9
Vol. 1, Núm. 4 (Julio,2026) | Sección: Artículos de Investigación
DOI:
https://doi.org/10.5281/zenodo.21712609
Más allá del ChatGPT: Cómo usar la IA generativa para fomentar el
pensamiento crítico en estudiantes de básica media
Beyond ChatGPT: How to Use Generative AI to Foster Critical Thinking in Middle
School Students
Jonathan Eduardo Navarrete Cortez
Colegio Técnico Simón Bolivar, Guayaquil- Ecuador
jonathanedu75@gmail.com
ORCID 0009-0004-3974-5226
Recibido: 5 de Junio del 2026
Aceptado: 8 de Julio. 2026
Publicado: 31 de Julio de 2026.
Resumen
La irrupción acelerada de los modelos de Inteligencia Artificial Generativa (IAG) en
el ámbito educativo ha suscitado profundas transformaciones en los procesos de
enseñanza
y
aprendizaje.
En
el
subnivel
de
Educación
General
Básica
Media
(estudiantes
de
entre
9
y
12
años),
el
alumnado
experimenta
una
transición
neurocognitiva
crucial
desde
el
razonamiento
concreto
hacia
las
operaciones
abstractas
y
el
juicio
metacognitivo.
En
este
contexto,
la
adopción
acrítica
de
herramientas automáticas de generación de texto e imágenes plantea el riesgo de
automatizar el esfuerzo intelectual, fomentando la pasividad cognitiva y el consumo
acrítico de información.
10
Este trabajo de investigación propone un marco metodológico e instruccional para
transformar la IAG de un "oráculo estático de respuestas" a un "copiloto dialógico y
socio-cognitivo".
A
través
del
modelo
instruccional
de
Auditoría
Triádica
del
Conocimiento (ATC)
, se articulan tres estrategias pedagógicas aplicables al aula de
Básica Media: el
Detective de Sesgos y Alucinaciones
, el
Socrático Sintético
y la
Traducción
Multimodal
de
Conceptos
.
Asimismo,
se
presenta
una
matriz
de
evaluación formativa procesal y se analizan las salvaguardas éticas e institucionales
indispensables para garantizar la protección de datos personales de los menores. Se
concluye que el valor formativo de la tecnología no reside en los insumos sintéticos
que esta genera, sino en la complejidad del procesamiento crítico, la evaluación de
veracidad y la argumentación que el estudiante debe desplegar para validar, corregir
y reestructurar dichos contenidos.
Palabras
clave:
Inteligencia
Artificial
Generativa,
Pensamiento
Crítico,
Básica
Media,
Auditoría
Cognitiva,
Evaluación
Formativa,
Transposición
Didáctica,
Ciudadanía Digital.
Abstract
The
accelerated
arrival
of
Generative
Artificial
Intelligence
(GAI)
models
in
the
educational field has brought about profound transformations in teaching and learning
processes. In the Middle Basic Education sublevel (students aged 9 to 12), children
undergo
a
crucial
neurocognitive
transition
from
concrete
reasoning
to
abstract
operations
and
metacognitive
judgment.
In
this
context,
the
uncritical
adoption
of
automated text and image generation tools poses the risk of automating intellectual
effort, encouraging cognitive passivity and the uncritical consumption of information.
This
research
paper
proposes
an
instructional
and
methodological
framework
to
transform GAI from a "static response oracle" into a "dialogic and socio-cognitive
11
copilot."
Through
the
Triadic
Knowledge
Audit
(TKA)
instructional
model,
three
practical pedagogical strategies applicable to the Middle Basic Education classroom
are articulated: the
Bias and Hallucination Detective
, the
Synthetic Socratic
, and the
Multimodal Concept Translation
. Furthermore, a procedural formative assessment
matrix is presented, and the ethical and institutional safeguards required to ensure
the protection of minors' personal data are analyzed. It is concluded that the formative
value of technology does not reside in the synthetic inputs it generates, but in the
complexity of critical processing, truth evaluation, and argumentation that students
must deploy to validate, correct, and restructure said content.
Keywords:
Generative
Artificial
Intelligence,
Critical
Thinking,
Middle
Basic
Education,
Cognitive Audit,
Formative Assessment,
Didactic
Transposition,
Digital
Citizenship.
Introducción: El Desafío de la IAG en la Educación Básica Media
La masificación de los modelos de lenguaje a gran escala (LLM, por sus siglas en
inglés) y de las plataformas multimodales a partir de finales de 2022 ha representado
uno de los hitos tecnológicos de mayor impacto en la historia reciente de la educación
formal.
En
sus
etapas
iniciales,
el
debate
institucional
osciló
entre
dos
posturas
antagónicas y binarias: el prohibicionismo represivo —motivado por el temor al plagio
y
a
la
sustitución
de
tareas
escolares—
y
la
tecnofilia
acrítica
—que
asumía
la
incorporación
de
la
Inteligencia Artificial
Generativa
(IAG)
como
una
panacea
de
innovación pedagógica inmediata.
En
el
subnivel
de
Educación
General
Básica
Media,
ninguna
de
estas
posturas
resulta
pedagógicamente
sostenible
ni
científicamente
justificada.
La
prohibición
desconoce la presencia ineludible de las tecnologías digitales en el entorno cotidiano
de los niños y jóvenes, postergando la necesaria alfabetización algorítmica. Por su
parte, la adopción sin mediación docente amenaza con reemplazar el esfuerzo
12
mental deseable (
desirable difficulty
), insumo indispensable para la consolidación de
las redes neuronales asociadas al pensamiento complejo y abstracto.
Tabla 1
Comparativa de Paradigmas Educativos ante la IAG
Dimensión
Paradigma
Prohibicionista
Paradigma
Tecnofílico
Acritico
Paradigma
de
Auditoría
Cognitiva
(Propuesto)
Rol de la IAG
Amenaza académica
/
Herramienta
de
fraude
Oráculo
definitivo
/
Proveedor
de
respuestas
Objeto
de
estudio
/
Copiloto dialógico
Acción
del
Estudiante
Ocultamiento
o
evasión
de
restricciones
Copia
pasiva
/
Aceptación
ciega
de texto
Auditoría,
refutación,
reestructuración
Rol Docente
Fiscalizador
/
Sanccionador
Espectador
/
Usuario pasivo
Mediador
pedagógico
/
Diseñador
de
preguntas
Enfoque
Evaluativo
Control
punitivo
de
productos finales
Valoración
del
producto
generado
Evaluación
formativa
del proceso analítico
El propósito central de la escuela contemporánea no radica en la memorización o
acumulación
enciclopédica
de
datos,
tarea
en
la
que
los
sistemas
algorítmicos
superan exponencialmente la capacidad de retención humana. La misión esencial
del acto educativo en el siglo XXI consiste en desarrollar competencias intelectuales
de orden superior: dudar metódicamente, formular preguntas incisivas, contrastar
fuentes,
detectar
sesgos,
inferir
causalidades
y
asumir
posturas
éticas
fundamentadas.
13
Por consiguiente, la interrogante central que orienta esta investigación es:
¿De qué
manera pueden diseñarse estrategias pedagógicas que utilicen la Inteligencia
Artificial Generativa no para eximir al estudiante de Básica Media del trabajo
intelectual,
sino
para
elevar
la
exigencia
de
su
pensamiento
crítico
y
su
capacidad metacognitiva?
Marco Teórico y Fundamentos Neuropsicopedagógicos
2.1 La Etapa Cognitiva de la Básica Media (9 a 12 Años)
El subnivel de Básica Media constituye un periodo crítico en el desarrollo evolutivo
del estudiante. De acuerdo con la psicología cognitiva y las teorías del aprendizaje
constructivista (Piaget, 1972; Vygotsky, 1978; Bruner, 1986), en esta franja de edad
(aproximadamente entre los 9 y 12 años) ocurren transformaciones estructurales en
la arquitectura del pensamiento:
1.
Transición al Razonamiento Formal:
El estudiante comienza a liberarse de
la dependencia exclusiva de los objetos concretos manipulables para operar
con conceptos abstractos, proposiciones lógicas e hipótesis no visibles de
forma directa.
2.
Evolución
del
Pensamiento
Metacognitivo:
Emerge
la
capacidad
de
autorregulación del propio conocimiento (Flavell, 1979). El estudiante empieza
a
monitorear
la
coherencia
de
sus
afirmaciones,
reconocer
vacíos
conceptuales y evaluar la efectividad de sus estrategias de aprendizaje.
3.
Desarrollo
de
las
Funciones
Ejecutivas:
Maduran
los
procesos
de
inhibición de respuestas impulsivas, la memoria de trabajo
y la flexibilidad
cognitiva,
facultades
necesarias
para
sostener
debates
y
evaluar
múltiples
perspectivas sobre un mismo fenómeno.
14
Si durante este estadio crucial el entorno educativo permite que la IAG entregue
respuestas
acabadas
a
preguntas
descriptivas
tradicionales
(
"¿Qué
es
la
fotosíntesis?"
o
"¿Cuáles fueron los héroes de la independencia?"
), el esfuerzo de
abstracción es asumido por el algoritmo, generando una atrofia cognitiva por desuso
de las funciones superiores.
2.2 La Taxonomía de Bloom Reorganizada para la Era Digital
La
Taxonomía
Revisada
de
Bloom
(Anderson
&
Krathwohl,
2001)
clasifica
las
operaciones mentales en un gradiente de complejidad. Los sistemas de IAG son
extraordinariamente eficientes en la ejecución autónoma de las tareas situadas en
los
niveles
inferiores
de
la
pirámide
(recordar,
comprender
y
aplicar
mediante
síntesis).
Por lo tanto, la transposición didáctica en la era algorítmica exige trasladar el centro
de gravedad del trabajo estudiantil hacia los niveles superiores de la taxonomía:
Tabla 2
Nivel Cognitivo
(Taxonomía)
Categórica / Rol de la IA
Acción / Aplicación Práctica
Crear
Niveles
Superiores
(Dominio
Exclusivo del Estudiante)
Rediseñar prompts, proponer
soluciones originales.
Evaluar
Niveles Superiores
(Dominio Exclusivo del
Estudiante)
Auditar veracidad, detectar
sesgos y omisiones.
Analizar
Niveles Superiores
(Dominio Exclusivo del
Estudiante)
Comparar fuentes,
desestructurar argumentos de la
IA.
15
Aplicar
Transición / Uso asistido
Aplicación contextualizada de
los insumos generados.
Comprender
Niveles Inferiores
(Delegables / Asistidos por
IA)
Generación de borradores,
resúmenes automáticos,
organización primaria de datos
teóricos.
Recordar
Niveles Inferiores
(Delegables / Asistidos por
IA)
Búsqueda, recuperación rápida
de datos y almacenamiento
directo de información.
Como sostienen Jonassen (2000) y Selwyn (2019), las tecnologías deben operar
como "herramientas de la mente" (
mindtools
). La IA no debe ser la que piensa por el
alumno,
sino
el
reactivo
contra
el
cual
el
estudiante
ejercita
su
capacidad
de
argumentar y refutar.
Metodología: La Auditoría Triádica del Conocimiento (ATC)
Para operacionalizar esta perspectiva teórica en el aula, se propone la metodología
instruccional
denominada
Auditoría
Triádica
del
Conocimiento
(ATC)
.
Este
modelo
sustituye
el
paradigma
de
la
respuesta
correcta
inmediata
por
un
ciclo
iterativo de interacción dialógica estructurado en tres momentos:
Tabla 3
Paso
Etapa del Proceso
Acción y Rol
del Estudiante / IA
PASO 1
Formulación del
insumo (Prompt)
El estudiante diseña la instrucción delimitando
rol, contexto, límites y formato.
16
PASO 2
Generación
algorítmica sintética
La IAG produce un borrador inicial susceptible de
contener errores o vacíos.
PASO 3
Auditoría y
evaluación crítica
(Human
-
in
-
the
-
loop)
El estudiante aplica filtros de veracidad,
neutralidad, suficiencia y contexto.
PASO 4
Reestructuración y
síntesis propia
Redacción final enriquecida con evidencias,
correcciones y postura personal.
Los Tres Filtros de la Auditoría Crítica:
Filtro 1: Veracidad y Factibilidad (¿Es real?):
Contraste sistemático de los
datos proporcionados por la IA con libros de texto oficiales, fuentes primarias
o bases científicas escolares para detectar "alucinaciones" (información falsa
generada por probabilidad del lenguaje).
Filtro 2: Neutralidad y Perspectiva (¿Qué falta?):
Identificación de sesgos
culturales,
de
género,
geográficos
o
ideológicos
presentes
en
el
texto
e
integración de las voces omitidas.
Filtro 3: Suficiencia y Profundidad (¿Es completo?):
Evaluación de si la
respuesta resuelve la problemática de manera sustantiva o si se queda en
afirmaciones genéricas y superficiales.
Estrategias Pedagógicas Prácticas para Básica Media
A
continuación,
se
presentan
tres
estrategias
didácticas
listas
para
su
aplicación
curricular en el aula de Básica Media:
Estrategia 1: El "Detective de Sesgos y Alucinaciones"
Área Curricular:
Ciencias Sociales / Lengua y Literatura.
17
Objetivo
de
Aprendizaje:
Desarrollar
el
juicio
crítico
mediante
la
identificación
de
anacronismos,
errores
conceptuales
y
parcialidades
en
textos historiográficos o científicos generados por IA.
Desarrollo de la Dinámica:
1.
El docente genera un texto breve utilizando IAG sobre un tema del
currículo (ejemplo:
La época colonial en la Real Audiencia de Quito
o
El
ciclo
del
agua
),
introduciendo
de
manera
deliberada
dos
alucinaciones
tecnológicas/históricas
y
un
sesgo
de
interpretación
.
2.
Los estudiantes, organizados en parejas investigativas, reciben el texto
junto a una ficha de auditoría.
3.
Utilizando
el
libro
de
texto
institucional
y
fuentes
impresas
de
la
biblioteca
escolar,
los
alumnos
deben
subrogar
el
texto
de
la
IA,
identificar
los
errores
y
redactar
una
carta
de
refutación
dirigida
al
modelo algorítmico.
Tabla 4
Ficha de Trabajo: El Detective de IA
Fragmento
del
Texto de la IA
Error
/
Sesgo
Detectado
Evidencia
en
Fuente Confiable
Corrección
Argumentada
"En
1780,
los
habitantes
usaban
teléfonos
para
coordinar
las
rutas
del cacao..."
Alucinación
/
Anacronismo
Libro
de
Sociales,
Pág.
52:
Los
medios
de
comunicación
de
El teléfono se inventó
en el siglo XIX; en el
siglo
XVIII
las
comunicaciones
tomaban semanas.
18
la
época
eran
cartas y arrieros.
"La
colonización
solo
trajo
avances
modernos
a
las
comunidades..."
Sesgo
de
interpretación /
Omisión
Texto
de
Historia,
Pág.
58:
Hubo
explotación,
mitas
y
pérdida
de
identidades.
El
texto
omite
el
impacto
negativo
en
las
poblaciones
originarias
y
la
imposición
de
sistemas serviles.
Estrategia 2: El "Socrático Sintético" (Debate y Contra-argumentación)
Área Curricular:
Desarrollo Humano Integral (DHI) / Ciencias Naturales.
Objetivo de Aprendizaje:
Fortalecer la estructura lógica de los argumentos
propios frente a un interlocutor digital que formula preguntas cuestionadoras
de forma persistente.
Desarrollo de la Dinámica:
1.
Se proyecta la interfaz de la IAG en el aula plenaria o en computadoras
del laboratorio escolar.
2.
El docente configura a la IAG mediante un
prompt de rol
para que actúe
como un filósofo socrático que responde
únicamente con preguntas
cortas
.
Prompt de Configuración Socrática (Uso Docente)
"Actúa
como
un
profesor
socrático
para
niños
de
10
años.
Tu
objetivo
es
hacer
preguntas cortas y amables que pongan a prueba las opiniones del estudiante sobre
el tema: [INSERTAR TEMA: Ej. ¿Deberían prohibirse los zoológicos?]. Nunca des la
respuesta ni digas si el estudiante tiene la razón; haz una sola pregunta a la vez para
obligarlo a pensar en los pros y contras."
Ejemplo de Interacción en Clase:
19
Estudiante:
"Pienso que los zoológicos deben cerrarse todos inmediatamente
porque los animales sufren."
IAG (Socrático):
"Si cerramos todos los zoológicos mañana, ¿qué pasaría
con los animales heridos que ya no pueden sobrevivir solos en la selva?"
Estudiante
(Ajuste
crítico):
"Bueno,
los
animales
heridos
deberían
ir
a
santuarios de rescate, pero no a zoológicos comerciales donde la gente paga
por entretenimiento.
Estrategia 3: Traducción Multimodal y Análisis Causal
Área Curricular:
Educación Cultural y Artística (ECA) / Ciencias Naturales.
Objetivo de Aprendizaje:
Analizar la fidelidad conceptual en la transposición
de un lenguaje textual a una representación visual generada por IA.
Desarrollo de la Dinámica:
1.
Los
estudiantes
leen
la
descripción
de
un
ecosistema
complejo
(ejemplo:
El
ecosistema
del
manglar
y
sus
interacciones
biogeoquímicas
).
2.
Diseñan
un
prompt
descriptivo
para
un
generador
de
imágenes
(ejemplo: Canva Magic Media, Craiyon o Bing Image Creator).
3.
Al recibir la imagen sintética, analizan críticamente la producción visual:
¿El modelo dibujó especies que no pertenecen al manglar? ¿El clima
representado es coherente? ¿Por qué la IA confundió las raíces aéreas
con árboles de clima templado?
4.
Rediseñan
el
prompt
ajustando
adjetivos
y
coordenadas
espaciales
hasta lograr una precisión conceptual rigurosa.
Matriz de Evaluación Formativa del Pensamiento Crítico
Para garantizar que la evaluación califique el proceso intelectual del estudiante y no
la producción automatizada de la máquina, se presenta la siguiente rúbrica analítica
procesal para Básica Media:
20
Tabla 5
Criterio
de
Evaluación
Nivel 1: Inicial
(Requiere
Apoyo)
Nivel
2:
En
Desarrollo
Nivel
3:
Consolidado
Nivel
4:
Excelente
/
Destacado
Auditoría
de
Veracidad
Acepta
el
texto
o
imagen
de
la
IA
como
verdad
absoluta
sin
verificar
datos.
Detecta
errores
evidentes
solo
cuando
el
docente
señala
la
página
o
párrafo
exacto.
Identifica
de
forma
autónoma
inexactitudes
e
inconsistencias
comparando
con
el
texto
guía.
Localiza
errores
sutiles
y
alucinaciones,
explicando
la
causa
pr
obable
del
error
algorítmico.
Formulación
de Prompts
Escribe
palabras
sueltas
o
preguntas
vagas
(
"El
clima"
).
Formula
preguntas
completas
pero omite el
contexto y las
restricciones.
Diseña prompts
estructurados
indicando
rol,
tema, formato y
límites.
Refina
iterativamente
las
instrucciones
en
función
de
los
resultados
para
profundizar
el
análisis.
Análisis
de
Sesgos
y
Omisiones
No
percibe
parcialidades
ni
estereotipos
en
la
Reconoce
que
el
texto
favorece
una
postura,
pero
no
explic
a
por qué.
Identifica
el
punto
de
vista
del
texto
y
señala
qué
voces
o
perspectivas
Argumenta las
causas
culturales
e
históricas
del
sesgo
y
reestructura
el
21
respuesta
de
la IA.
están
ausentes.
escrito
integrando
equidad.
Autonomía
Argumentativa
Copia y pega
las
respuestas
de la IA para
entregarlas
como
trabajo
propio.
Parafrasea el
texto de la IA
sin
aportar
ideas
ni
conclusiones
personales.
Utiliza
la
información
de
la
IA
como
borrador
y
agrega
ejemplos
y
reflexiones
propias.
Sintetiza,
rebate
y
transforma
los
insumos
sintéticos para
construir
una
postura
personal
sólida.
Salvaguardas Éticas, Privacidad y Mitigación de Brechas
La integración de la Inteligencia Artificial Generativa en la Educación Básica Media
debe ejecutarse bajo salvaguardas éticas e institucionales estrictas que protejan a la
infancia y garanticen la equidad.
Tabla 6
Despersonalización Absoluta
No Biometría
Soberanía Evaluativa
Queda prohibido ingresar
nombres reales, cédulas,
direcciones o diagnósticos.
Prohibido cargar
fotos, audios o
videos de los
estudiantes a la
nube.
Ningún resultado de la
IA posee validez legal ni
docente sin firma y
auditoría humana.
22
1.
Protección de Datos Personales (LOPDP / RGPD):
En cumplimiento de las
normativas de protección de datos de niños y adolescentes, los estudiantes
de
Básica
Media
no
deben
crear
cuentas
personales
en
plataformas
comerciales
de
IAG.
La
interacción
debe
encauzarse
mediante
la
cuenta
institucional del docente o herramientas cerradas (
sandboxes
).
2.
Prohibición
de
Datos
Sensibles:
Bajo
ninguna
circunstancia
se
debe
ingresar en los casilleros de interacción de las herramientas información sobre
nombres
completos,
antecedentes
familiares,
situaciones
médicas
o
expedientes disciplinarios de los alumnos.
3.
Estrategia
Desconectada
para
Mitigación
de
la
Brecha
Digital:
En
instituciones
educativas
que
no
dispongan
de
conectividad
a
Internet
o
computadoras suficientes, el docente puede aplicar las estrategias mediante
la
modalidad
impresa
(
Unplugged
)
.
El
profesor
imprime
previamente
respuestas
generadas
por
diferentes
modelos
de
IAG
y
distribuye
los
materiales
impresos
en
el
aula
para
que
los
grupos
realicen
el
trabajo
de
auditoría,
subrayado
y
refutación
utilizando
marcadores
y
cuadernos
de
trabajo.
Conclusiones
Reconceptualización
Pedagógica:
La
Inteligencia Artificial
Generativa
no
constituye una amenaza para el desarrollo del pensamiento crítico siempre
que se la despoje del rol de oráculo de respuestas y se la ubique como un
objeto de auditoría, cuestionamiento y reestructuración cognitiva.
Enfoque
en
la
Matriz
Procesal:
La
evaluación
educativa
en
la
era
de
la
automatización digital debe dejar de premiar la entrega de productos finales
acabados para concentrarse en la evaluación del proceso: la calidad de las
preguntas formuladas, la rigurosidad en la detección de errores y la capacidad
de construir una argumentación propia.
23
El
Valor
Incalculable
de
la
Mediación
Docente:
Ningún
algoritmo
de
lenguaje
posee
sensibilidad
empática,
comprensión
ética
contextual
ni
vocación pedagógica. El docente no compite con la IA en la entrega de datos,
sino
que
guía
al
estudiante
para
convertir
la
información
sintética
en
conocimiento profundo, reflexivo y comprometido con su entorno social.
Referencias Bibliográficas
Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and
assessing: A revision of Bloom's taxonomy of educational objectives.
Longman.
Anijovich, R., & Cappelletti, G. (2017). La evaluación como oportunidad. Paidós.
Ausubel, D. P. (1968). Educational psychology: A cognitive view. Holt, Rinehart and Winston.
Black, P., & Wiliam, D. (2009). Developing the theory of formative assessment. Educational
Assessment,
Evaluation
and
Accountability,
21(1),
5
–
31.
https://doi.org/10.1007/s11092-008-9068-5
Bruner, J. S. (1986). Actual minds, possible worlds. Harvard University Press.
Buckingham,
D.
(2019).
Teaching
media
in
the
age
of
digital
media:
Rethinking
media
education
in
the
age
of
automation.
Routledge.
https://doi.org/10.4324/9780429323133
Ennis, R. H. (2015). Critical thinking: A streamlined conception. In M. Davies & R. Barnett
(Eds.), The Palgrave handbook of critical thinking in higher education (pp. 31
–
47).
Palgrave Macmillan. https://doi.org/10.1057/9781137378057_2
Flavell,
J.
H.
(1979).
Metacognition
and
cognitive
monitoring:
A
new
area
of
cognitive-
developmental
inquiry.
American
Psychologist,
34(10),
906
–
911.
https://doi.org/10.1037/0003-066X.34.10.906
Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research,
77(1), 81
–
112. https://doi.org/10.3102/003465430298487
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and
implications for teaching and learning. Center for Curriculum Redesign.
Jonassen, D. H. (2000). Computers as mindtools for schools: Engaging critical thinking (2nd
ed.). Merrill/Prentice Hall.
24
Luckin, R., & Cukurova, M. (2019). Designing AI in education to support human learning: A
focus
on
cognition,
metacognition,
and
affect.
International
Journal
of
Artificial
Intelligence
in
Education,
29(4),
516
–
538.
https://doi.org/10.1007/s40593-019-
00186-0
Mollick,
E.
R.,
&
Mollick,
L.
(2023).
Assigning
AI:
Seven
approaches
for
students,
with
prompts.
Wharton
School
Research
Paper,
SSRN
4475995.
https://doi.org/10.2139/ssrn.4475995
Paul, R., & Elder, L. (2019). The miniature guide to critical thinking concepts and tools (8th
ed.).
Foundation for Critical Thinking.
Pedró, F. (2024). La inteligencia artificial en la educación: Desafíos éticos y oportunidades
pedagógicas en América Latina.
IESALC UNESCO.
Piaget, J. (1972). Intellectual evolution from adolescence to adulthood. Human Development,
15(1), 1
–
12. https://doi.org/10.1159/000271225
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity
Press.
UNESCO.
(2023).
Guidance
for
generative
AI
in
education
and
research.
UNESCO
Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000386694
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes.
Harvard University Press.
Williamson, B., Macgilchrist, F., & Potter, J. (2024). Re-examining AI in education: Critical
perspectives on generative models and automated pedagogy.
Learning, Media and
Technology, 49(1), 1
–
15. https://doi.org/10.10
80/17439884.2024.2301234