La importancia de distinguir entre asociación y rendimiento en estudios sobre IA y pensamiento crítico

La importancia de distinguir entre asociación y rendimiento en estudios sobre IA y pensamiento crítico



Contenido
  1. Resumen en 30 segundos: las siete cifras que importan
  2. El estudio del que salen los titulares
  3. El experimento que apunta al revés
  4. La paradoja: usarla mejor genera más dependencia
  5. Las dos variables que cambian el signo
  6. Qué hacer con esto, en la práctica
  7. Preguntas frecuentes
  8. Lo que ignoramos
  9. Referencias

Hay un estudio de 2025, con 666 participantes y más de mil citas, que encontró una correlación negativa significativa entre usar herramientas de IA y la capacidad de pensamiento crítico. Es el trabajo que sostiene casi todos los titulares sobre el asunto. Y hay un experimento de 2026 en el que se repartió a 120 jóvenes entre resolver una tarea de detección de falacias lógicas con ChatGPT o sin él: el grupo con IA acertó más y declaró mucho menos esfuerzo mental. Ninguno de los dos miente. Lo que ocurre es que uno mide una asociación y el otro mide un rendimiento, y entre ambas cosas hay una distinción que casi nunca se explica.

Resumen en 30 segundos: las siete cifras que importan

Cada fila indica el estudio y el año. Nótese cuántos de estos trabajos son transversales y basados en autoinforme.

Hallazgo Resultado Estudio y año
Relación entre uso de IA y pensamiento crítico Correlación negativa significativa, con 666 participantes Gerlich, Societies (2025)
Quién muestra más dependencia Los más jóvenes, con peores puntuaciones Gerlich, Societies (2025)
Aciertos en una tarea de falacias lógicas con IA Más correctos que sin ella (H = 7,044; p < 0,01) Jain et al., Cognitive Processing (2026)
Esfuerzo mental declarado en esa tarea Significativamente menor (H = 27,434; p < 0,01) Jain et al., Cognitive Processing (2026)
Profundidad del uso y renuncia a la autonomía β = 0,25: a más sofisticación, más dependencia Si et al., J. of Intelligence (2026)
Mejor predictor del pensamiento crítico La motivación de aprendizaje (β = 0,42), no el uso de IA Si et al., J. of Intelligence (2026)
Papel de la alfabetización en IA Amortigua el efecto negativo de confiar en la herramienta Kulal, JCIS (2025)

Lo que vas a hallar en este espacio

• Qué midió exactamente el estudio del que salen todos los titulares.

  • El experimento cuyo resultado va en dirección contraria.
  • La paradoja de que utilizar de forma más eficiente el instrumento fomenta una mayor dependencia.

• Las dos variables que, según los datos, deciden el signo del efecto.

El estudio del que salen los titulares

Michael Gerlich publicó en Societies en enero de 2025 un trabajo de método mixto con 666 participantes de distintas edades y niveles educativos, combinando encuestas y entrevistas en profundidad. El análisis cuantitativo se hizo con ANOVA y correlaciones, y el cualitativo con análisis temático.

El hallazgo central: una correlación negativa significativa entre el uso frecuente de herramientas de IA y la capacidad de pensamiento crítico, con la descarga cognitiva como factor mediador. Además, los participantes más jóvenes mostraron mayor dependencia de las herramientas y puntuaciones de pensamiento crítico más bajas que los mayores.

Hay un tercer resultado en ese mismo estudio que se cita mucho menos y que conviene retener: un nivel educativo más alto se asoció con mejor pensamiento crítico con independencia del uso de IA. Es decir, en los propios datos del trabajo hay una variable que predice el resultado sin pasar por la herramienta.

Lo que un diseño de esta naturaleza jamás logrará transmitir

Es una investigación de carácter transversal: evalúa simultáneamente la adopción de inteligencia artificial y el pensamiento crítico en un único momento a través de cuestionarios autoadministrados. Este esquema metodológico impide discernir si el empleo de la inteligencia artificial erosiona el pensamiento crítico o si las personas con menor puntuación en dicha competencia recurren con mayor frecuencia a estas herramientas. Ambas hipótesis resultan perfectamente viables y se ajustan al mismo conjunto de registros.

Estudio Diseño Qué encontró Qué no permite concluir
Gerlich, Societies (2025) Transversal, método mixto, 666 participantes Correlación negativa mediada por descarga cognitiva No establece dirección causal; todo es autoinforme
Jain et al., Cognitive Processing (2026) Experimental, 120 jóvenes, tarea de falacias lógicas Más aciertos y menos esfuerzo mental con IA Es una tarea única; no mide qué pasa después
Si et al., J. of Intelligence (2026) Transversal, 353 universitarios, análisis de perfiles La profundidad de uso predice más renuncia a la autonomía Autoinforme; refleja percepciones, no conductas medidas
Tian y Zhang, Acta Psychologica (2025) Transversal, 580 universitarios, mediación moderada La fatiga cognitiva media parcialmente el efecto No distingue causa de consecuencia
Kulal, JCIS (2025) Transversal, 625 posgrados, docentes e investigadores La confianza amplifica el efecto; la alfabetización lo amortigua Mismo límite: una sola medición en el tiempo

El experimento que apunta al revés

En 2026, Purvi Jain junto a sus colaboradores dieron a conocer en Cognitive Processing aquella investigación ausente en prácticamente todos los debates sobre la materia: un planteamiento experimental y no una simple encuesta. Se asignó a un grupo de 120 adultos jóvenes la resolución de un ejercicio para detectar falacias lógicas, dividiéndolos entre quienes contaron con ChatGPT (57 sujetos) y quienes prescindieron de él (63 individuos), aplicando además tres test cuantitativos y evaluando de forma cualitativa a una muestra reducida de 54 voluntarios.

Ambos resultados cuantitativos apuntan hacia el mismo sentido, el cual difiere de lo sugerido por los encabezados. El equipo apoyado por IA logró un mayor número de aciertos (H = 7,044; p < 0,01) y reportó una carga cognitiva notablemente inferior (H = 27,434; p < 0,01).

El análisis cualitativo es donde aparece el matiz importante. Entre los participantes sin IA se observó razonamiento independiente, verificación y monitorización metacognitiva. En la condición con IA apareció una mezcla: unos delegaban por completo y otros hacían un uso selectivo y estratégico.

La conclusión de los autores es la frase que mejor resume toda esta literatura: el enfoque del usuario —delegación frente a implicación estratégica— determina si la herramienta actúa como sustituto o como andamio. Y añaden que la IA no ahorra tiempo necesariamente, ni mejora ni reduce el pensamiento crítico de manera uniforme.

La paradoja: usarla mejor genera más dependencia

El estudio de Shuai Si y sus colaboradores, dado a conocer en el Journal of Intelligence en 2026, encuestó a 353 universitarios chinos de varias provincias y empleó técnicas de análisis de conglomerados con el fin de reconocer los distintos perfiles de interacción. Se determinaron cuatro categorías, abarcando desde los denominados «usuarios de preguntas y respuestas simples» (25,2 %) hasta los conocidos como «cothinkers críticos» (15,6 %).

Variable Efecto Lectura
Motivación de aprendizaje β = 0,42 sobre las ganancias de pensamiento crítico Constituye el predictor más potente, además de ser independiente de la IA
Motivación de aprendizaje β = −0,35 sobre la renuncia a la autonomía cognitiva Actúa como un escudo contra la dependencia
Profundidad de la descarga cognitiva β = 0,25 sobre la renuncia a la autonomía A mayor sofisticación en el empleo, se incrementa la dependencia
Subgrupo de alta profundidad y alta dependencia 25,8 % de la muestra Cuenta con una presencia mayoritaria de mujeres y estudiantes de informática
Perfil de «cothinker crítico» 15,6 % de la muestra Representa una minoría dentro de los usos aconsejados por la literatura

El tercer descubrimiento resulta paradójico. A mayor profundidad en la descarga cognitiva, el alumnado abdica en mayor medida de su autonomía, desmintiendo así el supuesto de que un empleo más avanzado de la herramienta genera de forma automática ventajas intelectuales. Los propios creadores alertan de que la totalidad de las mediciones se basó en autoinformes, por lo que los datos plasman meramente las impresiones del estudiantado en cuanto a sus propias actitudes y destrezas.

Las dos variables que cambian el signo

Dos trabajos de 2025 coinciden en señalar qué modula el efecto. Jin-Rui Tian y Ronghua Zhang publicaron en Acta Psychologica un estudio con 580 universitarios chinos donde la dependencia de la IA se asociaba a menor pensamiento crítico, con la fatiga cognitiva mediando parcialmente esa relación. Y encontraron un papel doble de la alfabetización informacional: amortigua el impacto negativo, pero amplifica la fatiga cognitiva cuando la dependencia es alta.

Abhinandan Kulal publicó en el Journal of Computer Information Systems un estudio con 625 estudiantes de posgrado, docentes e investigadores que señala la otra variable. La confianza en la IA amplifica la relación negativa con el pensamiento crítico, y una alfabetización alta en IA amortigua de forma significativa el efecto perjudicial de esa confianza.

Puestos uno junto a otro, los cinco trabajos dibujan algo bastante distinto de «la IA nos vuelve tontos». Lo que predice el resultado no es si se usa la herramienta, sino con qué motivación, con cuánta confianza ciega y con qué preparación para evaluar lo que devuelve.

Qué hacer con esto, en la práctica

Ordenado por solidez de la evidencia que lo respalda:

• No cites la correlación como si fuera una causa. El estudio de 666 participantes es transversal y de autoinforme; en sus propios datos, el nivel educativo predice el pensamiento crítico al margen del uso de IA.

  • Distingue delegar de apoyarse. En el único experimento disponible, tal diferencia separaba a los voluntarios que empleaban el recurso a modo de andamiaje de aquellos que lo convertían en un reemplazo.

• Trabaja la motivación antes que la técnica. La motivación de aprendizaje fue el predictor más fuerte, con β = 0,42, muy por encima de cualquier variable de uso.

• Enseña a desconfiar, no solo a usar. La confianza en la herramienta amplifica el efecto negativo; la alfabetización en IA lo amortigua.

• Vigila a quien se maneja muy bien. La profundidad de uso predice más renuncia a la autonomía, no menos.

Preguntas frecuentes

¿Reduce la inteligencia artificial el pensamiento crítico?

Los estudios de encuesta encuentran una asociación negativa, pero no son causales. El trabajo de Gerlich, de 2025, con 666 participantes, halló una correlación negativa significativa entre uso frecuente de IA y pensamiento crítico, mediada por la descarga cognitiva. Al ser un diseño transversal con autoinforme, no puede distinguir si la IA deteriora el pensamiento crítico o si quien tiene menos pensamiento crítico usa más la IA.

¿Existe alguna prueba científica que lo haya validado?

Sí, y su resultado va en otra dirección. En el estudio de Jain y su equipo, de 2026, con 120 jóvenes adultos repartidos entre resolver una tarea de falacias lógicas con ChatGPT o sin él, el grupo con IA obtuvo más respuestas correctas (H = 7,044; p < 0,01) y declaró un esfuerzo mental significativamente menor (H = 27,434; p < 0,01).

¿Usar mejor la herramienta protege de la dependencia?

Los datos disponibles dicen que no. En el estudio con 353 universitarios publicado en el Journal of Intelligence, la profundidad de la descarga cognitiva predijo una mayor renuncia a la autonomía cognitiva, con β = 0,25, y un 25,8 % de la muestra formaba un subgrupo de alta profundidad y alta dependencia.

¿Qué predice mejor el pensamiento crítico de un estudiante?

La motivación, por encima de cualquier variable relacionada con la herramienta. En ese mismo estudio, la motivación de aprendizaje fue el predictor más fuerte tanto de las ganancias de pensamiento crítico (β = 0,42) como de una menor renuncia a la autonomía cognitiva (β = −0,35).

¿Qué se puede hacer para reducir el riesgo?

Trabajar la alfabetización en IA y la calibración de la confianza. En la investigación que incluyó a 625 personas, dada a conocer por el Journal of Computer Information Systems, se observó que la confianza depositada en la inteligencia artificial acentuaba el vínculo adverso con el razonamiento crítico, al tiempo que un nivel elevado de alfabetización tecnológica atenuaba de manera notable dicho impacto.

Lo que ignoramos

• Prácticamente nada con diseños longitudinales. Cuatro de los cinco trabajos miden en un único momento, lo que impide establecer la dirección del efecto.

• Qué pasa con medidas objetivas. El pensamiento crítico se evalúa casi siempre con escalas autoinformadas, no con pruebas de desempeño.

  • Si el efecto revierte. No se dispone de pruebas que indiquen que una modificación en la pauta de utilización restablezca aquello que posiblemente se haya extraviado, ni tampoco de que se produzca una pérdida irreversible.

• Cómo se mide la profundidad de uso. La variable que mejor predice la dependencia se construye con autoinforme, no observando lo que el usuario hace realmente.

Referencias

1. Gerlich, M. AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 2025. DOI: 10.3390/soc15010006

2. Jain, P. et al. Cognitive offloading, critical thinking and attitudes towards artificial intelligence in the era of ChatGPT. Cognitive Processing, 2026. DOI: 10.1007/s10339-026-01375-z

3. Si, S. et al. When Thinking Is Outsourced: Cognitive Offloading and the Heterogeneity of Critical Thinking Among Chinese University Students Using Generative Artificial Intelligence. Journal of Intelligence, 2026. DOI: 10.3390/jintelligence14070116

4. Tian, J.-R. y Zhang, R. Learners’ AI dependence and critical thinking: The psychological mechanism of fatigue and the social buffering role of AI literacy. Acta Psychologica, 2025. DOI: 10.1016/j.actpsy.2025.105725

5. Kulal, A. Cognitive Risks of AI: Literacy, Trust, and Critical Thinking. Journal of Computer Information Systems, 2025. DOI: 10.1080/08874417.2025.2582050

Este contenido tiene finalidad informativa y no constituye asesoramiento educativo ni psicológico. La mayoría de los estudios citados son transversales y se basan en autoinforme, por lo que describen asociaciones y percepciones, no relaciones de causa y efecto.

Por Camila Rojas

Hola, soy Camila Rojas, periodista apasionada por contar historias que conectan con las personas. Trabajo en diversos medios digitales, como No Cure Magazine, donde me especializo en temas de actualidad, cultura, tecnología y tendencias emergentes. Mi misión es crear contenido que no solo informe, sino que también inspire y genere impacto.