El rápido avance de la Inteligencia Artificial Generativa ha posicionado al pensamiento crítico como una competencia esencial en la educación superior y en el entorno laboral. Si bien la IA ofrece un potencial sin precedentes para la personalización del aprendizaje, también plantea varias cuestiones críticas ¿El uso de la IA mejora o reduce mi capacidad de pensamiento crítico?¿Fomenta el pensamiento superficial o más bien el pensamiento más profundo?

Un estudio llevado a cabo por Chahna Golsalves de Sage ha analizado estas preguntas con el objetivo de analizar en profundidad cómo el uso de la IA generativa en las evaluaciones académicas impacta las habilidades de pensamiento crítico de las personas, y en particular, de los estudiantes.

La metodología: un enfoque naturalista y profundo

Para validar el impacto de la IA, el estudio empleó una investigación naturalista de cuatro semanas con 8 estudiantes de un máster en marketing, asignándoles la tarea de analizar el lanzamiento de un producto nuevo usando explícitamente el uso de herramientas de IA.

La clave metodológica fue el uso de diarios de audio por intervalo. este método permitió a los participantes registrar sus reflexiones, procesos de decisión y desafíos en tiempo real, minimizando el sesgo del recuerdo y proporcionando una visión auténtica de sus interacciones cognitivas. El análisis se basó en la Taxonomía de Bloom, complementada con la identificación de habilidades emergentes como la melioración.

IA y aprendizaje: un proceso dinámico y multifacético

Los resultados demuestran que el aprendizaje asistido por IA es un proceso complejo que trasciende las habilidades intelectuales tradicionales. Lejos de ser un proceso lineal, la evidencia muestra un aprendizaje dinámico en el que los estudiantes se mueven fluidamente entre estas tres dimensiones, demostrando que el compromiso afectivo y la reflexión metacognitiva son inseparables del desarrollo cognitivo.

1. El dominio cognitivo: De la recuperación a la creación.

En el dominio cognitivo, los estudiantes utilizaron la IA generativa para navegar por las distintas etapas del pensamiento, desde la recopilación de información básica hasta la creación de soluciones innovadoras. Sin embargo, su interacción fue notablemente más activa y crítica de lo que se podría suponer.

• Descubrimiento de información: ChatGPT sirvió como un punto de partida eficaz para la lluvia de ideas y la estructuración inicial de los proyectos. Sin embargo, las limitaciones inherentes de la herramienta, como la incapacidad de proporcionar estadísticas fiables o citar fuentes, impulsaron a los estudiantes a adoptar una postura escéptica.
• Comprensión de conceptos complejos: La IA demostró ser una herramienta valiosa para cerrar brechas de conocimiento al funcionar como un tutor personalizado que simplifica la jerga compleja, permitiendo a los estudiantes construir una base conceptual sólida para un análisis más profundo.
• Aplicación de conocimiento teórico: Los estudiantes aprovecharon la IA para traducir marcos teóricos abstractos en soluciones prácticas.
• Análisis de Contenido Generado por IA: Lejos de aceptar pasivamente los resultados, los participantes evaluaron críticamente el contenido generado por IA. La frustración ante la opacidad de las fuentes de la IA les motivó a realizar una verificación cruzada y a cuestionar las respuestas. 
• Creación e Innovación: La IA no reemplazó la creatividad humana, sino que la aumentó, ofreciendo un andamiaje sobre el cual los estudiantes podían construir, refinar y personalizar sus propias ideas originales, demostrando una sofisticada síntesis de la cognición humana y la artificial.

2. El dominio afectivo: ética y cocreación

Las interacciones de los estudiantes con la IA trascendieron el mero procesamiento de información para adentrarse en el dominio afectivo, donde surgieron aspectos relacionales y consideraciones éticas complejas.

• Colaboración cognitiva: Los estudiantes asignaron a la IA roles específicos como “tutor”, “asistente” o “sparring partner“. esta dinámica relacional fomentó la co-creación de conocimiento, donde se dialogaba y negociaba con la tecnología.
• Razonamiento ético práctico: La tarea de integración obligó a los estudiantes a desarrollar un razonamiento ético. mostraron una clara conciencia sobre la integridad académica, evitando el copiado directo y utilizando las ideas generadas para guiar su propia escritura.

3. El Dominio Metacognitivo: Habilidades emergentes para la era de la IA

El estudio identificó un conjunto de habilidades metacognitivas cruciales que la Taxonomía de Bloom tradicional no aborda explícitamente, pero que son fundamentales para un uso eficaz y crítico de la IA.

• Interrogación y refinamiento: Los estudiantes no se conformaron con las primeras respuestas de la IA. Participaron en un proceso iterativo de interrogación, evaluando la relevancia de los resultados iniciales y refinando sus preguntas para obtener respuestas más precisas y útiles. 
• Articulación de instrucciones precisas (Prompts): Esta habilidad se diferencia del simple refinamiento. Implica un esfuerzo deliberado y proactivo por estructurar consultas claras y específicas desde el principio, demostrando previsión y una comprensión estratégica del problema, deconstruyéndolo en componentes manejables para que la IA pudiera generar resultados más específicos y alineados con sus necesidades.
• Aprendizaje iterativo: Los ciclos continuos de prueba, evaluación y ajuste de sus interacciones con la IA fomentaron una mayor conciencia metacognitiva. Los estudiantes reflexionaron sobre sus propias estrategias de aprendizaje, reconocieron patrones en sus procesos de pensamiento y adaptaron sus métodos para optimizar los resultados, demostrando una notable flexibilidad cognitiva.
• Melioración de información y herramientas: La melioración se refiere a la integración hábil de diversas fuentes y herramientas para resolver problemas complejos. Se observaron dos facetas de esta habilidad: (1) Melioración de la información: Los estudiantes combinaron datos generales obtenidos de ChatGPT con investigación académica rigurosa de fuentes como Google Scholar para construir un argumento más sólido y creíble; (2) Melioración de herramientas: Integraron diferentes tecnologías, como el uso de ChatGPT para generar ideas para una encuesta y Midjourney para crear elementos visuales, optimizando el resultado final al aprovechar las fortalezas de cada herramienta.
• Pensamiento reflexivo: Los participantes evaluaron críticamente las capacidades y limitaciones de la IA.

Hacia una taxonomía ampliada: la fluidez del aprendizaje

la estructura jerárquica de la taxonomía de bloom se muestra insuficiente para el aprendizaje asistido por ia, que es fluido y recursivo. se propone un marco conceptual ampliado que no ve las habilidades como una jerarquía rígida, sino como un conjunto de competencias interconectadas en los dominios cognitivo, afectivo y metacognitivo.

este modelo representa el pensamiento crítico como una interacción constante de exploración, validación e integración, adaptada a los entornos de aprendizaje híbridos modernos.

La paradoja de la IA: potenciador vs. inhibidor del Pensamiento Crítico

El estudio revela una paradoja central en el uso de la IA generativa en la educación: aunque puede promover el pensamiento crítico de maneras novedosas y sofisticadas, también conlleva el riesgo inherente de socavar el desarrollo cognitivo autónomo si no se gestiona de manera crítica. El estudio evidencia dos formas distintas pero interconectadas de pensamiento crítico que emergieron en el aprendizaje asistido por IA:

• Pensamiento Crítico hacia la IA: Esta forma de pensamiento implica un compromiso directo y escéptico con la herramienta misma. Requiere que los estudiantes interroguen activamente los resultados de la IA, evalúen sus sesgos inherentes, validen la información con fuentes externas y refinen sus instrucciones para mejorar la calidad de las respuestas. Este proceso fomenta habilidades como el escepticismo saludable, el razonamiento ético y la metacognición.
• Pensamiento Crítico para la Tarea: Este enfoque se centra en el objetivo final de la evaluación. Implica sintetizar las ideas generadas por la IA, integrarlas con el conocimiento existente y aplicarlas de manera creativa para resolver problemas prácticos del mundo real. Aquí, la IA funciona como un catalizador para la aplicación y la creación, ayudando a los estudiantes a construir soluciones más robustas y contextualizadas.

El principal riesgo de la IA de cara al pensamiento crítico es la descarga cognitiva, es decir, que los alumnos acaben utilizando la IA para obtener respuestas fáciles en lugar de apostar por un uso más profundo y necesario para un aprendizaje significativo.

La tarea que tenemos por delante no es solo técnica, sino filosófica: estamos obligados a definir qué significa pensar críticamente en una era donde la cognición es cada vez más una colaboración entre humanos y máquinas. Nuestra capacidad para guiar esta colaboración, en lugar de ceder a ella, determinará el futuro del intelecto humano.

Si quieres saber más sobre pensamiento crítico aumentado, te animo a visitar ICAU, Instituto de Cognición Aumentada: