Bases teóricas para una didáctica universitaria con la Inteligencia Artificial (IA) generativa. El modelo DIDACT.IA
DOI:
https://doi.org/10.17398/1695-288X.25.2.17Palabras clave:
Inteligencia artificial, Aprendizaje simbiótico, Pensamiento crítico, Educación superior, Diseño instruccional, Tareas académicasResumen
La inteligencia artificial (IA) generativa en la educación superior está provocando una disrupción pedagógica que afecta al sentido de las tareas académicas, a los procesos de evaluación, a las funciones docentes y a la relación del alumnado con el conocimiento. Los estudios y publicaciones académicas se han centrado en describir usos instrumentales, riesgos éticos o competencias digitales, sin desarrollar suficientemente una teoría didáctica que oriente la integración de la IA en los procesos de enseñanza y aprendizaje. Este artículo tiene como propósito identificar los fundamentos teóricos para una didáctica universitaria con IA orientada al desarrollo del pensamiento crítico. Para ello se adopta un enfoque de ensayo teórico de carácter integrador, articulando aportaciones de la cognición distribuida entre humano y máquina, los enfoques psicológicos y socioculturales del pensamiento crítico y la teoría de la enseñanza. Como resultado, se propone un marco conceptual para el aprendizaje simbiótico, las tareas académicas como contexto instruccional de dicha interacción, y el pensamiento crítico como condición para preservar la agencia epistémica del estudiante. Finalmente, se presenta un modelo didáctico, denominado «DIDACT.IA», basado en seis dimensiones: interrogación, comparación, diálogo crítico, verificación, reelaboración personal y reflexión. Se concluye que el mismo necesita mayor validación empírica en distintos contextos de la práctica docente universitaria.
Descargas
Referencias
Area-Moreira, M. (2025). Luces y sombras de la IA en la educación superior: Didáctica para el pensamiento crítico. Repositorio Institucional de la Universidad de La Laguna. https://riull.ull.es/xmlui/handle/915/40470
Area-Moreira, M., & González-González, M. C. (2026). Análisis de un caso práctico de un modelo didáctico para el pensamiento crítico con la inteligencia artificial en educación superior. Pixel-Bit. Revista de Medios y Educación, 76, Article 1. https://doi.org/10.12795/pixelbit.116639
Bailin, S. (2002). Critical thinking and science education. Science & Education, 11(4), 361–375. https://doi.org/10.1023/A:1016042608621
Bittle, K., & El-Gayar, O. (2025). Generative AI and academic integrity in higher education: A systematic review and research agenda. Information, 16(4), Article 296. https://doi.org/10.3390/info16040296
Bloom, B. S. (Ed.). (1956). Taxonomy of educational objectives: The classification of educational goals. Handbook I: Cognitive domain. Longmans, Green.
Chan, C. K. Y., & Tsi, L. H. Y. (2024). Will generative AI replace teachers in higher education? A study of teacher and student perceptions. Studies in Educational Evaluation, 83, Article 101395. https://doi.org/10.1016/j.stueduc.2024.101395
Chiu, T. K. F. (2026). Human-centric artificial intelligence pedagogy (HCAP) framework developed from TPACK through integration of artificial intelligence literacy and competency. Interactive Learning Environments, 1-16. https://doi.org/10.1080/10494820.2026.2615818
Clark, A., & Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7–19. https://doi.org/10.1093/analys/58.1.7
Coeckelbergh, M. (2026). AI and epistemic agency: How AI influences belief revision and its normative implications. Social Epistemology, 40(1), 59–71. https://doi.org/10.1080/02691728.2025.2466164
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20, Article 22. https://doi.org/10.1186/s41239-023-00392-8
Dawson, P., Bearman, M., Dollinger, M., & Boud, D. (2024). Validity matters more than cheating. Assessment & Evaluation in Higher Education, 49(7), 1005–1016. https://doi.org/10.1080/02602938.2024.2386662
Dellermann, D., Ebel, P., Söllner, M., & Leimeister, J. M. (2019). Hybrid intelligence. Business & Information Systems Engineering, 61(5), 637–643. https://doi.org/10.1007/s12599-019-00595-2
Doyle, W. (1983). Academic work. Review of Educational Research, 53(2), 159–199. https://doi.org/10.3102/00346543053002159
Doyle, W., & Carter, K. (1984). Academic tasks in classrooms. Curriculum Inquiry, 14(2), 129–149. https://doi.org/10.1080/03626784.1984.11075917
Engeström, Y., & Sannino, A. (2021). From mediated actions to heterogenous coalitions: Four generations of activity-theoretical studies of work and learning. Mind, Culture, and Activity, 28(1), 4-23. https://doi.org/10.1080/10749039.2020.1806328
Ennis, R. H. (1985). A logical basis for measuring critical thinking skills. Educational Leadership, 43(2), 44–48.
Facione, P. A. (1990). Critical thinking: A statement of expert consensus for purposes of educational assessment and instruction: Research findings and recommendations. American Philosophical Association.
Francis, N. J., Jones, S., & Smith, D. P. (2025). Generative AI in higher education: Balancing innovation and integrity. British Journal of Biomedical Science, 81, Article 14048. https://doi.org/10.3389/bjbs.2024.14048
Gagné, R. M. (1985). The conditions of learning and theory of instruction (4th ed.). Holt, Rinehart and Winston.
Goodyear, P., Carvalho, L., & Yeoman, P. (2021). Activity-Centred Analysis and Design (ACAD): Core purposes, distinctive qualities and current developments. Educational Technology Research and Development, 69, 445-464. https://doi.org/10.1007/s11423-020-09926-7
Hutchins, E. (1995). Cognition in the wild. MIT Press. https://mitpress.mit.edu/9780262581462/cognition-in-the-wild/
Karataş, F., & Ataç, B. A. (2025). When TPACK meets artificial intelligence: Analyzing TPACK and AI-TPACK components through structural equation modelling. Education and Information Technologies, 30, 8979-9004. https://doi.org/10.1007/s10639-024-13164-2
Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274
Kofinas, A. K., Tsay, C. H.-H., & Pike, D. (2025). The impact of generative AI on academic integrity of authentic assessments within a higher education context. British Journal of Educational Technology, 56(6), 2522–2549. https://doi.org/10.1111/bjet.13585
Lee, D., Arnold, M., Srivastava, A., Plastow, K., Strelan, P., Ploeckl, F., Lekkas, D., & Palmer, E. (2024). The impact of generative AI on higher education learning and teaching: A study of educators’ perspectives. Computers and Education: Artificial Intelligence, 6, Article 100221. https://doi.org/10.1016/j.caeai.2024.100221
Licklider, J. C. R. (1960). Man-computer symbiosis. IRE Transactions on Human Factors in Electronics, HFE-1(1), 4–11. https://doi.org/10.1109/THFE2.1960.4503259
Merrill, M. D. (2002). First principles of instruction. Educational Technology Research and Development, 50(3), 43–59. https://doi.org/10.1007/BF02505024
Mimoudi, A., & Mokhtari, K. (2025). “AIA-PCEK”: A new framework for teaching with AI. Cogent Education, 12(1), Article 2563171. https://doi.org/10.1080/2331186X.2025.2563171
Molenaar, I. (2022). Towards hybrid human-AI learning technologies. European Journal of Education, 57(4), 632–645. https://doi.org/10.1111/ejed.12527
Morello, L. T., & Chick, J. C. (2025). Human-AI symbiotic theory (HAIST): Development, multi-framework assessment, and AI-assisted validation in academic research. Informatics, 12(3), Article 85. https://doi.org/10.3390/informatics12030085
Newen, A., De Bruin, L., & Gallagher, S. (Eds.). (2018). The Oxford handbook of 4E cognition. Oxford University Press. https://doi.org/10.1093/oxfordhb/9780198735410.001.0001
Paul, R., & Elder, L. (2006). Critical thinking: Tools for taking charge of your learning and your life (2nd ed.). Pearson/Prentice Hall.
Pérez Gómez, Á. I. (2024). La revolución pedagógica de la IA educativa. Márgenes, Revista de Educación de la Universidad de Málaga, 5(2), 220–235. https://doi.org/10.24310/mar.5.2.2024.20485
Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The Artificial Intelligence Assessment Scale (AIAS): A framework for ethical integration of generative AI in educational assessment. Journal of University Teaching and Learning Practice, 21(6), Article 6. https://doi.org/10.53761/q3azde36
Pietarinen, A.-V. J., & Shi, S. (2026). Manipulation and deception in generative AI-mediated education: Preserving epistemic agency, critical thinking, and creativity. Postdigital Science and Education. Advance online publication. https://doi.org/10.1007/s42438-026-00644-6
Reigeluth, C. M. (Ed.). (1999). Instructional-design theories and models: A new paradigm of instructional theory (Vol. 2). Lawrence Erlbaum Associates.
Romiszowski, A. J. (1981). Designing instructional systems: Decision making in course planning and curriculum design. Kogan Page.
Samuel, A. (2026). Learning with machines: Toward a theory of epistemic co-agency. Computers and Education: Artificial Intelligence, 10, Article 100573. https://doi.org/10.1016/j.caeai.2026.100573
Tan, X., Cheng, K. S., & Ling, M. H. A. (2025). Artificial intelligence in teaching and teacher professional development: A systematic review. Computers and Education: Artificial Intelligence, 8, Article 100355. https://doi.org/10.1016/j.caeai.2024.100355
Tankelevitch, L., Kewenig, V., Simkute, A., Scott, A. E., Sarkar, A., Sellen, A., & Rintel, S. (2024). The metacognitive demands and opportunities of generative AI. In Proceedings of the CHI Conference on Human Factors in Computing Systems (Article 680, pp. 1–24). Association for Computing Machinery. https://doi.org/10.1145/3613904.3642902
UNESCO. (2024). AI competency framework for teachers. https://doi.org/10.54675/ZJTE2084
Vendrell, M., & Johnston, S.-K. (2026). Scaffolding critical thinking with generative AI: Design principles for integrating large language models in higher education. Computers and Education: Artificial Intelligence, 10, Article 100572. https://doi.org/10.1016/j.caeai.2026.100572
Wu, J.-Y., Lee, Y.-H., Chai, C. S., & Tsai, C.-C. (2025). Strengthening human epistemic agency in the symbiotic learning partnership with generative artificial intelligence. Educational Researcher, 54(6), 358–368. https://doi.org/10.3102/0013189X251333628
Xia, Q., Weng, X., Ouyang, F., Lin, T. J., & Chiu, T. K. F. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, 21, Article 40. https://doi.org/10.1186/s41239-024-00468-z
Xie, Z., & Fang, S. (2025). Building a «symbiotic learning» model for AI integration in art and design education. In Proceedings of the 2nd International Conference on Intelligent Education and Computer Technology (IECT ’25) (pp. 216–221). Association for Computing Machinery. https://doi.org/10.1145/3764206.3764238
Yang, T., & Jiang, J. (2024). Realizing augmenting technology–human symbiosis: A qualitative examination from the organizational learning perspective. SAGE Open, 14(4), 1–14. https://doi.org/10.1177/2158244
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Manuel Area-Moreira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Las personas autoras que publiquen en esta revista aceptan las siguientes condiciones:
1. Las personas autoras conservan los derechos de autor sobre sus trabajos y conceden a la revista el derecho de primera publicación. Los artículos se publican bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0), que permite a terceros compartir, copiar, distribuir, comunicar públicamente, adaptar, transformar y reutilizar el trabajo en cualquier medio o formato, incluso con fines comerciales, siempre que se reconozca adecuadamente la autoría, se cite la fuente original, se incluya un enlace a la licencia y se indique si se han realizado cambios. Nota: Esta licencia se aplica a los artículos publicados a partir del vol. 25, n.º 2, 2026.
2. Las personas autoras pueden establecer acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión publicada del artículo (por ejemplo, su depósito en un repositorio institucional o su inclusión posterior en un libro), siempre que se indique claramente que el trabajo fue publicado por primera vez en esta revista.
3. Se permite y recomienda a las personas autoras depositar y difundir su trabajo en Internet, por ejemplo, en repositorios institucionales, páginas institucionales o páginas personales antes, durante y después del proceso de revisión y publicación, ya que ello puede favorecer el intercambio académico, la visibilidad del trabajo y una difusión más amplia y rápida de la investigación publicada.
