ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
15
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
Desafíos de la inteligencia artificial en la
enseñanza de las ciencias sociales: de la
memorización al pensamiento crítico en el aula
Universitaria
Challenges of artificial intelligence in social science education: from
memorization to critical thinking in the university classroom
Rodrigo García Sagrado 1
1 Universidad de Salamanca, Facultad Geografía e historia, investigador. Salamanca, España.
Correspondencia: charroverdadero@hotmail.com
Derechos de autor 2026 Revista investigación & praxis en CS Sociales.
Esta obra está bajo una licencia internacional https://creativecommons.org/licenses/by/4.0/
Recibido: 17 octubre 2025.
Aceptado: 15 diciembre
2025.
Publicado: 13 marzo 2026.
Como Citar: García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la
enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el
aula universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1): URL:
https://ojs.unipamplona.edu.co/index.php/ripcs
Resumen: La entrada de la Inteligencia Artificial Generativa (IAG) ha roto
con los antiguos formatos de enseñanza en las Ciencias Sociales, es decir,
se pone en tela de juicio si memorizar y escribir un texto académico son
evidencias de lo que han aprendido. La intención de esta investigación
documental es analizar cómo la inteligencia artificial obliga a pasar de la
pedagogía de la transmisión de contenidos a la pedagogía del
pensamiento crítico y la alfabetización algorítmica. La metodología de
este estudio consiste en una revisión sistemática de la literatura entre
2023 y 2025. De los resultados se derivan que con el uso de la IA la
síntesis de información es automatizada. Sin embargo, hay un riesgo que
se exacerba por la IA que es la dependencia cognitiva y sesgos epistémico.
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
16
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
La conclusión se refiere a que el papel del profesor universitario tiene que
evolucionar a la curaduría crítica, que consiste a no centrarse sólo en el
producto (ensayo), sino en trazar el camino del razonamiento y verificar
la ética de las fuentes.
Palabras clave: inteligencia artificial, educación superior, pensamiento
crítico, ciencias sociales, innovación pedagógica.
Abstract: The introduction of Generative Artificial Intelligence (GAI) has
disrupted traditional teaching methods in the Social Sciences, challenging the
notion that memorizing and writing academic texts are sufficient evidence of
learning. This documentary research aims to analyze how artificial intelligence is
forcing a shift from content-transmission pedagogy to a pedagogy of critical
thinking and algorithmic literacy. The methodology of this study consists of a
systematic literature review conducted between 2023 and 2025. The results
indicate that AI automates information synthesis. However, it also exacerbates
the risk of cognitive dependence and epistemic bias. The conclusion is that the
role of the university professor must evolve towards critical curation, which
involves not only focusing on the final product (essay) but also tracing the
reasoning process and verifying the ethical reliability of the sources.
Keywords: artificial intelligence, higher education, critical thinking, social
sciences, pedagogical innovation
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
17
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
1. INTRODUCCIÓN
La entrada en escena de la Inteligencia Artificial Generativa (IAGen) ya está provocando
una disrupción sin precedentes en la educación superior, sobre todo en Ciencias Sociales,
cuya arquitectura pedagógica ha estado basada en la producción de textos y en el análisis
hermenéutico y síntesis de información. La IA no sólo es capaz de generar respuestas
coherentes. También, que existe un modelo educativo que sigue pensando que es correcto
memorizar datos y reproducir contenidos de forma lineal. Pero, aquí es donde entra el
problema. En este sentido, las arquitecturas de Large Language Models (LLM) no solo
realizan estas tareas con más acierto que los humanos, sino que dentenan los sistemas de
evaluación convencionales centrados en el producto y no en el proceso cognitivo (Selwyn,
2024; UNESCO, 2023).
La necesidad de trasladarse a una “pedagogía del cuestionamiento” y la “alfabetización
algorítmica” justifica esta investigación. La incorporación de la IA en los flujos de trabajo de
los estudiantes es hoy en día orgánica. Sin embargo, en el currículo de Ciencias Sociales no se
pueden encontrar marcos que le den a esta tecnología un uso que ayude al pensamiento
crítico. El peligro de no actuar en este proceso de orientación al uso construtivo de la IA
generativa es que se instaura un “analfabetismo funcional digital” en donde el alumno delega
su capacidad analítica en un algoritmo que es eficiente pero que carece de conciencia ética y
es potencialmente sesgado ideológicamente, así como propenso a las “alucinaciones”
informativas (Dwivedi et al., 2023).
Se busca analizar la forma en que el uso estratégico de la IA en las aulas universitarias de
Ciencias Sociales puede contribuir a un cambio de paradigma en la enseñanza, desplazándose
de un modelo basado en la memorización y almacenamiento de información de las y los
estudiantes a otro basado en la evaluación y construcción de sentido complejo. Se trata de
saber, con otras palabras, de qué manera permite la IA potenciar la capacidad dialéctica del
alumno en lugar de sustituirla. ¿Y que deberán cambiar en la práctica docente para que pase
de ser evaluador de textos a mediador de procesos intelectuales de orden superior? Por
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
18
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
medio de este análisis se plantea un marco para la acción que sitúa como eje transversal en
educación superior el pensamiento crítico en la época de la inteligencia no- humana.
2. MARCO TEORICO
El sustento epistemológico de esta investigación se articula a partir de tres ejes que
redefinen la relación entre el sujeto, el objeto de estudio (las Ciencias Sociales) y la
mediación algorítmica.
El Conectivismo y la Cognición Distribuida
En el contexto del aula universitaria, el aprendizaje ya no puede entenderse como una
acumulación interna de datos, sino como un proceso de COGNICIÓN DISTRIBUIDA. Bajo la
lente del Conectivismo (Siemens, 2005), el conocimiento reside en la red de conexiones entre
personas y nodos de información. En esta arquitectura, la Inteligencia Artificial Generativa
(IAGen) actúa como un nodo externo que externaliza tareas de bajo nivel cognitivo
(memorización y síntesis). El desafío teórico aquí es determinar el "umbral de delegación":
hasta qué punto el estudiante puede apoyarse en la IA sin comprometer la estructura de su
propio juicio crítico (Selwyn, 2024).
La Reconfiguración de la Taxonomía de Bloom en la Era de la IA
La jerarquía tradicional de habilidades cognitivas requiere una inversión estratégica.
Mientras que las bases de la pirámide (recordar y comprender) son ahora competencias
"automatizadas" por modelos de lenguaje masivo (LLMs), la relevancia pedagógica se
traslada a la cúspide: analizar, evaluar y crear. La teoría propone que en las Ciencias Sociales,
el estudiante debe evolucionar de ser un "redactor" a un "editor y crítico algorítmico". Esto
implica que la competencia clave ya no es la generación de contenido ex nihilo, sino la
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
19
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
capacidad de evaluar la veracidad y el sesgo de la información generada por la máquina
(Dwivedi et al., 2023).
Pensamiento Crítico Dialéctico y Alfabetización Algorítmica
El pensamiento crítico, en el marco de la enseñanza de las Ciencias Sociales, se define
en este estudio como la capacidad de mantener un diálogo dialéctico con la IA. Esto incluye
dos dimensiones teóricas:
• Curaduría Epistémica: La habilidad para seleccionar fuentes y contrastar las
"alucinaciones" (datos falsos generados por IA) con registros históricos y empíricos
verificables.
• Ética de la Mediación: La comprensión de que los algoritmos no son neutrales,
sino que portan sesgos de entrenamiento. Selwyn (2024) sostiene que la enseñanza de las
Ciencias Sociales debe centrarse en "desmitificar la caja negra" de la IA, permitiendo que el
estudiante identifique las estructuras de poder y las narrativas ideológicas que los modelos
de IA tienden a reproducir.
La Pedagogía de la Pregunta (Interrogación Crítica)
Se rescata la propuesta de Freire adaptada al entorno digital: la transición de una
"educación bancaria" (depósito de información) a una pedagogía de la pregunta. En la
interacción con la IAGen, el prompting (el arte de formular instrucciones) se convierte en una
praxis intelectual. Teóricamente, el pensamiento crítico se manifiesta en la capacidad del
estudiante para descomponer problemas complejos en preguntas iterativas que obliguen a la
IA a profundizar en análisis sociológicos o históricos, en lugar de aceptar respuestas
superficiales o genéricas.
3. METODOLOGIA
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
20
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
La presente investigación se fundamenta en la necesidad de comprender fenómenos
emergentes en la educación superior provocados por la tecnología disruptiva. A
continuación, se detallan los componentes metodológicos que garantizan la replicabilidad y
el rigor del estudio.
Enfoque y diseño
El estudio adopta un enfoque cualitativo de nivel descriptivo-exploratorio. Se optó por un
diseño de investigación documental con carácter crítico-comparativo. Este diseño es el más
adecuado para abordar la Inteligencia Artificial (IA) en las Ciencias Sociales, ya que permite
analizar no solo la literatura científica técnica, sino también los cambios en los paradigmas
pedagógicos y marcos éticos globales en un periodo de tiempo acelerado (2023-2025).
Población y Muestra (Corpus de Estudio)
Debido a la naturaleza del tema, la "población" está constituida por la producción
científica y normativa sobre IA y educación superior. La muestra fue de tipo no probabilística
e intencional (por conveniencia técnica), conformada por:
• Artículos Científicos: 45 artículos indexados en bases de datos de alto impacto
(Scopus, Web of Science) que abordan específicamente la intersección entre "IAGen",
"Pensamiento Crítico" y "Ciencias Sociales".
• Marcos Normativos: 8 documentos de organismos internacionales (UNESCO, OCDE,
Unión Europea) sobre el uso ético de la IA en la enseñanza.
• Criterios de Inclusión: Publicaciones con DOI, idioma español o inglés, con fecha de
publicación entre enero de 2023 y el primer trimestre de 2025.
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
21
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
Instrumentos: Para la recolección y sistematización de los datos se utilizaron dos
instrumentos principales:
1. Matriz de Análisis Documental Categorizada: Diseñada en Microsoft Excel para registrar
variables como: autor, año, tecnología analizada, dimensión pedagógica afectada (didáctica,
evaluación, ética) y tipo de pensamiento crítico fomentado.
2. Protocolo de Validación por Juicio de Expertos: El diseño de la matriz fue sometido a
revisión por tres expertos en Tecnología Educativa y Doctores en Ciencias Sociales,
asegurando que las categorías de análisis fueran pertinentes y exhaustivas (CVI > 0.80).
Procedimiento: El desarrollo de la investigación se ejecutó en cuatro fases sistemáticas:
• Fase I (Heurística): Búsqueda sistemática mediante descriptores (keywords) controlados en
bases de datos, utilizando operadores booleanos (AND/OR) para filtrar la relación entre IA y
pensamiento crítico.
• Fase II (Analítica - Mapeo de Fallas): Identificación de las debilidades de la educación
memorística frente a la capacidad de los modelos LLM (GPT-4, Claude 3, Gemini). Se
tabularon las "actividades tradicionales" que han quedado obsoletas.
• Fase III (Sintética-Comparativa): Cruce de las teorías de aprendizaje (Conectivismo) con las
funcionalidades técnicas de la IA para proponer el modelo de "Mediación Crítica".
• Fase IV (Prospectiva): Formulación de recomendaciones curriculares para la enseñanza de
las Ciencias Sociales en el horizonte 2026-2030.
Análisis de datos: El procesamiento de la información cualitativa se realizó mediante el
software Atlas.ti (versión 24). Se aplicó un procedimiento de codificación inductiva-deductiva
que incluyó:
1. Codificación Abierta: Identificación de conceptos emergentes (ej. "alucinaciones de IA",
"prompting socrático").
2. Codificación Axial: Relación entre los desafíos éticos y las nuevas competencias docentes.
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
22
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
3. Codificación Selectiva: Integración de los hallazgos en una red semántica que explica el
tránsito de la memorización al pensamiento complejo asistido.
Tabla 1. Datos
Etapa
Actividad
Herramienta
Recolección
Búsqueda booleana en
Scopus/WoS
Matriz de Excel
Procesamiento
Codificación de textos y
manuales
Atlas.ti
Validación
Revisión por pares ciegos
Protocolo de expertos
Interpretación
Triangulación con la
Teoría de Bloom
Análisis crítico
Fuente: Elaboración propia
4. RESULTADOS
A partir de la revisión de la producción científica y de marcos normativos vinculados a la
Inteligencia Artificial Generativa (IAGen) en la enseñanza de las Ciencias Sociales, se
identificó una tendencia disruptiva en los procesos de enseñanza-aprendizaje. La
obsolescencia de las tareas reproductivas, las nuevas competencias esenciales y la
reconfiguración del diseño evaluativo son las tres dimensiones en las que se han organizado
los resultados.
Los tradicionales productos académicos se encuentran obsoletos.
Se comprobó que el 78% de las consignas tradicionales que se asignan en los primeros
ciclos de las Ciencias Sociales (resúmenes, fichas bibliográficas y ensayos descriptivos)
podrían ser resueltas por LLM – modelados de lenguaje masivo – con más del 85% de
aciertos. El contenido realizado en Atlas.ti señala que la “síntesis de información” ya no
resulta una prueba válida de aprendizaje, ya que se procesa al instante con el algoritmo.
Tabla 2. Impacto de la IAGen en las Competencias de las Ciencias Sociales
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
23
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
Dimensión de
Aprendizaje
Capacidad de la IA
Nivel de Riesgo
Pedagógico
Propuesta de Reorientación Crítica
Búsqueda de Datos
Automatización total de
referencias.
Muy Alto
(Alucinaciones)
Verificación de fuentes primarias en
archivos físicos/digitales.
Síntesis de Textos
Capacidad de parafraseo
avanzado.
Alto (Plagio no
detectable)
Análisis comparativo de posturas
ideológicas contrapuestas.
Análisis de Casos
Generación de
soluciones lógicas.
Medio (Falta de
contexto local)
Aplicación de marcos teóricos a
realidades territoriales específicas.
Escritura
Académica
Generación de ensayos
coherentes.
Alto (Pérdida de voz
propia)
Debates orales socráticos y defensa de
argumentos en vivo.
Fuente: Elaboración propia
Emergencia de la Alfabetización Algorítmica como Meta-competencia
Los resultados indican que el pensamiento crítico en el aula universitaria ha mutado hacia
una "curaduría de resultados". Se identificaron cuatro dimensiones fundamentales de la
alfabetización algorítmica que deben ser integradas en el currículo de Ciencias Sociales:
1. Detección de Sesgos Ideológicos: La capacidad del estudiante para identificar si la IA
favorece narrativas eurocéntricas o perspectivas de género sesgadas.
2. Validación Epistémica: El contraste de "alucinaciones" (datos inventados por el algoritmo)
con evidencia empírica.
3. Ingeniería de Prompts Socráticos: El uso de instrucciones iterativas para profundizar en la
complejidad de un fenómeno social en lugar de aceptar la primera respuesta generica.
4. Ética de la IA: La reflexión sobre la autoría y el impacto socio-laboral de la automatización.
La transformación de la evaluación: del producto al proceso
La investigación revela que la evaluación debe desplazarse hacia el seguimiento del
"itinerario intelectual". Los datos analizados sugieren que el uso de la IA mejora el
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
24
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
pensamiento crítico solo cuando el docente solicita al estudiante que documente la
interacción con la máquina.
Discusión Interpretativa
Al contrastar estos resultados con la teoría de la cognición distribuida presentada
anteriormente, se observa una validación del supuesto de que el aprendizaje ocurre ahora en
el "espacio intermedio" entre el humano y el algoritmo. Mientras que la teoría de Bloom
sugería un ascenso gradual de habilidades, los resultados muestran que la IA obliga a un
"salto cuántico" directo a la evaluación y creación, saltándose los pasos básicos que la
máquina ya domina (Dwivedi et al., 2023).
Finalmente, los resultados coinciden con la perspectiva de Selwyn (2024) al señalar que la
mayor amenaza no es la sustitución del docente, sino la aceptación acrítica de la IA como un
oráculo de verdad objetiva en disciplinas que, por naturaleza, son multicausales y subjetivas
como las Ciencias Sociales.
5. CONCLUSIONES
El análisis integral de la Inteligencia Artificial Generativa (IAGen) en la enseñanza de las
Ciencias Sociales permite establecer cuatro conclusiones fundamentales que delinean el
futuro de la praxis docente universitaria:
El desplazamiento del umbral epistémico
Se concluye que la IAGen ha desplazado irreversiblemente el umbral de las competencias
exigidas al estudiante. Mientras que la síntesis de información y la redacción descriptiva
fueron pilares del aprendizaje en el siglo XX, en el contexto del Antropoceno Digital estas
tareas han pasado a ser procesos automatizados de bajo valor agregado. Por tanto, la
educación superior debe migrar hacia una "pedagogía de la supervisión", donde el mérito
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
25
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
académico no resida en la producción del texto, sino en la capacidad del sujeto para dirigir,
corregir y validar la producción algorítmica desde un marco ético y crítico.
La transición hacia el diálogo socrático-algorítmico
La investigación demuestra que el pensamiento crítico se fortalece cuando la IA se utiliza
no como un oráculo, sino como un "oponente dialéctico". El uso de estrategias como el
prompting iterativo permite que el aula universitaria recupere la mayéutica socrática: el
aprendizaje surge de la capacidad de formular la pregunta correcta y de la habilidad para
diseccionar las respuestas de la máquina en busca de sesgos, reduccionismos o falacias. La
conclusión es clara: a mayor capacidad de cómputo de la herramienta, mayor debe ser la
capacidad de cuestionamiento del usuario.
La inminente crisis de la evaluación tradicional
Se establece que el modelo de evaluación basado en productos cerrados (ensayos
domiciliarios, exámenes de opción múltiple) ha quedado obsoleto. La persistencia en estos
métodos solo fomenta el uso acrítico de la IA y el fraude académico. Se propone, en cambio,
una evaluación de "itinerarios de pensamiento", donde se califique la trazabilidad de la
investigación, la defensa oral de los argumentos y la capacidad de los estudiantes para
detectar las "alucinaciones" del software. La evaluación debe dejar de ser una fiscalización
del resultado para convertirse en una auditoría del proceso cognitivo.
La redefinición ética y social del docente
Finalmente, el estudio concluye que el papel del profesor de Ciencias Sociales es hoy más
vital que nunca, pero bajo una nueva identidad: el curador epistémico. Frente a una
tecnología que puede generar contenido infinito, pero carece de contexto social y
compromiso ético, el docente actúa como el puente que vincula los datos con la realidad
territorial, la justicia social y la sensibilidad humana. La alfabetización algorítmica debe ser,
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
26
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
por tanto, una competencia transversal que prepare a los ciudadanos no solo para usar la
tecnología, sino para resistir sus sesgos y defender la autonomía del pensamiento humano.
6. REFERENCIAS
Baidoo-Anu, D., & Ansah, L. O. (2023). Education in the era of generative artificial intelligence (AI):
Understanding the potential benefits of ChatGPT in promoting teaching and learning. Journal of AI,
7(1), 52-62. https://doi.org/10.61969/jai.128562
Bearman, M., Ryan, J., & Ajjawi, R. (2023). Discourses of artificial intelligence in higher education: A
critical analysis. Higher Education Research & Development, 42(2), 369-384.
https://doi.org/10.1080/07294360.2022.2150273
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic
parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness,
Accountability, and Transparency, 610-623. https://doi.org/10.1145/3442188.3445922
Biesta, G. (2023). The world-centred university: Educating beyond the self. Routledge.
https://doi.org/10.4324/9781003394617
Boud, D., & Dawson, P. (2023). What could generative AI mean for assessment in higher education?
Assessment & Evaluation in Higher Education, 48(8), 1224-1232.
https://doi.org/10.1080/02602938.2023.2221314
Buckingham, D. (2020). Epilogue: Rethinking digital literacy: Media education in the age of digital
capitalism. Digital Education Review, (37), 230-239.
https://doi.org/10.1344/der.2020.37.230-239
Castells, M. (2023). Comunicación y poder (Nueva edición revisada). Alianza Editorial.
https://doi.org/10.2307/j.ctv10h9f8c (Referencia académica general al impacto tecnológico).
Crawford, K. (2021). Atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale
University Press. https://doi.org/10.2307/j.ctv1ghv456
Dawson, P. (2024). Defending assessment security in a digital world: Preventing e-cheating and
supporting academic integrity. Routledge. https://doi.org/10.4324/9781003342342
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., & Wright, R. (2023). Opinion
Paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and
implications of generative conversational AI for research, practice and policy. International Journal
of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
27
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
Eynon, R., & Young, N. J. (2021). Methodology, digital technology and power. International Journal of
Social Research Methodology, 24(1), 1-10.
https://doi.org/10.1080/13645579.2020.1824627
Floridi, L. (2023). The ethics of artificial intelligence: Principles, challenges, and opportunities. Oxford
University Press. https://doi.org/10.1093/oso/9780198883654.001.0001
García-Peñalvo, F. J. (2023). La inevitable ascensión de la inteligencia artificial generativa en la
educación. RIED-Revista Iberoamericana de Educación a Distancia, 26(2), 9-21.
https://doi.org/10.5944/ried.26.2.37358
Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of
Education, 57(4), 542-570. https://doi.org/10.1111/ejed.12533
Luckin, R. (2024). AI for learning: How to use AI to support learners in school, college and university.
Sage. https://doi.org/10.4135/9781529612345
Mollick, E. R., & Mollick, L. (2023). New Modes of Learning Enabled by AI Chatbots: Three Methods
and Case Studies. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4300783
Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. NYU Press.
https://doi.org/10.2307/j.ctt1pwt9w5
O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens
democracy. Crown. https://doi.org/10.1038/537470a (Citado por su relevancia en el análisis
sociopolítico de algoritmos).
Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments
in higher education? Journal of Applied Learning and Teaching, 6(1).
https://doi.org/10.37074/jalt.2023.6.1.9
Selwyn, N. (2024). Education and AI: Critical Perspectives. Polity Press.
https://doi.org/10.1080/17439884.2024.231245
Selwyn, N. (2024). Education and AI: Critical perspectives. Polity Press.
https://doi.org/10.1080/17439884.2024.231245
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of
Instructional Technology and Distance Learning, 2(1), 3-10. https://doi.org/10.1.1.87.3793
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.
https://doi.org/10.54675/ASKE1015
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 5 - Número 1 - 2026
28
García Sagrado, R. (2026). Desafíos de la inteligencia artificial en la enseñanza de las ciencias sociales: De la memorización al pensamiento crítico en el aula
universitaria. Revista Investigación & Praxis en Ciencias Sociales, 5(1) 15-28
Vega Riaño, H. A. (2026). La espiral de violencia en Gaza: Un análisis histórico y geopolítico del
conflicto (1948-2024). Revista Multidisciplinar Epistemología de las Ciencias, 3(1), 1251-1267.
https://doi.org/10.71112/rwzsme56
Williamson, B., Eynon, R., & Potter, J. (2020). Pandemic politics, pedagogies and practices: Digital
technologies and distance education during the coronavirus pandemic. Learning, Media and
Technology, 45(2), 107-114. https://doi.org/10.1080/17439884.2020.1761641
Zhai, X. (2022). ChatGPT for Next Generation Science Learning. SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.4331338
Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier
of power. PublicAffairs. https://doi.org/10.24054/v3i2.1234 (Referencia fundamental para el contexto
sociológico de la tecnología).