ISSN 2007-734  
Facultad de Psicología  
Universidad Michoacana de San Nicolás de Hidalgo  
Copyright © 2025 UARICHA  
UARICHA, 2025, 23, 1-11  
Los retos cognitivos en la era de la IA:  
Reflexiones desde la investigación psicológica  
Cognitive Challenges in the Age of AI:  
Reflections from Psychological Research  
Anderson Camilo Cornejo Ortega1  
https://orcid.org/0000-0003-1542-5848  
1 Universidad Simón Bolívar (Colombia).  
Resumen  
Abstract  
La Inteligencia Artificial (IA) ha transformado diversos procesos  
sociales y científicos, entre ellos, la investigación en psicología.  
Si bien su uso optimiza tareas como la búsqueda de  
información, el análisis de datos y la redacción académica,  
también plantea importantes retos cognitivos, especialmente  
para investigadores en formación. Este ensayo reflexiona  
críticamente sobre los beneficios y riesgos asociados al uso de  
la IA en el campo investigativo, destacando posibles impactos  
en el razonamiento, la toma de decisiones y el pensamiento  
crítico. A partir de este análisis, se hace una propuesta  
educativa orientada al fortalecimiento de habilidades  
cognitivas clave, con el fin de promover una integración  
consciente, ética y responsable de la IA en la investigación  
psicológica.  
Artificial Intelligence (AI) has transformed various social and  
scientific processes, including psychological research. While its  
use optimizes tasks such as information search, data analysis,  
and academic writing, it also poses significant cognitive  
challenges, especially for researchers in training. This essay  
critically reflects on the benefits and risks associated with the  
use of AI in research, highlighting potential impacts on  
reasoning, decision-making, and critical thinking. Based on this  
analysis, an educational proposal is made aimed at  
strengthening key cognitive skills, with the aim of promoting a  
conscious, ethical, and responsible integration of AI into  
psychological research.  
Keywords:  
Artificial intelligence, critical thinking,  
psychological research, reasoning, decision making.  
Palabras clave:  
Inteligencia artificial, pensamiento crítico,  
investigación en psicología, razonamiento, toma de decisiones.  
Recibido: 1 de julio de 2025. Aceptado: 26 de diciembre de 2025.  
Correspondencia: Anderson Camilo Cornejo Ortega. Universidad Simón Bolivar. Avenida Gran Colombia No. 21-40, Barrio La Victoria, Cúcuta  
Santander, Colombia.  
a.cornejo@unisimon.edu.co  
UARICHA, 2025, Vol. 23, pp. 1-11  
1
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
Introducción  
En la actualidad, la Inteligencia Artificial (IA) ha transformado de manera significativa la forma en  
que la sociedad accede a la información, ejecuta procesos complejos e incluso toma decisiones  
en diversos sectores. Ámbitos como la salud, la educación y el mercadeo han incorporado  
herramientas digitales capaces de procesar grandes volúmenes de datos y ofrecer soluciones  
con rapidez y eficiencia (Song et al., 2024; Kauttonen et al., 2025). Este avance también ha  
comenzado a impactar el campo de la investigación científica, facilitando tareas como la revisión  
de literatura, el análisis de datos y la redacción de informes, generando una mayor rigurosidad  
en su calidad y eficacia para las revistas científicas (Gao y Wang, 2023).  
Este panorama se presenta como atractivo para la comunidad académica, en especial para  
estudiantes y personas jóvenes que se enfrentan por primera vez a la complejidad del proceso  
investigativo. No obstante, aunque existan beneficios reportados, el uso indiscriminado de esta  
herramienta digital puede desencadenar en problemas éticos y retos a nivel cognitivo (Park et  
al., 2024; González-Ciriaco y Medina-Marín, 2023). Es por esto que se considera relevante que,  
en espacios de aprendizaje de la investigación, la integración de la IA pueda ser mediada por el  
razonamiento para la toma de decisiones.  
Este ensayo explora los retos cognitivos que surgen cuando la IA se emplea como sustituto del  
investigador, en lugar de como herramienta mediada por su juicio crítico. Para ello, se abordan  
los conceptos de pensamiento crítico y la toma de decisiones, desde la psicología cognitiva y la  
epistemología de la ciencia, como conceptos que permitirían mitigar las consecuencias del uso  
de la IA en las personas y potenciar su uso en la investigación. Como punto final se presenta  
una propuesta educativa que integre esta perspectiva en las aulas, donde el docente actúe  
como mediador de la misma.  
Desarrollo  
Impactos de la IA en los procesos investigativos  
Dentro de las herramientas que agilizan y optimizan distintas fases del proceso científico se  
encuentran algunas altamente conocidas como ChatGPT o ChatPDF, así como otras de uso más  
especializado en el ámbito académico como, Perplexity y ResearchRabbit. Estas plataformas  
permiten acceder rápidamente a información académica, resumir artículos extensos, generar  
redes de coautorías y explorar referencias bibliográficas relevantes. Asimismo, resultan de gran  
utilidad para la creación de instrumentos y técnicas de recolección de datos (França, 2023).  
UARICHA, 2025, Vol. 23, pp. 1-11  
2
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
Además, estudios recientes en programas de doctorado indican que el uso de IA en el proceso  
investigativo con herramientas como ChatGPT y NVivo mejoran la productividad, automatizan  
tareas y promueven enfoques interdisciplinarios (El Hani et al., 2025). Por otra parte, Gao y Wang  
(2023) indican que artículos desarrollados con apoyo de la IA tienden a recibir mayor número  
de citaciones. Este panorama se presenta como atractivo para la comunidad académica, en  
especial para estudiantes y personas jóvenes que se enfrentan a la complejidad del proceso  
investigativo por primera vez.  
Asimismo, el campo de la psicología ha incorporado la IA no solo para fortalecer el diagnóstico  
y el seguimiento en ansiedad y depresión, sino también para profundizar en el análisis del  
comportamiento humano mediante procesamiento de lenguaje natural y modelización de  
datos. Un potencial que exige discernimiento crítico para evitar comportamientos automáticos  
acríticos (Chen et al., 2024; Gordon y Turnbull, 2024).  
Sin embargo, la facilidad y accesibilidad que brindan estas herramientas también genera un  
escenario de potencial riesgo: la tentación de delegar en la IA procesos que exigen un  
razonamiento crítico, ético y metodológico propio del investigador, sobre todo si se encuentra  
en fase de formación. Por lo tanto, surge una pregunta clave ¿qué pasa si el investigador no  
aplica pensamiento crítico y sólo copia y pega, o si confía ciegamente en lo que la IA produce?  
Retos cognitivos en el uso de la IA  
Con el fin de responder el cuestionamiento planteado anteriormente, es necesario considerar  
los retos cognitivos que emergen cuando la IA se emplea como sustituto, en lugar de como  
potenciador, del juicio del investigador. Uno de los principales riesgos es la delegación excesiva  
de procesos cognitivos fundamentales como la atención, el razonamiento crítico, la toma de  
decisiones y la resolución de problemas, los cuales son esenciales para garantizar la rigurosidad  
metodológica y la validez de los resultados. Este fenómeno, se ha descrito como pereza cognitiva  
(Gerlich, 2025), la cual ocurre especialmente cuando la descarga cognitiva se extiende a  
funciones centrales del pensamiento investigativo, en lugar de limitarse a tareas instrumentales  
como la búsqueda o el formato.  
Sin embargo, cabe reconocer, que el uso de la IA ha reportado beneficios reales y  
documentados como la resolución de problemas, liberación de carga cognitiva para tareas  
superiores y mayor cobertura bibliográfica (Jose et al., 2025; Gao & Wang, 2023). No obstante,  
su persistencia depende de que la IA actúe como herramienta mediada por el investigador, no  
como reemplazo de su autoría cognitiva. Cuando esta condición no se cumple, emergen efectos  
adversos: menor activación neuronal, reducción en originalidad y dificultad para reconocer la  
propia producción (Kosmyna et al., 2025; Ovalle, 2025). En consecuencia, es crucial diseñar  
intervenciones pedagógicas que promuevan una interacción consciente, ética y críticamente  
informada con la IA.  
UARICHA, 2025, Vol. 23, pp. 1-11  
3
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
Tipos de razonamiento y la toma de decisiones en la investigación  
Como propuesta que permita mediar el uso de la IA y la pereza cognitiva, se destaca la toma de  
decisiones, la cual, en investigación psicológica no se limita a elegir una metodología o una  
herramienta, sino que constituye un proceso deliberado y racional que exige evaluar las  
consecuencias metodológicas, éticas y epistémicas de cada alternativa (Simon, 1997). Este  
proceso está íntimamente ligado al pensamiento crítico, entendido aquí no como una habilidad  
abstracta, sino como un conjunto de competencias operativas que permiten interactuar con la  
IA sin ceder la autoría cognitiva (van Zyl et al., 2020). En este sentido, se propone desglosarlo en  
cuatro componentes clave: (1) crítica de la fuente, (2) identificación de sesgos algorítmicos, (3)  
validación contextual, y (4) usabilidad y originalidad. Estos conceptos se proponen como una  
estrategia central para solucionar los retos anteriormente mencionados.  
Los diferentes tipos de razonamiento funcionan como recursos cognitivos para ejercer esta  
vigilancia crítica. Por ejemplo, la crítica de la fuente y la validación contextual se apoyan en el  
razonamiento natural (intuición frente a lo improbable o contextualmente inadecuado) y en el  
informal (análisis argumentativo de coherencia); la identificación de sesgos algorítmicos requiere  
razonamiento formal (evaluación lógica de consistencia) e informal (reconocimiento de falacias  
discursivas); y la usabilidad y originalidad exige la integración de los tres modos para reformular  
críticamente la salida de la IA como insumo propio.  
En primer lugar, el razonamiento natural, basado en la intuición y la experiencia previa  
(Kahneman, 2011), permite evaluar con rapidez situaciones novedosas, por ejemplo, cuestionar  
una categorización simplista de la IA sobre el sufrimiento posconflicto. El razonamiento formal,  
por su parte, se fundamenta en estructuras lógicas y reglas de inferencia válida (Ennis, 2011), y  
desempeña un rol central en la formulación de hipótesis y la evaluación de coherencia teórica.  
Por último, el razonamiento informal exige habilidades avanzadas de análisis y construcción  
argumentativa (Walton, 2006), esenciales para interpretar discursos humanos donde la IA, por  
su carencia de sensibilidad cultural y emocional, puede generar reduccionismos. Sin embargo,  
el uso aislado de estos razonamientos conlleva riesgos: múltiples estudios señalan que los  
investigadores humanos, incluso sin IA, están expuestos a sesgos como el de confirmación,  
anclaje o representatividad, lo que puede derivar en decisiones apresuradas o interpretaciones  
sesgadas (Prada-Murillo et al., 2022; Sánchez-Ordóñez et al., 2025).  
Estos modos no son arbitrarios, sino que emergen de tradiciones teóricas consolidadas. El  
razonamiento natural se inscribe en la teoría del doble proceso (Kahneman, 2011; Evans &  
Stanovich, 2013), donde corresponde al Sistema 1 (rápido, intuitivo, heurístico). El razonamiento  
formal se ancla en la epistemología normativa y la lógica de la ciencia (García-Madruga et al.,  
2023; Zúñiga, 2025), y es central en el modelo hipotético-deductivo.  
UARICHA, 2025, Vol. 23, pp. 1-11  
4
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
El razonamiento informal, en cambio, se desarrolla en el marco de la teoría de la argumentación  
(García-Madruga et al., 2023; Walton, 2006), especialmente relevante en disciplinas donde la  
interpretación contextual es constitutiva del conocimiento, tal como ocurre en la psicología  
cualitativa. A estos se suman los enfoques: inductivo, que estudia desde lo particular a lo general  
y lo deductivo, que estudia desde lo general a lo particular, cuya integración permite balancear  
apertura empírica y rigor teórico (Trochim, 2020).  
La falta de equilibrio o ausencia entre estos modos incrementa la vulnerabilidad ante errores  
cognitivos, con o sin IA. Por ello, su desarrollo no puede esperarse de forma espontánea. Por  
esto, se ha encontrado que la estimulación del pensamiento crítico y la toma de decisiones se  
han logrado fortalecer mediante trabajo colaborativo y mediación docente (López-Juárez et al.,  
2022; Leyes, 2023).  
Esto sugiere que el docente asume un rol central: no como transmisor de conocimiento, sino  
como mediador que estimula la reflexión sobre qué delegar a la IA y cuándo activar el  
razonamiento crítico, una función indispensable para garantizar que la integración tecnológica  
no se traduzca en erosión cognitiva. Esta mediación puede estructurarse en torno a los cuatro  
componentes del pensamiento crítico propuestos, convirtiéndolos en criterios explícitos de  
análisis en cada fase del laboratorio: desde la evaluación de la fuente en la exploración inicial,  
hasta la construcción de originalidad en la fase final.  
Propuesta educativa  
En coherencia con lo anteriormente expuesto, y reconociendo la importancia de fortalecer las  
habilidades de razonamiento y toma de decisiones en el investigador en formación, a  
continuación, se presenta una propuesta educativa como resultado reflexivo de lo argumentado  
en la Tabla 1. Su objetivo es estimular el uso consciente y crítico de las herramientas de IA en la  
investigación en psicología, promoviendo los distintos tipos de razonamiento (natural, formal,  
informal, inductivo y deductivo) como recursos clave para la toma de decisiones ética y  
metodológicamente sólidas. La propuesta se estructura en tres fases articuladas en torno a los  
cuatro componentes operativos del pensamiento crítico: crítica de la fuente, identificación de  
sesgos algorítmicos, validación contextual y usabilidad-originalidad.  
La estructura presentada en la Tabla 1, no solo busca el desarrollo puntual de competencias,  
sino también sentar las bases para su transferencia a otros contextos investigativos, como la  
elaboración de tesis o artículos. Para ello, al final de cada fase se incluye una pregunta de cierre:  
“¿Cómo aplicarías este mismo proceso crítico, en relación con los componentes mencionados  
anteriormente (la crítica de fuente, sesgos, validación y la originalidad) en tu proyecto de  
investigación actual?”. Esta estrategia favorece la generalización intencional del aprendizaje.  
UARICHA, 2025, Vol. 23, pp. 1-11  
5
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
Tabla 1.  
Propuesta educativa para el fortalecimiento del pensamiento crítico y la toma de decisiones en investigación  
Fase  
Descripción de la actividad  
Estrategia de fortalecimiento  
Orientar la crítica de la fuente y  
validación contextual: ¿Es fiable este  
modelo para esta tarea? ¿Es coherente  
la hipótesis con el contexto  
colombiano?  
Búsqueda de antecedentes y generación  
de hipótesis preliminares, por ejemplo,  
sobre “impacto emocional del conflicto  
armado” usando IA (ChatGPT/Perplexity).  
1. Exploración  
inicial  
Promover la identificación de sesgos  
algorítmicos y articulación de  
razonamientos: ¿Qué sesgos podrían  
influir? ¿Qué tipo de razonamiento  
(natural/formal/informal) usaste para  
detectar errores?  
Evaluación de los resultados de la IA:  
identificación de sesgos, inconsistencias y  
lógica argumentativa (inductiva/deductiva).  
2. Análisis crítico  
Fomentar usabilidad y originalidad:  
¿Cómo transformas esta salida en un  
argumento propio, con autoría  
cognitiva?  
3. Toma de  
decisiones y  
construcción  
Reformulación autónoma de la hipótesis  
integrando aportes de la IA y análisis  
crítico.  
Fuente: Elaboración propia.  
Reflexiones finales  
La reflexión teórica desarrollada a lo largo del escrito ha permitido demostrar que, aunque la IA  
ofrece beneficios evidentes al optimizar tareas investigativas en psicología, su uso sin  
orientación crítica puede comprometer habilidades cognitivas clave. La tesis central: “la  
necesidad de fortalecer el razonamiento y la toma de decisiones para integrar la IA de forma  
crítica y responsable”, queda argumentada de manera sólida con base en la exposición de  
riesgos como la delegación excesiva, los sesgos algorítmicos y la posible reducción de la  
estimulación neuronal. De este modo, el ensayo cumple su función de defender y profundizar  
esta idea, cumpliendo así con su propósito analítico-reflexivo.  
Agregando a lo anterior, existen estudios que apoyan los riesgos cognitivos mencionados en el  
escrito, desarrollando conceptos como “cognitive off-loaded” que da una traducción literal de  
“descarga cognitiva”, lo que refiere a la tendencia a externalizar funciones cognitivas internas  
como memoria, planificación o análisis, en herramientas tecnológicas, para liberar carga mental.  
El uso sostenido de herramientas como recordatorios digitales, buscadores o IA puede generar  
beneficios inmediatos, pero también puede reducir la capacidad de activación de procesos  
cognitivos esenciales (Hu et al., 2019; Skulmowkski, 2023).  
UARICHA, 2025, Vol. 23, pp. 1-11  
6
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
Desde otra perspectiva, Sparrow et al. (2011), evidenciaron que, cuando las personas confían  
en que la información será almacenada electrónicamente, su capacidad para recordar el  
contenido específico se reduce de manera significativa. En la misma línea, Grinschgl et al. (2021)  
demostraron que esta externalización de la memoria puede mejorar el desempeño en tareas a  
corto plazo; sin embargo, limita el aprendizaje duradero, dado que promueve una retención  
superficial de la información.  
Por otra parte, se ha encontrado que los usuarios frecuentes de esta herramienta mostraban  
una menor activación cerebral, una reducción en la creatividad y una creciente dependencia  
hacia el sistema (Kosmyna et al., 2025). Estos efectos fueron descritos como una forma de  
“pereza cognitiva”, aludiendo a una disminución en el esfuerzo cognitivo necesario para procesar  
y generar ideas de manera autónoma. También, se advierte que una excesiva dependencia de  
la IA puede debilitar tanto la consolidación de la memoria como el pensamiento crítico (Oakley  
et al., 2025).  
Para esto, se han encontrado propuestas que orientan al usuario a involucrarse activamente en  
el razonamiento antes de aceptar una respuesta de la IA. Algunas de estas son intervenciones  
que reducen la confianza excesiva mediante preguntas reflexivas (Buçinca et al., 2021), o diseños  
de interacción que estimulan el pensamiento crítico mediante perspectivas alternativas, no  
respuestas directas (Yatani et al., 2024). Estas estrategias individuales cobran mayor sentido  
cuando se inscriben en un marco pedagógico colectivo, donde la IA no sustituye la co-  
construcción dialógica con pares y docentes, sino que la potencia (Leyes, 2024).  
Asimismo, investigaciones en contextos educativos han evidenciado que las tutorías asistidas  
por inteligencia artificial, especialmente aquellas que promueven interacciones de tipo dialogal,  
favorecen la corrección de concepciones erróneas. No obstante, dichos beneficios tienden a  
requerir refuerzos adicionales para mantener su impacto en el tiempo (Corbett y Tangen, 2025).  
Constatando así que, en contextos donde la implementación no va acompañada de reflexión  
ética explícita se genera una percepción de pérdida de control cognitivo, particularmente en  
decisiones evaluativas (Valderrey-Londoño y Echeverría-Guzmán, 2024). Por otro lado, enfoques  
como los worked-examples (ejemplos resueltos, según su traducción al español) o aquellos que  
procuran un equilibrio en la carga cognitiva han mostrado ser eficaces, ya que brindan apoyo al  
estudiante sin sustituir la activación de estructuras mentales esenciales para el aprendizaje  
significativo (Sweller, 2006; Sweller et al., 2011).  
Este enfoque resuena con hallazgos previos en contextos formativos diversos, donde  
intervenciones psicoeducativas han logrado fortalecer el pensamiento crítico y la toma de  
decisiones como habilidades transferibles frente a contextos de incertidumbre (López-Juárez et  
al., 2022). No obstante, es importante señalar que dicha propuesta no ha sido aplicada ni  
evaluada empíricamente con estudiantes, lo cual constituye una limitación del presente trabajo.  
Al mismo tiempo, esta condición abre una línea de investigación futura orientada a examinar la  
efectividad de la estrategia en el fortalecimiento del pensamiento crítico y la toma de decisiones  
responsables en estudiantes de psicología que integran herramientas de IA en sus proyectos  
académicos. Una primera aproximación podría consistir en un diseño pre-post con grupo  
UARICHA, 2025, Vol. 23, pp. 1-11  
7
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
control, en el que se evalúe el cambio en habilidades de análisis crítico de hipótesis generadas  
por IA antes y después de la intervención. Asimismo, sería valioso incorporar medidas  
cualitativas (entrevistas o grupos focales) para explorar cómo los estudiantes perciben y  
articulan su rol cognitivo frente a la tecnología.  
Conclusión  
Como conclusión, la toma de decisiones y el pensamiento crítico se presentan como alternativas  
fundamentales frente a los retos cognitivos que plantea la integración de la IA en la investigación,  
especialmente en el campo de la psicología, donde el análisis de la conducta humana exige altos  
niveles de sensibilidad ética, metodológica y cognitiva. La propuesta educativa presentada busca  
operacionalizar dichas competencias, permitiendo a los estudiantes en formación vivenciar  
críticamente los beneficios y limitaciones de la IA en contextos reales de investigación.  
Sin embargo, cabe señalar que la investigación humana jamás ha estado exenta de sesgos como  
los de confirmación, disponibilidad o publicación, lo que implica que el desafío no reside en  
contraponer lo “humano” a lo “algorítmico”, sino en reconocer que ambos sistemas cognitivos  
requieren vigilancia crítica. En este sentido, el uso reflexivo y bien orientado de herramientas de  
IA puede, bajo condiciones adecuadas, ampliar la cobertura bibliográfica, reducir omisiones  
involuntarias o incluso favorecer la interdisciplinariedad, tal como se ha observado en estudios  
recientes.  
No obstante, su implementación y efectividad requieren validación empírica. Futuras  
investigaciones podrían evaluar rigurosamente su impacto en el desarrollo del pensamiento  
crítico y la toma de decisiones en estudiantes de psicología, sentando así las bases para  
estrategias formativas escalables y sostenibles en programas de investigación.  
Finalmente, con ello se pretende no solo promover habilidades argumentativas y éticas, sino  
también cultivar una actitud de responsabilidad y compromiso con la calidad y la integridad  
científica. En definitiva, el desafío no radica en rechazar el uso de la inteligencia artificial, sino en  
aprender a integrarla de manera crítica y estratégica, reconociendo que el pensamiento  
humano sigue siendo el núcleo rector en la generación de conocimiento en psicología, aún con  
sus propios límites y sesgos.  
UARICHA, 2025, Vol. 23, pp. 1-11  
8
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
Referencias  
Buçinca, Z., Malaya, M. B., y Gajos, K. Z. (2021). To trust or to think: cognitive forcing functions can reduce overreliance  
on AI in AI-assisted decision-making. Proceedings of the ACM on Human-computer Interaction, 5(CSCW1), 1-21.  
https://doi.org/10.1145/3449287  
Chen, J., Yuan, D., Dong, R., Cai, J., Ai, Z., y Zhou, S. (2024). Artificial intelligence significantly facilitates development in  
the mental health of college students: a bibliometric analysis. Frontiers in Psychology, 15, 1375294.  
https://doi.org/10.3389/fpsyg.2024.1375294  
Corbett, B. J., y Tangen, J. M. (2025). AI Tutors vs. Tenacious Myths: Evidence from Personalized Dialogue Interventions  
in Education. ArXiv preprint arXiv:2506.09292.  
https://doi.org/10.48550/arXiv.2506.09292  
El Hani, Z., Karroum, J., Elouadi, A., y Moumen, A. (2025). Artificial intelligence in academic research: Benefits,  
challenges, and ethical dimensions in doctoral studies. Moroccan Journal of Quantitative and Qualitative  
Research, 7(2).  
https://doi.org/10.48379/IMIST.PRSM/mjqr-v7i1.55186  
Ennis, R. H. (2011). Critical thinking: Reflection and perspective—Part I. Inquiry: Critical Thinking Across the Disciplines,  
26(1), 4-18.  
https://doi.org/10.5840/inquiryctnews20112613  
França, C. (2023). AI empowering research: 10 ways how science can benefit from AI. CESAR Innovation Center.  
https://doi.org/10.48550/arXiv.2307.10265  
Gao, J., y Wang, D. (2023). Quantifying the benefit of artificial intelligence for scientific research. Arxiv preprint  
arXiv:2304.10578.  
https://doi.org/10.48550/arXiv.2304.10578  
Garcia Perez, A. C. (2024). Educar en la era de la inteligencia artificial: reflexiones y desafíos para los  
docentes. Claridades. Revista de Filosofía, 16(2), 233–243.  
https://doi.org/10.24310/crf.16.2.2024.19608  
García-Madruga, J. A., Gutiérrez, F., y Carriedo, N. (2023). Razonamiento deductivo e inductivo en estudiantes  
universitarios: un análisis evolutivo. Revista de Psicodidáctica, 28(1), 45–57.  
https://doi.org/10.1016/j.psicoe.2022.09.002  
Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1).  
https://doi.org/10.3390/soc15010006  
González Ciriaco, L. A., y Medina Marín, A. J. (2023). Advances and ethical challenges in the integration of AI in scientific  
production. Journal of Scientific Metrics and Evaluation, 1(1), 48-67.  
https://doi.org/10.69821/JoSME.v1iI.2  
Gordon, S. F., & Turnbull, B. (2024). Adopción de la inteligencia artificial en el campo de la psicología. Psicología  
Iberoamericana, 31(2), 1-5.  
https://doi.org/10.48102/pi.v31i2.547  
Grinschgl, S., Papenmeier, F., & Meyerhoff, H. S. (2021). Consequences of cognitive offloading: Boosting performance  
but diminishing memory. Quarterly Journal of Experimental Psychology, 74(9), 1477-1496.  
https://doi.org/10.1177/17470218211008060  
Hu, X., Luo, L., & Fleming, S. M. (2019). A role for metamemory in cognitive offloading. Cognition, 193, 104012.  
https://doi.org/10.1016/j.cognition.2019.104012  
Jose, B., Cherian, J., Verghis, A. M., Varghise, S. M., S, M., & Joseph, S. (2025). The cognitive paradox of AI in education:  
between  
enhancement  
and  
erosion. Frontiers  
in  
Psychology, 16,  
1550621.  
https://doi.org/10.3389/fpsyg.2025.1550621  
Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.  
UARICHA, 2025, Vol. 23, pp. 1-11  
9
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
Kauttonen, J., Rousi, R., y Alamäki, A. (2025). Trust and Acceptance Challenges in the Adoption of AI Applications in  
Health Care: Quantitative Survey Analysis. Journal of Medical Internet Research, 27, e65567.  
https://doi.org/10.2196/65567  
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X. H., Beresnitzky, A. V., ... & Maes, P. (2025). Your Brain on  
ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. ArXiv preprint  
arXiv:2506.08872.  
https://doi.org/10.48550/arXiv.2506.08872  
Leyes, G. R. (2023). Pensar la Inteligencia Artificial desde la Psicología Educacional: Conceptos y desafíos. Preprint. CC BY-  
NC-SA 4.0.  
https://doi.org/10.13140/RG.2.2.16112.23046  
López Juárez, M. I., Vargas Garduño, M. de L., y Gómez del Campo del Paso, M. I. (2022). Las habilidades para la vida  
en adolescentes su fortalecimiento mediante un taller psicoeducativo. Uaricha, 20, 30-  
y
42.  
https://www.revistauaricha.umich.mx/index.php/urp/article/view/642  
Oakley, B., Johnston, M., Chen, K.-Z., Jung, E., & Sejnowski, T. (2025, mayoꢀ11). The Memory Paradox: Why our brains need  
knowledge in an age of AIꢀ[presentación/preprint]. SSRN.  
https://doi.org/10.2139/ssrn.5250447  
Ovalle, D. (2025). Is AI rewiring our minds? Scientists probe cognitive cost of chatbots. The Washington Post sitio web.  
Recuperado de:  
https://www.washingtonpost.com/health/2025/06/29/chatgpt-ai-brain-impact/  
Park, P. S., Goldstein, S., O'Gara, A., Chen, M., y Hendrycks, D. (2024). AI deception: A survey of examples, risks, and  
potential solutions. Patterns. A Cell Press Journal, 5(5), 100988.  
https://doi.org/10.1016/j.patter.2024.100988  
Prada-Murillo, I., Arroyo-Zúñiga, D., y Aguilar-Paniagua, A. (2022). ¿Psicólogos y psicólogas sesgados? Sesgos de  
confirmación y representatividad en estudiantes universitarios de psicología. Revista Wimb Lu, 17(2), 77-106.  
https://doi.org/10.15517/wl.v17i2.52724  
Sánchez Ordóñez, M., Rubio Moraga, Ángel, & Bermejo Velasco, P. (2025). Impacto del sesgo de anclaje en la toma de  
decisiones diagnósticas médicas: un estudio experimental: e202511072. Revista Española de Salud Pública,  
99(1), 11 páginas. Recuperado a partir de  
https://ojs.sanidad.gob.es/index.php/resp/article/view/933  
Simon, H. A. (1997). Administrative behavior: A study of decision-making processes in administrative organizations. Simon  
and Schuster.  
Skulmowski, A. (2023). The Cognitive Architecture of Digital Externalization. Educational Psychology Review, 35 (101).  
https://doi.org/10.1007/s10648-023-09818-1  
Song, Z., Chen, G., y Chen, C. Y. (2024). AI empowering traditional Chinese medicine? Chemical Science, 15(41), 16844–  
16886. Advance online publication.  
https://doi.org/10.1039/d4sc04107k  
Sparrow B., Liu J., Wegner D. (2011). Google effects on memory: Cognitive consequences of having information at our  
fingertips. Science, 33, 776–778.  
https://doi.org/10.1126/science.1207745  
Sweller, J. (2006). The worked example effect and human cognition. Learning and instruction. 16 (2), 165-169.  
https://doi.org/10.1016/j.learninstruc.2006.02.005  
Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive Load Theory. Springer.  
https://doi.org/10.1007/978-1-4419-8126-  
4
Trochim, W. M. (2020). Research Methods: The Essential Knowledge Base. Cengage Learning.  
Valderrey Loroño, M. D., & Echeverría Guzmán, Ángel Y. (2024). Aplicaciones Éticas de Autonomía Cognitiva con  
Respecto a la Inteligencia Artificial en la Educación Universitaria: Ethical Applications of Cognitive Autonomy  
Regarding  
Artificial  
Intelligence  
in  
University  
Education. Revista  
Scientific, 9(33),  
382–403.  
https://doi.org/10.29394/Scientific.issn.2542-2987.2024.9.33.18.382-403  
UARICHA, 2025, Vol. 23, pp. 1-11  
10  
Cornejo Ortega  
Los retos cogntivos en la era de la IA  
van Zyl, A., Turpin, M., & Matthee, M. (2020). How Can Critical Thinking Be Used to Assess the Credibility of Online  
Information? Responsible Design, Implementation and Use of Information and Communication Technology:  
19th IFIP WG 6.11 Conference on e-Business, e-Services, and e-Society, I3E 2020, Skukuza, South Africa, April 6–  
8, 2020, Proceedings, Part II, 12067, 199–210.  
https://doi.org/10.1007/978-3-030-45002-1_17  
Walton, D. (2006). Fundamentals of Critical Argumentation. Cambridge University Press.  
Yatani, K., Sramek, Z., & Yang, C. L. (2024). AI as Extraherics: Fostering Higher-order Thinking Skills in Human-AI  
Interaction. Arxiv  
preprint  
arXiv:2409.09218.  
https://doi.org/10.48550/arXiv.2409.09218  
Zuñiga, J. (2025). Metodologías activas para el desarrollo de pensamiento crítico en la universidad. Una revisión de  
literatura. Revista Espacios, 46(4), 129-140.  
https://doi.org/10.48082/espacios-a25v46n04p13  
UARICHA, 2025, Vol. 23, pp. 1-11  
11