aprendan a cuestionar, evaluar y contextualizar la información generada por sistemas automatizados (González, 2023). La capacidad de reconocer la veracidad, identificar sesgos y comprender las limitaciones de la IA impulsa un enfoque más ético y responsable hacia su implementación.
La combinación de IA y pensamiento crítico reflexivo mejora las habilidades técnicas y fomenta un enfoque más amplio en el aprendizaje y la toma de decisiones. En palabras de Bórquez et al., (2020) consideró que los estudiantes desarrollan una mentalidad adaptativa, mejoran su capacidad para resolver problemas de manera creativa y desarrollan un sentido crítico que les permite interactuar con la tecnología emergente de manera más consciente y responsable. En relación a la literatura existente, se planteó el siguiente objetivo determinar la relación que existe entre la IA y el pensamiento crítico en estudiantes de educación superior de la Región Ica.
2. Metodología
En este estudio de investigación no experimental con un enfoque correlacional (Alban et al., 2020), se busca comprender las relaciones existentes entre diferentes variables sin intervenir directamente en la manipulación de estas. Para Jiménez y Pierro (2021) el nivel correlacional implica la exploración de conexiones y patrones estadísticos entre las variables de interés, proporcionando una perspectiva detallada de la asociación entre ellas. Osada et al. (2021) destacan que el diseño metodológico descriptivo correlacional no solo explora fenómenos complejos, sino que también describe y cuantifica tanto la magnitud como la dirección de las relaciones establecidas, lo que facilita una comprensión más detallada de estas dinámicas.
Para la presente investigación, la población estudiada fue finita (Flórez et al., 2022), compuesta por 67 alumnos de una universidad en Ica. Se empleó un enfoque de muestreo no probabilístico (Falcón et al., 2023), específicamente el muestreo por conveniencia, seleccionando participantes según su disponibilidad y accesibilidad para el estudio. Este método facilitó la recolección eficiente de datos, aunque los resultados deben interpretarse con cautela debido a la falta de aleatoriedad en la selección de la muestra (Chacón et al., 2022).
Para la medición de las dos variables IA -24 ítems-, y el pensamiento crítico reflexivo constituida por 34 ítems que reflejan las cinco dimensiones, se evalúan a través de una escala de tipo Likert, la cual va desde Totalmente en desacuerdo (1), en desacuerdo (2), ni de acuerdo ni en desacuerdo (3), de acuerdo (4) y totalmente de acuerdo (5). La técnica que se utilizó la encuesta y el instrumento de cuestionario (Roco Videla et al., 2021).
Procedimiento
Con el fin de llevar a cabo la implementación de los cuestionarios sobre -IA y el pensamiento crítico reflexivo-, se expusieron los objetivos. En primer lugar, se informó a los directivos de la universidad, seguido por la presentación a los estudiantes interesados en participar en esta investigación. Una vez obtenido el consentimiento informado, se procedió a abordar colectivamente a los estudiantes inscritos en el semestre lectivo 2023- II. Se proporcionó información previa sobre el propósito de la investigación, destacando que todas las respuestas serían completamente anónimas. Posteriormente, los estudiantes respondieron de manera individual y voluntaria.
3. Resultados
Los resultados, tanto inferenciales -correlaciones y significancia estadística- como descriptivos -promedios y distribuciones-, se presentaron de manera clara y organizada los datos recopilados. La presentación de los resultados permitió extraer conclusiones significativas alineadas con los objetivos del estudio.
Descriptiva
En la tabla 1, la matriz de correlaciones revela una relación fuerte y positiva entre el pensamiento crítico y la inteligencia artificial, con un coeficiente de correlación de Pearson de 0.975. Esta alta correlación sugiere que los individuos con niveles elevados de pensamiento crítico tienden a interactuar de manera más efectiva con la IA. La significancia estadística, respaldada por un valor p < 0.001, confirma que esta asociación no es probablemente el resultado del azar. Los intervalos de confianza del 95%, estrechos y precisos (0.959 a 0.985), confirman la confiabilidad de la correlación estimada. Además, la anotación con tres asteriscos (**) enfatiza la alta significancia estadística del resultado. En síntesis, esta interpretación sugiere de manera concluyente que existe una conexión positiva y estadísticamente significativa entre el pensamiento crítico y la interacción con la inteligencia artificial. Este hallazgo puede tener implicaciones importantes para entender cómo el pensamiento crítico influye en el uso efectivo de la IA en contextos educativos, laborales y tecnológicos.
En la Figura 1, la matriz de correlaciones examina detalladamente las relaciones entre las variables clave, revelando patrones significativos en la interacción entre IA, toma de decisiones, resolución de problemas, motivación, control emocional y utilidad del pensamiento. En primer lugar, se destaca una fuerte correlación positiva entre IA y toma de decisiones (0.978***), así como con resolución de problemas (0.979***), sugiriendo que un mayor nivel de interacción con la IA se relaciona positivamente con habilidades destacadas en la toma de decisiones y el desempeño destacado en la resolución de problemas. Además, la correlación moderada y positiva entre IA y motivación (0.897) indica que aquellos más involucrados con la IA tienden a mostrar niveles superiores de motivación. En cuanto a las relaciones entre otras variables, la toma de decisiones muestra una correlación positiva y significativa con resolución de problemas (0.998), sugiriendo que la fortaleza en la toma de decisiones está asociada con un rendimiento destacado en la resolución de problemas. Sin embargo, la correlación baja y no significativa entre motivación y control emocional indica una falta de conexión aparente entre estos dos aspectos. El control emocional destaca al exhibir una fuerte correlación positiva con la utilidad del pensamiento (0.802), indicando que un mayor control emocional se asocia con una mayor utilidad en el pensamiento. Todas las correlaciones presentan niveles significativos de p < 0.05, p < 0.01 o p < 0.001, respaldando la robustez de las asociaciones observadas. Además, los estrechos intervalos de confianza fortalecen la confianza en la validez de los resultados al proporcionar una estimación precisa de la verdadera correlación en la población. En síntesis, esta interpretación proporciona una visión integral de las relaciones entre las variables estudiadas, destacando cómo la IA se vincula con habilidades cognitivas y emocionales cruciales en la muestra analizada.
4. Discusión y conclusiones
La correlación fuerte y positiva entre el pensamiento crítico y la IA, como se evidencia en la tabla y figura 1, refuerza la idea que respalda la idea de que individuos con niveles elevados de pensamiento crítico tienden a tener una interacción más positiva con la IA. Este resultado es consistente con la literatura existente que destaca la importancia del pensamiento crítico en la adaptación y aprovechamiento efectivo de las tecnologías emergentes.
El estudio de Boubker (2024) sobre el papel de ChatGPT en la mejora de los resultados de aprendizaje de los estudiantes también contribuye a la discusión, mostrando que la calidad de los resultados influye en la utilidad percibida y la satisfacción de los estudiantes. Además, la influencia social y la facilidad de uso percibida juegan un papel significativo en la percepción y el uso de ChatGPT. Estos resultados sugieren que, además del pensamiento crítico, factores como la calidad de los resultados y la percepción social son cruciales en la adopción y efectividad de las herramientas basadas en IA en la educación.
Por otro lado, el estudio de Li, Ng y Lee (2024) destaca la tendencia predominante de integrar el aprendizaje mediante IA en la educación superior. La actualización continua de los materiales del curso y el enfoque centrado en el estudiante son resaltados como aspectos importantes. Esto respalda la idea de que la educación debe evolucionar para adaptarse al ritmo cambiante de la IA, y la implementación de herramientas como Microsoft Learn for Educators se presenta como una estrategia valiosa para la integración exitosa de la IA en el aula.
El artículo de Wu y Zhang (2024) sobre el uso de técnicas de IA generativa en disciplinas no STEM enfatiza la necesidad de abordar implicaciones éticas y morales, así como la importancia de utilizar la IA para aumentar la inteligencia humana en lugar de reemplazarla. Estas consideraciones son esenciales para garantizar un uso ético y efectivo de la IA en la educación superior.
La reflexión sobre la percepción de estudiantes de administración pública sobre ChatGPT en el estudio de Aristovnik et al. (2024) añade una capa adicional a la discusión. Aunque los estudiantes encuentran atractiva la plataforma, también expresan preocupaciones sobre el desarrollo de habilidades como el pensamiento crítico y la creatividad. Esto destaca la necesidad de equilibrar la utilidad de las herramientas de IA con la preservación de habilidades humanas fundamentales.
Asimismo, el estudio de Malik et al. (2023, p.25) sobre la exploración de la IA en ensayos académicos resalta la recepción positiva de las herramientas de escritura impulsadas por IA, pero también subraya las preocupaciones de los estudiantes sobre el impacto en la creatividad, el pensamiento crítico y las prácticas éticas de escritura. Este estudio destaca la importancia de un enfoque equilibrado para integrar la IA en el proceso de redacción académica.
En conjunto, estos estudios resaltan la complejidad de la relación entre la IA y la educación superior. Mientras que la IA muestra un potencial significativo para mejorar el aprendizaje y la enseñanza, es crucial abordar cuidadosamente las implicaciones éticas, preservar las habilidades humanas clave y garantizar que la implementación de estas tecnologías sea centrada en el estudiante.
Se puede concluir que la fuerte correlación positiva entre la IA y pensamiento crítico identificada en la investigación sugiere que los estudiantes de educación superior en la Región Ica que poseen un mayor nivel de pensamiento crítico tienden a tener una interacción más positiva y un desempeño destacado en el contexto de la IA. Esta conclusión, respaldada por la significancia estadística y la consistencia de las estimaciones, sugiere que el desarrollo del pensamiento crítico puede jugar un papel crucial en la adaptación y aprovechamiento efectivo de la IA en entornos académicos y profesionales.
En términos de recomendaciones, se sugiere que las instituciones educativas en la Región Ica fomenten activamente el desarrollo del pensamiento crítico entre los estudiantes como parte integral de su formación. Además, podrían considerar la integración de contenido relacionado con la IA en los programas de estudio, para que los estudiantes estén mejor preparados para interactuar y utilizar eficientemente estas tecnologías emergentes. Este enfoque podría contribuir no solo al desarrollo académico de los estudiantes, sino también a su capacidad para adaptarse y contribuir de manera significativa en un mundo cada vez más influenciado por la inteligencia artificial.
