Integración de la IA en metodologías educativas para
potenciar el pensamiento crítico en la educación
universitaria: una revisión sistemática
Integrating AI into educational methodologies to enhance critical
thinking in university education: a systematic review
Recibido: 30/04/2025 - Aceptado: 03/09/2025
Katherine Aquije Ramirez
https://orcid.org/0000-0002-6482-2850
kaquije@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Flor De Maria Michuy Rodas
https://orcid.org/0009-0003-9178-4719
dmichuyro@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Rosse Caroline Chavez Paredes
https://orcid.org/0000-0003-4836-2150
rchavezpa19@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Resumen
La incorporación creciente de la inteligencia artificial (IA) en entornos universitarios ofrece tanto oportunidades
como desafíos para el desarrollo del pensamiento crítico, una competencia fundamental en la formación superior.
Este estudio se propuso analizar la evidencia científica reciente sobre la integración de la IA en metodologías
educativas orientadas a potenciar el pensamiento crítico en contextos universitarios. Para ello, se realizó una
revisión sistemática en las bases de datos ERIC, Web of Science y Scielo, utilizando las siguientes fórmulas de
búsqueda: “AI and educational methodologies and critical thinking”, “AI and education and critical thinking” y “AI
and educational methodologies”. Aplicando el protocolo PRISMA, se identificaron 781 registros (617 en ERIC, 156
en Web of Science y 8 en Scielo). Tras eliminar duplicados y aplicar criterios de inclusión como publicaciones en
los últimos cinco años, acceso completo, idiomas inglés o español, y enfoque en educación superior, tecnología
y educación, se seleccionaron 26 estudios para el análisis final. Los resultados revelaron que las metodologías
más utilizadas son el aprendizaje basado en proyectos, el aprendizaje colaborativo mediado por IA y la
retroalimentación automatizada. Se evidenció que la IA facilita la personalización del aprendizaje, estimula
procesos metacognitivos y fomenta la autonomía estudiantil. No obstante, persisten desafíos relacionados con la
ética, la confiabilidad de los sistemas y la capacitación docente. Se concluye que la integración pedagógicamente
planificada de la IA puede constituir un recurso valioso para fortalecer el pensamiento crítico en la educación
superior.
Palabras clave: educación superior, IA, metodologías, pensamiento crítico.
Abstract
The increasing incorporation of artificial intelligence (AI) in university settings offers both opportunities and
challenges for the development of critical thinking, a fundamental skill in higher education. This study aimed to
analyze recent scientific evidence on the integration of AI into educational methodologies aimed at enhancing
critical thinking in university contexts. To this end, a systematic review was conducted in the ERIC, Web of Science,
and Scielo databases, using the following search terms: "AI and educational methodologies and critical thinking,"
"AI and education and critical thinking," and "AI and educational methodologies." Applying the PRISMA protocol,
781 records were identified (617 in ERIC, 156 in Web of Science, and 8 in Scielo). After eliminating duplicates and
applying inclusion criteria such as publications in the last five years, full access, English or Spanish languages,
and a focus on higher education, technology, and education, 26 studies were selected for the final analysis. The
2
results revealed that the most widely used methodologies are project-based learning, AI-mediated collaborative
learning, and automated feedback. It was evident that AI facilitates personalized learning, stimulates metacognitive
processes, and fosters student autonomy. However, challenges related to ethics, system reliability, and teacher
training persist. It is concluded that the pedagogically planned integration of AI can be a valuable resource for
strengthening critical thinking in higher education.
Keywords: higher education, AI, methodologies, critical thinking.
Introducción
La irrupción de la inteligencia artificial (IA) en el ámbito universitario representa uno de los fenómenos
más significativos en la transformación educativa actual. Durante la última década, las instituciones de educación
superior han explorado su potencial no solo como una herramienta tecnológica, sino también como catalizador
de metodologías pedagógicas innovadoras que colocan al estudiante en el centro del proceso formativo
(Thompson et al., 2023). Esta transformación responde a la creciente necesidad de formar profesionales capaces
de desenvolverse en entornos complejos, donde competencias como el pensamiento crítico resultan esenciales
para la toma de decisiones informadas y la resolución creativa de problemas (Trikoili et al., 2025).
El pensamiento crítico, entendido como la capacidad de analizar, interpretar y evaluar información de
manera reflexiva, ha sido desde siempre un objetivo transversal en la educación superior. Sin embargo, su
desarrollo se ve limitado cuando prevalecen métodos tradicionales que priorizan la memorización sobre la
reflexión crítica y la argumentación (Fakour & Imani, 2025). En este contexto, la integración de la IA en
metodologías como el aprendizaje basado en proyectos, la enseñanza por indagación y el trabajo colaborativo
mediado por entornos digitales abre nuevas posibilidades para estimular procesos metacognitivos, promover la
autorregulación y favorecer el aprendizaje autónomo (Melisa et al., 2025; Nguyen, 2025).
Además, estudios recientes señalan que herramientas como los chatbots académicos, los sistemas de
retroalimentación automática y las plataformas adaptativas pueden enriquecer la experiencia educativa al ofrecer
orientación personalizada, ampliar el acceso a recursos y facilitar entornos de práctica guiada (Neumann et al.,
2025; Walter, 2024). No obstante, su implementación también implica desafíos importantes, tales como la
necesidad de formación docente para un uso pedagógicamente sólido y la atención a cuestiones éticas vinculadas
con la transparencia algorítmica, la equidad en el acceso y la fiabilidad de la información generada (García, 2024;
Arango et al., 2024).
Por lo tanto, el reto no se limita a incorporar la IA en las aulas universitarias, sino a integrarla de forma
coherente con los objetivos de aprendizaje y las demandas del contexto formativo. La revisión de la literatura
existente indica que los mejores resultados se obtienen cuando estas tecnologías se aplican dentro de un marco
metodológico claro, con seguimiento docente y criterios explícitos de evaluación (Noroozi et al., 2024; Holmes &
Tuomi, 2022). Sin embargo, aún persiste una brecha de conocimiento acerca de cuáles enfoques y prácticas han
demostrado mayor efectividad para fomentar el pensamiento crítico en la educación superior.
Ante esta problemática, el presente estudio busca sintetizar y analizar las investigaciones más recientes
que abordan la integración de la IA en metodologías educativas orientadas al desarrollo del pensamiento crítico
en contextos universitarios. Para ello, se realizó una revisión sistemática de la literatura publicada entre 2020 y
2025 en las bases de datos ERIC, Scielo y Web of Science, siguiendo los lineamientos del protocolo PRISMA.
Método
El presente estudio se desarrolló mediante una revisión sistemática siguiendo los lineamientos del
protocolo PRISMA, asegurando así el rigor metodológico y la transparencia en la selección de los estudios. La
búsqueda bibliográfica se realizó en 2025, abarcando tres bases de datos académicas de alto impacto: ERIC,
Web of Science y Scielo. Estas plataformas fueron seleccionadas debido a su amplia cobertura en literatura
científica relacionada con la educación y a la presencia de investigaciones recientes sobre la integración de la
inteligencia artificial en la enseñanza universitaria.
Para identificar estudios relevantes se diseñaron tres fórmulas de búsqueda que combinaron términos
clave con operadores booleanos: “AI and educational methodologies and critical thinking”, “AI and education and
critical thinking” y “AI and educational methodologies”. Esta estrategia generó un total de 781 registros,
distribuidos en 617 provenientes de ERIC, 156 de Web of Science y 8 de Scielo.
Durante la fase inicial de cribado se eliminaron los duplicados, reduciendo la muestra a 703 documentos.
A continuación, se revisaron títulos y resúmenes para descartar aquellos que no cumplían con los criterios de
inclusión: publicaciones entre 2020 y 2025, acceso completo, idiomas inglés o español, y que estuvieran
3
vinculadas a la educación superior, educación o tecnología educativa. También se excluyeron estudios que no
abordaran directamente la relación entre IA, metodologías de enseñanza-aprendizaje y desarrollo del
pensamiento crítico.
Tras esta evaluación preliminar, 256 artículos pasaron al análisis de texto completo. En esta fase se
descartaron 230 por falta de alineación temática o ausencia de evidencia empírica relevante, quedando finalmente
26 estudios que cumplieron con todos los criterios establecidos. De estos, 8 procedían de ERIC, 1 de Scielo y 17
de Web of Science, conformando la base definitiva para la síntesis cualitativa.
En cuanto al procedimiento para la selección de estudios, inicialmente se recuperaron 781 registros de
las bases mencionadas. Sin embargo, tras aplicar los criterios de exclusión descritos en el diagrama adjunto, solo
26 artículos fueron considerados para el análisis y discusión de resultados, tal como se detalla en la figura
siguiente.
Figura 1
Diagrama de flujo PRISMA
Resultados
Tras la depuración de la información mediante el análisis PRISMA, se llevó a cabo un examen minucioso
de las fuentes provenientes de las bases de datos seleccionadas. A continuación, se presenta una síntesis de los
aspectos más relevantes encontrados en los estudios:
Registros identificados
después de la búsqueda en
bases de datos (n = 781)
Registros identificados a través
de otras fuentes
(n = N/A)
Registros después de eliminar los
documentos duplicados (n = 703)
Registros examinados
(n = 703)
Artículos de texto completo
evaluados para su elegibilidad
(n = 256)
Registros excluidos de otras
fuentes (n = 447)
Artículos de texto completo
excluidos (n = 230)
Estudios incluidos en la
síntesis cualitativa
(n = 26)
4
Tabla 1
Descripción y análisis de los artículos seleccionados de la base de datos ERIC
Autor(es)
Título
Idioma
Enfoque
Principales hallazgos
Blay &
Espartinez
(2024)
Improving digital learning in higher
education: Students’ perspectives
on design thinking using Q-
methodology
Inglés
Cualitativo
El design thinking respaldado por
IA facilitó la evaluación y
reconfiguración crítica de ideas.
Chadha
(2024)
Transforming higher education for
the digital age: Examining emerging
technologies and pedagogical
innovations
Inglés
Teórica; revisión
documental
El aprendizaje colaborativo
asistido por IA potenció la
evaluación de problemas
complejos y la toma de
decisiones.
Damiano et al.
(2024)
Early perceptions of teaching and
learning using generative AI in
higher education
Inglés
Cualitativa;
entrevistas
La IA generativa en debates
colaborativos incentivó la
reflexión y el cuestionamiento de
contenidos.
Ilić et al.
(2021)
Needs and performance analysis for
changes in higher education and
implementation of artificial
intelligence, machine learning, and
extended reality
Inglés
Mixto; estudio
exploratorio
La realidad extendida con IA
promovió el análisis crítico y la
resolución contextualizada de
problemas.
Karanjakwut &
Charunsri
(2025)
Transforming AI chatbots for a
brainstorming teaching technique of
process writing
Inglés
Cuasiexperimental
El método socrático con chatbots
fortaleció el cuestionamiento y la
argumentación crítica.
Melisa et al.
(2025)
Critical thinking in the age of AI: A
systematic review of AI's effects on
higher education
Inglés
Revisión
sistemática
Los debates académicos guiados
por IA favorecieron el análisis
comparativo y el desarrollo de
habilidades críticas.
Nguyen
(2025)
Project-Based Learning (PJBL) as
an experiential pedagogical
methodology in interdisciplinary
education: A review of the literature
Inglés
Revisión de
literatura
El aprendizaje basado en
proyectos (PBL) con IA impulsó
la evaluación de perspectivas y el
pensamiento crítico
interdisciplinario.
Neumann et
al. (2025)
An LLM-Driven Chatbot in higher
education for databases and
information systems
Inglés
Mixto; estudio
empírico
La tutoría con chatbot LLM
fomentó el análisis crítico al exigir
verificación y contraste de
información.
Tabla 2
Descripción y análisis del artículo seleccionado de la base de datos Scielo
Autor(es)
Título
Idioma
Enfoque
Principales hallazgos
Castillejos
(2022)
Inteligencia artificial y los entornos personales
de aprendizaje: atentos al uso adecuado de
los recursos tecnológicos de los estudiantes
universitarios
Español
Cualitativo
La intromisión de la IA en la
educación superior disminuye la
creatividad y la criticidad en los
estudiantes.
5
Tabla 3
Descripción y análisis de los artículos seleccionados de la base de datos Web of Science
Autor(es)
Título
Idioma
Enfoque
Principales hallazgos
Abrams (2024)
(R)evolutions of thought:
Artificial intelligence and
education futures
Inglés
Cualitativa
La IA integrada en PBL y design
thinking facilitó la resolución de
problemas complejos.
Alier, García-Peñalvo
& Camba (2024)
Generative artificial intelligence
in education: From deceptive to
disruptive
Inglés
Cualitativo
La IA generativa aplicada al design
thinking agilizó la ideación y el
prototipado.
Aldulaijan & Almalki
(2025)
The impact of generative AI
tools on postgraduate students’
learning experiences
Inglés
Estudio
empírico
La IA en PBL personalizó
escenarios y fortaleció el análisis
crítico.
Amofa et al. (2025)
Navigating the complexity of
generative artificial intelligence
in higher education
Inglés
Revisión
sistemática
La IA en PBL y trabajo colaborativo
favoreció la formulación de hipótesis
y soluciones.
Arango et al. (2024)
Philosophical, ethical and
pedagogical implications of AI in
education
Inglés
Cualitativa
El método socrático asistido por IA
promovió diálogos críticos.
Butson & Spronken-
Smith (2024)
AI and its implications for
research in higher education
Inglés
Ensayo
crítico
La IA complementó estrategias de
aprendizaje dialógico y socrático.
Fakour & Imani
(2025)
Socratic wisdom in the age of AI
Inglés
Estudio
comparado
La IA apoyó el método socrático en
la argumentación y el razonamiento
crítico.
Farrelly & Baker
(2023)
Artificial intelligence:
Implications for higher
education
Inglés
Cualitativo
La IA aplicada a PBL simuló
escenarios para la toma de
decisiones.
García Pérez (2024)
Educar en la era de la
inteligencia artificial
Español
Cualitativo
La IA integrada en design thinking y
aprendizaje colaborativo potenció la
reflexión crítica.
Holmes & Tuomi
(2022)
State of the art and practice in
AI in education
Inglés
Estado del
arte
La IA en tutorías adaptativas reforzó
el PBL y la formulación de
preguntas.
Jose & Jayaron
(2024)
Educators’ academic insights
on AI
Inglés
Cuantitativo
La IA en PBL incrementó la
motivación y la reflexión crítica.
Mateo & Fernández
(2024)
Towards improved teaching of
questioning
Español
Mixto
La IA mejoró la formulación de
preguntas en el método socrático.
Noroozi et al. (2024)
Generative AI in education
Inglés
Cualitativo
La IA en PBL y debates amplió las
perspectivas analíticas.
Su & Yang (2023)
Unlocking the power of
ChatGPT
Inglés
Cualitativo
ChatGPT facilitó la estructuración y
el análisis en PBL.
Thompson et al.
(2023)
AI in tertiary education
Inglés
Mixto
La IA aplicada a ABP y aprendizaje
dialógico fortaleció la autonomía
intelectual.
Trikoili et al. (2025)
Critical Thinking Assessment in
Higher Education
Inglés
Mixto
La IA apoyó rúbricas y
retroalimentación en PBL.
6
Walter (2024)
Embracing the future of AI in
the classroom
Inglés
Cualitativo
La IA y el diseño de prompts
reforzaron el método socrático y el
design thinking.
La distribución temporal de los estudios analizados mostró que la mayor producción se concentró en los
últimos dos años, con 12 artículos publicados en 2024 y 8 en 2025. En contraste, el 2023 contabilizó 3
publicaciones, mientras que en 2022 y 2021 se registraron 2 y 1 respectivamente. En cuanto al idioma, 23 trabajos
fueron elaborados en inglés, frente a solo 3 en español, lo que refleja un claro predominio de la literatura
anglosajona en este campo.
Desde el punto de vista metodológico, la muestra incluyó diversos tipos de estudios: investigaciones
empíricas de carácter cualitativo, cuantitativo y mixto, así como revisiones sistemáticas y ensayos teóricos. Los
estudios empíricos se centraron en explorar experiencias concretas relacionadas con la integración de la IA en
entornos universitarios, mientras que los trabajos conceptuales abordaron los desafíos, las oportunidades y las
orientaciones pedagógicas para implementar estas tecnologías.
Por otra parte, el análisis temático reveló que la inteligencia artificial se integró predominantemente en
metodologías activas enfocadas en el desarrollo del pensamiento crítico. Entre las más destacadas se encuentran
el Aprendizaje Basado en Problemas y el Project-Based Learning, donde la IA generativa permitió crear
escenarios, personalizar contenidos y ofrecer retroalimentación inmediata, facilitando que los estudiantes
evaluaran alternativas y fundamentaran sus decisiones (Amofa et al., 2025; Aldulaijan & Almalki, 2025). Además,
el design thinking apoyado en IA aceleró la ideación y el prototipado, promoviendo la iteración y la reflexión crítica
(Blay & Espartinez, 2024; Alier et al., 2024). Algunos estudios también reportaron el uso de herramientas
conversacionales en dinámicas basadas en el método socrático, las cuales favorecieron la formulación de
preguntas y el debate argumentativo; sin embargo, se subrayó la importancia de la mediación docente para
alcanzar una mayor profundidad conceptual (Fakour & Imani, 2025; Mateo & Fernández, 2024).
Discusión
En primer lugar, los hallazgos evidencian que la integración de la inteligencia artificial en metodologías
orientadas al pensamiento crítico ha dejado de ser una tendencia emergente para consolidarse como un eje
fundamental en la innovación universitaria. En este sentido, Holmes & Tuomi (2022) destacan que la
implementación de sistemas inteligentes no solo optimiza la personalización del aprendizaje, sino que también
redefine las dinámicas de interacción académica, promoviendo análisis más profundos. Complementariamente,
Thompson, Corrin & Lodge (2023) muestran que esta transformación se refleja en la diversificación de recursos
y entornos, lo que permite a los estudiantes universitarios participar en procesos de evaluación y reflexión más
rigurosos.
En segundo lugar, las transformaciones pedagógicas derivadas de la IA trascienden su mera
implementación técnica, implicando un rediseño integral de las estrategias docentes. Abrams (2024) sostiene que
la adopción de IA crea entornos de aprendizaje flexibles, en los que el pensamiento crítico se fortalece mediante
la exploración de múltiples perspectivas. De manera similar, Damiano et al. (2024) evidencian que la incorporación
temprana de IA generativa en actividades colaborativas incrementa la capacidad de los estudiantes para
cuestionar ideas establecidas y contrastar información desde diversos marcos teóricos.
Entre las metodologías que más se han beneficiado destaca el design thinking, presentado como una
herramienta clave para integrar creatividad y razonamiento crítico. Blay & Espartinez (2024) concluyen que su
aplicación con apoyo de IA facilita la evaluación y reconfiguración sistemática de ideas, mejorando
sustancialmente la calidad de las soluciones propuestas. En línea con esto, Walter (2024) observa que combinar
la alfabetización en IA con estrategias de prompt engineering permite a los estudiantes generar propuestas
innovadoras que, a su vez, son sometidas a un riguroso escrutinio crítico.
Asimismo, el Aprendizaje Basado en Proyectos (PBL) se ha visto fortalecido mediante el uso de IA,
especialmente en contextos interdisciplinarios. Nguyen (2025) explica que la complejidad de los problemas
incorporados en estos entornos exige habilidades analíticas avanzadas para diseñar soluciones viables.
Paralelamente, Amofa et al. (2025) destacan que las simulaciones y herramientas predictivas impulsadas por IA
favorecen la toma de decisiones informadas al integrar razonamiento lógico con la evaluación de riesgos y
oportunidades en escenarios reales.
Respecto al método socrático, tradicionalmente centrado en el diálogo reflexivo, la IA ha ampliado su
alcance. Fakour & Imani (2025) documentan que los chatbots diseñados para sostener diálogos socráticos
estimulan el cuestionamiento sistemático, profundizando el razonamiento. Por su parte, Karanjakwut & Charunsri
7
(2025) reportan que, en la enseñanza de la escritura por procesos, la incorporación de IA promueve la revisión
continua de argumentos, mejorando la coherencia y solidez de los textos producidos por estudiantes
universitarios.
En cuanto a la evaluación, la IA se ha convertido en un aliado significativo para fortalecer el pensamiento
crítico. Trikoili et al. (2025) sostienen que la combinación de evaluaciones humanas y automáticas produce
retroalimentaciones más completas, favoreciendo el aprendizaje autorregulado. De forma complementaria,
Neumann et al. (2025) evidencian que la tutoría con chatbots basados en modelos avanzados de lenguaje
estimula la verificación de datos y el contraste de fuentes, prácticas esenciales para el desarrollo de un
pensamiento crítico robusto.
Desde la perspectiva de la síntesis y planificación pedagógica, Melisa et al. (2025) identificaron que las
estrategias más efectivas para integrar IA y pensamiento crítico combinan dinámicas de debate estructurado con
análisis comparativo. En este sentido, Su & Yang (2023) propusieron un marco de aplicación para garantizar que
la tecnología se utilice alineada a objetivos educativos claros, evitando enfoques superficiales que no impactan
en la formación crítica del estudiante.
En cuanto a los aspectos éticos y filosóficos relacionados con la integración de la IA en la educación,
Arango et al. (2024) advierten que un uso inadecuado puede afectar la autonomía intelectual y fomentar la
dependencia tecnológica. Complementariamente, García Pérez (2024) alerta que la sobreexposición a recursos
automatizados podría diluir el papel del juicio humano, restando valor a los procesos académicos de deliberación.
Además, no pueden obviarse las limitaciones y riesgos que conlleva esta integración. Farrelly & Baker
(2023) señalan que una implementación carente de planificación rigurosa puede comprometer habilidades
cognitivas esenciales, mientras que Castillejos (2022) advierte que la automatización excesiva puede menoscabar
la creatividad y la capacidad de análisis autónomo en los estudiantes, subrayando así la necesidad de equilibrar
innovación y formación crítica en la educación superior.
El rol del docente aparece como fundamental en este proceso. Jose & Jayaron (2024) destacan que la
formación docente debe contemplar competencias para integrar la IA de manera crítica y pedagógicamente
significativa. En consonancia, Butson & Spronken-Smith (2024) enfatizan que esta capacitación debe incluir una
reflexión constante sobre cómo las tecnologías transforman no solo las dinámicas de enseñanza, sino también
las formas de evaluar y fomentar el pensamiento crítico.
Desde una perspectiva teórica y comparativa, Noroozi et al. (2024) defienden que la IA debe incorporarse
sobre marcos pedagógicos sólidos que aseguren su impacto positivo. Por su parte, Aldulaijan & Almalki (2025)
muestran que, en contextos de posgrado, las herramientas generativas promueven la autorreflexión y la
autogestión siempre que su uso se articule con objetivos formativos claramente definidos.
Finalmente, una visión integradora de los resultados sugiere que la IA, aplicada de manera estratégica a
metodologías como el design thinking, el PBL y el método socrático, puede potenciar sustancialmente el desarrollo
del pensamiento crítico en la educación universitaria. Holmes & Tuomi (2022) recuerdan que el objetivo central
no es reemplazar los procesos cognitivos humanos, sino enriquecerlos. En este sentido, Mateo & Fernández
(2024) evidencian que la IA, incluso en situaciones de malentendidos comunicativos, contribuye a clarificar y
mejorar el discurso académico, fortaleciendo las competencias críticas de los estudiantes.
Conclusión
La integración de la inteligencia artificial en metodologías pedagógicas como el design thinking, el
Aprendizaje Basado en Proyectos y el método socrático ha demostrado ser una estrategia efectiva para potenciar
el desarrollo del pensamiento crítico en el ámbito universitario. Estas combinaciones metodológicas, apoyadas
por herramientas inteligentes, no solo facilitan la generación de ideas y soluciones creativas, sino que también
promueven su evaluación sistemática y fundamentada. Esto fortalece la capacidad de los estudiantes para
afrontar problemas complejos, argumentar con solidez y contrastar perspectivas de manera rigurosa.
Los beneficios del uso de la IA en la educación superior se materializan plenamente cuando su
implementación se enmarca dentro de un diseño instruccional sólido, sustentado en objetivos claros y en la
mediación de docentes con competencias tecnopedagógicas consolidadas. Este enfoque asegura que la
tecnología funcione como un facilitador del aprendizaje crítico y no como un sustituto del razonamiento humano,
previniendo así riesgos relacionados con la dependencia excesiva, el análisis superficial o la reducción de la
creatividad y autonomía intelectual.
Por otro lado, las instituciones de educación superior enfrentan el desafío y la oportunidad de establecer
políticas y programas que incorporen la IA de manera estratégica, garantizando que la innovación tecnológica
esté alineada con los objetivos formativos del siglo XXI. Para ello, es necesario desarrollar marcos éticos para su
uso, fomentar la capacitación continua del profesorado y asegurar que las metodologías empleadas contribuyan
8
directamente a la construcción de un pensamiento crítico sólido y transferible a diversos contextos profesionales
y sociales. De esta manera, se fortalece el rol de la universidad como espacio de formación integral y motor de
transformación social.
Referencias
Abrams, S. (2024). (R)evolutions of thought: Artificial intelligence and education futures. Teachers College Record,
125(11-12), 41-48. https://doi.org/10.1177/01614681241230173
Aldulaijan, A., & Almalki, S. (2025). The impact of generative AI tools on postgraduate students’ learning
experiences: New insights into usage patterns. Journal of Information Technology Education, 24, 1–
29. https://doi.org/10.28945/5428
Alier, M., García-Peñalvo, F., & Camba, J. (2024). Generative artificial intelligence in education: From deceptive
to disruptive. International Journal of Interactive Multimedia and Artificial Intelligence, 8(5), 5–
14. https://doi.org/10.9781/ijimai.2024.02.011
Amofa, B., Kamudyariwa, X., Fernandes, F., Osobajo, O., Jeremiah, F., & Oke, A. (2025). Navigating the
complexity of generative artificial intelligence in higher education: A systematic literature review. Education
Sciences, 15(7), 826. https://doi.org/10.3390/educsci15070826
Arango, R., Lovato, A., Ortega, E., & Fontán, L. (2024). Philosophical, ethical and pedagogical implications of the
use of artificial intelligence in education. Digital Education Review, 45, 29–
37. https://doi.org/10.1344/der.2024.45.29-36
Blay, B., & Espartinez, A. (2024). Improving digital learning in higher education: Students’ perspectives on design
thinking using Q-methodology. Journal of Technology Education, 35(2), 23–
52. https://doi.org/10.21061/jte.v35i2.a.3
Butson, R., & Spronken-Smith, R. (2024). AI and its implications for research in higher education: A critical
dialogue. Higher Education Research & Development, 43(3), 563–
577. https://doi.org/10.1080/07294360.2023.2280200
Castillejos, B. (2022). Inteligencia artificial y los entornos personales de aprendizaje: Atentos al uso adecuado de
los recursos tecnológicos de los estudiantes universitarios. Educación, 31(60), 9–
24. https://doi.org/10.18800/educacion.202201.001
Chadha, A. (2024). Transforming higher education for the digital age: Examining emerging technologies and
pedagogical innovations. Journal of Interdisciplinary Studies in Education,
13(S1). https://doi.org/10.32674/em2qsn46
Damiano, A., Lauría, E., Sarmiento, C., & Zhao, N. (2024). Early perceptions of teaching and learning using
generative AI in higher education. Journal of Educational Technology Systems, 52(3), 346–
375. https://doi.org/10.1177/00472395241233290
Farrelly, T., & Baker, N. (2023). Generative artificial intelligence: Implications and considerations for higher
education practice. Education Sciences, 13(11), 1109. https://doi.org/10.3390/educsci13111109
Fakour, H., & Imani, M. (2025). Socratic wisdom in the age of AI: A comparative study of ChatGPT and human
tutors in enhancing critical thinking skills. Frontiers, 10, 1–12. https://doi.org/10.3389/feduc.2025.1528603
García Pérez, A. C. (2024). Educar en la era de la inteligencia artificial: Reflexiones y desafíos para los
docentes. Claridades. Revista de Filosofía, 16(2), 233–243. https://doi.org/10.24310/crf.16.2.2024.19608
Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education,
57, 542–570. https://doi.org/10.1111/ejed.1253
Ilić, M., Păun, D., Popović, N., Hadžić, A., & Jianu, A. (2021). Needs and performance analysis for changes in
higher education and implementation of artificial intelligence, machine learning, and extended
reality. Education Sciences, 11(10), 568. https://doi.org/10.3390/educsci11100568
Jose, J., & Jayaron, J. (2024). Educators’ academic insights on artificial intelligence: Challenges and
opportunities. The Electronic Journal of e-Learning, 59–77. https://doi.org/10.34190/ejel.21.5.3272
Karanjakwut, C., & Charunsri, K. (2025). Transforming AI chatbots for a brainstorming teaching technique of
process writing. Malaysian Online Journal of Educational Technology, 13(1), 1–
18. http://dx.doi.org/10.52380/mojet.2025.13.1.559
Mateo, M., & Fernández, P. (2024). Towards improved teaching of questioning: Lessons from AI in cases of
communicative misunderstandings. Lenguaje y Textos, 58, 61–74. https://doi.org/10.4995/lyt.2024.20764
Melisa, R., Ashadi, A., Triastuti, A., Hidayati, S., Salido, A., Ero, P., Marlini, C., Zefrin, & Fuad, Z. (2025). Critical
thinking in the age of AI: A systematic review of AI's effects on higher education. Educational Process,
14. https://doi.org/10.22521/edupij.2025.14.31
9
Neumann, A., Yin, Y., Sowe, S., Decker, S., & Jarke, M. (2025). An LLM-driven chatbot in higher education for
databases and information systems. IEEE Transactions on Education, 68(1), 103–
116. https://doi.org/10.1109/TE.2024.3467912
Nguyen, D. (2025). Project-based learning (PJBL) as an experiential pedagogical methodology in interdisciplinary
education: A review of the literature. International Journal of Education in Mathematics, Science, and
Technology, 13(4), 1016–1039. https://doi.org/10.46328/ijemst.4869
Noroozi, O., Soleimani, S., Farrokhnia, M., & Banihashem, S. K. (2024). Generative AI in education: Pedagogical,
theoretical, and methodological perspectives. International Journal of Technology in Education, 7(3), 373–
385. https://doi.org/10.46328/ijte.845
Su, J., & Yang, W. (2023). Unlocking the power of ChatGPT: A framework for applying generative AI in
education. ECNU Review of Education, 6(3), 355–366. https://doi.org/10.1177/20965311231168423
Thompson, K., Corrin, L., & Lodge, J. (2023). AI in tertiary education: Progress on research and
practice. Australasian Journal of Educational Technology, 39(5), 1–7. https://doi.org/10.14742/ajet.925
Trikoili, A., Georgiou, D., Pappa, C. I., & Pittich, D. (2025). Critical thinking assessment in higher education: A
mixed-methods comparative analysis of AI and human evaluator. International Journal of Human–
Computer Interaction. https://doi.org/10.1080/10447318.2025.2499164
Walter, Y. (2024). Embracing the future of artificial intelligence in the classroom: The relevance of AI literacy, prompt
engineering, and critical thinking in modern education. International Journal of Educational Technology in
Higher Education, 21, 15. https://doi.org/10.1186/s41239-024-00448-3
CONTRIBUCIÓN DE LA AUTORÍA
Los autores declaran que la Conceptualización, Curación de datos, Análisis formal, Investigación, Metodología,
Dirección del proyecto, Recursos, Validación y Redacción - corrección de pruebas y edición fueron realizados
contemplando los detalles necesarios para asegurar que la investigación presente el rigor adecuado.
FINANCIAMIENTO
La presente investigación no contó con financiamiento específico proveniente de organismos públicos,
instituciones privadas o entidades sin fines de lucro. Su desarrollo fue asumido íntegramente por los autores en
el marco de sus actividades académicas y de investigación.
DECLARACIÓN DE CONFLICTO DE INTERESES
Los autores manifiestan que no existe ningún conflicto de intereses, financiero o personal, que pueda haber
influido de manera inapropiada en la elaboración, análisis, interpretación o presentación de los resultados de este
estudio.
DECLARACIÓN SOBRE EL USO DE INTELIGENCIA ARTIFICIAL
Los autores declaran que, durante el proceso de redacción de este manuscrito, se emplearon herramientas de
inteligencia artificial generativa únicamente como apoyo en tareas lingüísticas, tales como la mejora del estilo, la
organización sintáctica y la corrección gramatical. En ningún caso estas tecnologías fueron utilizadas para generar
contenidos científicos originales, interpretar resultados o sustituir el juicio académico y ético de los autores. La
responsabilidad plena sobre la integridad, validez y originalidad del manuscrito recae exclusivamente en los
autores, en concordancia con las buenas prácticas editoriales y los principios éticos de publicación científica
reconocidos internacionalmente.
