Desafíos de la inteligencia artificial en la
enseñanza de las ciencias sociales: de la
memorización al pensamiento crítico en el aula
Universitaria
C
hallenges 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.
Revisado:
28 noviembre 2025.
Aceptado:
15 diciembre 2025.
Publicado:
21 enero 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). 16-28
https://doi.org/10.24054/ripcs.v5i1.4419
|
|
|
|
|
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
|
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) 16-28
|
se exacerba por la IA que es la dependencia cognitiva y sesgos epistémico.
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) 16-28
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
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) 16-28
de
ser
evaluador
de
textos
a
mediador
de
procesos
intelectuales
de
orden
superior?
Por
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
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) 16-28
implica
que
la
competencia
clave
ya
no
es
la
generación
de
contenido
ex
nihilo,
sino
la
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
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) 16-28
IA
a
profundizar
en
análisis
sociológicos
o
históricos,
en
lugar
de
aceptar
respuestas
superficiales o genéricas.
3. METODOLOGIA
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.
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) 16-28
•
Criterios de Inclusión:
Publicaciones con DOI, idioma español o inglés, con fecha de
publicación entre enero de 2023 y el primer trimestre de 2025.
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:
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) 16-28
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.
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
|
Resultado
|
|
Recolección
|
Búsqueda booleana en
Scopus/WoS
|
Matriz de Excel
|
45 artículos seleccionados
|
|
Procesamiento
|
Codificación de textos y
manuales
|
Atlas.ti
|
Red semántica de conceptos
|
|
Validación
|
Revisión por pares ciegos
|
Protocolo de expertos
|
Fiabilidad de categorías
|
|
Interpretación
|
Triangulación con la
Teoría de Bloom
|
Análisis crítico
|
Modelo de aula universitaria
IA
|
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
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) 16-28
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
|
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
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) 16-28
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
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
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) 16-28
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
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
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) 16-28
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,
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
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) 16-28
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
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
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) 16-28
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).
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) 16-28