Sophia 39: 2025.

https://doi.org/10.17163/soph.n39.2025.05

retos del aPrendizaje en la era

de las heurístiCas artifiCiales

Challenges of Learning in the Age

of Artificial Heuristics

N A Z-G*

Instituto de Estudos Avançados, Universidade de São Paulo, Brasil

nazambranog@usp.br

https://orcid.org/0000-0001-6579-1921

J V S**

Universidad Autónoma de Barcelona, Cataluña, España

jordi.vallverdu@uab.cat

https://orcid.org/0000-0001-9975-7780

Forma sugerida de citar: Zambrano-González, Néstor Alexander, & Vallverdú Segura, Jordi. (2025). Retos del

aprendizaje en la era de las heurísticas artiﬁciales. Sophia, Colección de Filosofía

de la Educación, (39), pp. 167-204.

* Doctor en Educación, máster en Educación con especialidad en Educación en Ciencias y licen-

ciado en Química. Actualmente realiza un posdoctorado en el Instituto de Estudios Avanzados

de la Universidad de São Paulo (IEA-USP) como becario de la Fundação de Amparo à Pesquisa

do Estado de São Paulo (FAPESP). Sus investigaciones se centran en el campo de la enseñanza

de la química, área en la que cuenta con formación especializada. Google Académico: https://

scholar.google.com/citations?hl=pt-BR&user=44hid9YAAAAJ

Índice h: 1

** Doctor en Filosofía, máster en Historia de las Ciencias y ﬁlósofo. Actualmente es investigador

ICREA y profesor en el Departamento de Filosofía de la Universitat Autònoma de Barcelona. Su

investigación se centra en epistemología, inteligencia artiﬁcial, cognición y ﬁlosofía de la ciencia,

especialmente en causalidad en deep learning y razonamiento contrafactual. Ha participado y lide-

rado numerosos proyectos, publicando más de 250 trabajos académicos, incluidos libros y artícu-

los. Google Académico: https://scholar.google.com/citations?hl=pt-BR&user=Y_Q8AQkAAAAJ

Índice h: 25

168

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

Resumen

Este estudio examina, desde una perspectiva ﬁlosóﬁco-educativa, las claves fundamentales

para desarrollar un modelo integral de la cognición humana. Se considera una amplia gama de

variables esenciales, entre ellas la multimodalidad del conocimiento, que destaca cómo diferentes

formas de entender y procesar información contribuyen para una comprensión más completa

de la realidad. También se aborda el rol complementario de los lenguajes, reconociendo que

cada uno aporta una perspectiva única en la construcción del conocimiento. Además, se explora

el fundamento sensomotriz imitativo, que enfatiza el papel central que tiene la imitación en el

aprendizaje y el desarrollo cognitivo, en especial en las primeras etapas de la vida. Junto a esto,

se analizan los sesgos cognitivos, que inﬂuyen en la manera en que percibimos y procesamos la

información, así como la inﬂuencia social en la percepción, lo cual es fundamental para entender

cómo el contexto y las interacciones sociales moldean nuestras experiencias cognitivas. El estudio

se centra, particularmente, en los impactos de los chatbots educativos basados en inteligencia

artiﬁcial, utilizando ChatGPT como un caso de estudio representativo. Se destaca de qué modo

las heurísticas, combinadas con estas tecnologías emergentes, contribuyen a un aprendizaje más

adaptativo y ﬂexible, preparando a los individuos para enfrentar los desafíos complejos del siglo

XXI en el ámbito educativo.

Palabras clave

Cognición, aprendizaje, digitalización, inteligencia artiﬁcial, educación, ﬁlosofía.

Abstract

is study examines, from a philosophical-educational perspective, the fundamental keys

to developing a comprehensive model of human cognition. It considers a wide range of essential

variables, including the multimodality of knowledge, which highlights how diﬀerent ways of

understanding and processing information contribute to a more complete understanding of reality.

e complementary role of languages is also addressed, recognizing that each language oﬀers a

unique perspective in the construction of knowledge. Additionally, the imitative sensorimotor

foundation is explored, emphasizing the central role of imitation in learning and cognitive

development, particularly in the early stages of life. Alongside this, cognitive biases are analyzed,

as they inﬂuence how we perceive and process information, along with the social inﬂuence on

perception, which is crucial for understanding how context and social interactions shape our

cognitive experiences. e study focuses particularly on the impacts of AI-based educational

chatbots, using ChatGPT as a representative case study. It emphasizes how heuristics, combined

with these emerging technologies, contribute to a more adaptive and ﬂexible learning environment,

preparing individuals to face the complex challenges of the 21st century in the educational sphere.

Keywords

Cognition, Learning, Digital Technologies, Artiﬁcial Intelligence, Education, Philosophy.

Introducción

Comprender los procesos de aprendizaje desde las ciencias cognitivas si-

túa este campo interdisciplinario en un lugar crucial para reevaluar la

dimensión del sujeto en el entorno educativo (Cepeda, 2021). Al conside-

rar los avances tecnológicos actuales, es imprescindible no solo analizar

los aspectos técnicos, sino también reﬂexionar sobre sus implicaciones

ﬁlosóﬁcas y epistemológicas. En particular, la multimodalidad del cono-

169

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

cimiento y los desarrollos en inteligencia artiﬁcial (IA), como los sistemas

de inteligencia artiﬁcial generativa (IAG), inﬂuyen signiﬁcativamente en

cómo los estudiantes procesan y adquieren la información en un mundo

cada vez más digitalizado. Esta visión se torna crucial al considerar las

dinámicas actuales, donde los avances informáticos y los modelos entre-

nados buscan emular los complejos procesos del razonamiento humano.

Al profundizar en este campo, enfrentamos desafíos que van más

allá de la simple memorización o replicación de información especiali-

zada. Para avanzar hacia el desarrollo exitoso de modelos que simulen el

razonamiento humano, es fundamental comprender los intricados meca-

nismos del procesamiento cognitivo, las redes neuronales y los procesos

de toma de decisiones (Rahgooy et al., 2022). Estos modelos, sin embargo,

siguen limitados en su capacidad para emular aspectos clave del pensa-

miento humano, como el razonamiento creativo y el juicio contextual, lo

que plantea retos importantes en su implementación educativa.

En este contexto, el objetivo del presente trabajo consiste en in-

vestigar, desde una perspectiva ﬁlosóﬁco-educativa, diversas claves que

puedan contribuir al desarrollo de un modelo adecuado de la cognición

humana. Esto implica considerar la naturaleza multiheurística del pen-

samiento humano, sin dejar de lado las variables biológicas, psicológicas

y sociales que inﬂuyen en el acto de conocer. Por ello, se tiene que inte-

grar una serie de variables, como las diferencias individuales, el contexto

social y cultural, así como los entornos de aprendizaje, que inﬂuyen en

cómo se enseña y se aprende. Estos factores juegan un rol fundamental

en la forma en que se asimilan los conocimientos y en la capacidad para

aplicar los mismos en situaciones reales y diversas.

Este estudio sostiene que aspectos como la multimodalidad del

conocimiento, el papel complementario de los lenguajes, el fundamen-

to sensomotriz imitativo, los sesgos cognitivos, la inﬂuencia social en la

percepción y la cognición, y la importancia de múltiples heurísticas en el

proceso de aprendizaje son esenciales para diseñar sistemas de aprendi-

zaje que sean funcionales, eﬁcientes y satisfactorios para los individuos,

preparándolos para enfrentar los desafíos educativos en las dinámicas

transformadoras del siglo XXI. Explorar la intersección de estos factores

permite avanzar en la creación de modelos educativos más adaptativos,

capaces de responder a los desafíos de la era digital y de la IA. Un ejemplo

es el uso de algoritmos de aprendizaje automático que personalizan el

contenido educativo para cada estudiante, como los sistemas de tutoría

inteligentes. Estos modelos, que combinan enfoques tradicionales con

170

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

innovaciones tecnológicas, están transformando la educación al hacerla

más accesible y personalizada.

Conviene destacar que la relevancia de este tema no se restringe al

hecho de que se trate de una discusión coyuntural o en boga en tiempos

contemporáneos, sino que trasciende hacia una discusión compleja e ina-

plazable, que demanda encontrar mecanismos que, en la práctica, posibi-

liten alcanzar un equilibrio entre la tradición y la innovación y entre la

humanidad y la tecnología. Los recientes desarrollos en IA han generado

nuevas oportunidades para mejorar los procesos educativos, especial-

mente en el acceso a la información y en la personalización del aprendi-

zaje. Sin embargo, estos avances tecnológicos también presentan limita-

ciones signiﬁcativas. A menudo, los sistemas de IA no logran replicar el

razonamiento crítico ni la creatividad humana, esenciales en el proceso

educativo. Además, estos sistemas pueden reforzar sesgos preexistentes

en los datos que utilizan, lo que plantea desafíos importantes en la evalua-

ción y el uso ético de las tecnologías en el aula. Es fundamental adoptar

un enfoque equilibrado que integre los métodos educativos tradicionales

con las innovaciones tecnológicas. Si bien las herramientas tecnológicas

pueden facilitar la enseñanza, no deben sustituir las habilidades humanas

esenciales, como la creatividad, el juicio crítico y la empatía. En este sen-

tido, la tecnología debe considerarse como un complemento, y no como

un reemplazo, en el proceso de enseñanza-aprendizaje.

La educación del siglo XXI debe evolucionar para centrarse en el

desarrollo de habilidades críticas, pensamiento creativo y competencias

socioemocionales. Los sistemas educativos deben adaptarse a los entornos

híbridos donde la tecnología y la biología se integran, y donde los avances

en IA y biotecnología impactan tanto el aprendizaje como el desarrollo

humano. Esta fusión entre tecnología y biología plantea preguntas fun-

damentales sobre la naturaleza de la cognición, la corporeidad y la expe-

riencia humana. Por ejemplo, el uso de interfaces cerebro-computadora

en el aula sugiere nuevas formas de interacción entre los estudiantes y la

tecnología, que exigen repensar los enfoques pedagógicos tradicionales.

El artículo está estructurado en cinco secciones clave. La primera

ofrece un marco histórico sobre el desarrollo de la informática, conectan-

do la invención del primer algoritmo con la evolución de la IA hasta el

desarrollo de ChatGPT. La segunda sección analiza cómo la ﬁlosofía y la

educación han cambiado desde ﬁnales del siglo XIX, con un enfoque en

la transición hacia una pedagogía que incorpore las tecnologías digita-

les. La tercera sección examina la cognición a través de cuatro cuestiones

clave. En la cuarta sección se presenta la metodología y se desarrolla una

171

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

aproximación integrada al aprendizaje, esencial para diseñar sistemas

efectivos que respondan a las necesidades del individuo en un mundo

interconectado. Finalmente, la última sección reﬂexiona sobre el caso de

ChatGPT, destacando sus aportaciones y desafíos en la era de las heurís-

ticas artiﬁciales.

Marco histórico

En 1843, Augusta Ada Byron King, condesa de Lovelace y más conocida

como Ada Lovelace, una matemática, escritora y pionera informática de ori-

gen inglés, desarrolló el primer algoritmo destinado a ser procesado por una

máquina. Este trabajo innovador detalló métodos para calcular los números

de Bernoulli utilizando los principios de la máquina analítica de Charles

Babbage, a quien se le atribuye el concepto del computador programable.

Aunque Ada nunca vio su desarrollo en funcionamiento debido

a las limitaciones técnicas de la época, estudios posteriores conﬁrmaron

que su algoritmo habría funcionado correctamente si se hubiera imple-

mentado. Este hecho no pasó desapercibido, como lo documentaron

Hammerman y Russell (2015) en una obra interdisciplinaria dedicada

a la conmemoración del bicentenario del nacimiento de esta inventora,

destacando su impacto en la informática desde la época victoriana hasta

la era digital.

Sin entrar en cada evento que conﬁgura la línea cronológica de la

informática y la programación, cabe destacar que aproximadamente cien

años después de la muerte de Ada, surgió por consenso la IA como un

campo de estudio formal. Esto ocurrió durante la conferencia en Dart-

mouth College, en 1956, organizada por John McCarthy, Marvin Minsky,

Claude Shannon y Nathaniel Rochester.

En 1969 y 1971, respectivamente, McCarthy y Minsky recibieron

el Premio Turing —considerado “el Nobel de la informática”— por sus

contribuciones a la IA (Abeliuk & Gutiérrez, 2021). McCarthy fue reco-

nocido por crear el lenguaje de programación LISP, mientras que Minsky

fue premiado por su trabajo en la caracterización de procesos psicológi-

cos humanos usando ideas computacionales, ambos fundamentales para

el avance de la IA.

Durante la década de 1960, la introducción de los chatbots1 mar-

có la aparición de la IAG. Estos programas informáticos, diseñados para

comunicarse con usuarios mediante texto o voz, buscan ofrecer una inte-

racción lo más cercana posible a una conversación real.2

172

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

En menos de un siglo, los avances tecnológicos dejaron de ser pu-

ramente técnicos y comenzaron a inﬂuir en diversas áreas de la vida hu-

mana. En 1974, T. A. Dwyer, investigador de la Universidad de Pittsburgh,

publicó un artículo en el International Journal of Man-Machine Studies

sobre el uso de estrategias heurísticas en la enseñanza y el aprendizaje,

argumentando que la educación debería liberar el potencial humano.

Aunque esta idea pudo haber parecido contradictoria para algunos pen-

sadores conservadores de la época, evidencia la antigüedad del debate

sobre las relaciones entre humanos y máquinas, destacándose en áreas

cognitivas y educativas.

Casi medio siglo después de la formalización del concepto de IA,

en noviembre de 2022, el laboratorio de investigación en IA, OpenAI®,

lanzó ChatGPT.3 Este modelo interactúa mediante un formato de diálogo

que permite responder preguntas de seguimiento, admitir errores, cues-

tionar premisas incorrectas y rechazar peticiones inapropiadas (Ope-

nAI®, 2022). Aunque ChatGPT no fue creado con ﬁnes esencialmente

educativos, su impacto en los procesos de enseñanza-aprendizaje ha sido

signiﬁcativo, gracias a sus políticas de acceso abierto y la interacción con

diversos actores educativos a nivel global.

Investigadores destacados han analizado los desafíos y oportuni-

dades que presenta la IAG en la educación, considerándola un catalizador

de cambio en la enseñanza y el aprendizaje, especialmente en la educa-

ción superior (Baidoo-Anu & Ansah, 2023; Cooper, 2023; Bahroun et al.,

2023; Alasadi & Baiz, 2023; Mao et al., 2024).

Para continuar ampliando este marco histórico, se considera nece-

sario expandir las investigaciones al respecto a todos los niveles de escola-

ridad, problematizando temas como el diseño de estrategias integradoras

de enseñanza-aprendizaje, el fortalecimiento de competencias ciudada-

nas, el desarrollo del pensamiento crítico, la integración de recursos tec-

nológicos en la formación y la conﬁguración curricular, la reﬂexión sobre

sistemas de acompañamiento y evaluación, así como cuestiones éticas y

algunas asociadas al componente socioafectivo.

Filosofía, conocimiento y aprendizaje

A lo largo de la historia de las tradiciones ﬁlosóﬁcas, tanto occidentales

como asiáticas, se ha observado un enfoque predominante en el conteni-

do del conocimiento, mientras que la epistemología metodológica —es

decir, las formas a través de las cuales se accede, se valida y se transmite

el conocimiento— ha sido con frecuencia subestimada (Guba & Lincoln,

173

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

2005); en diversas corrientes fundacionales, como la teoría socrático-pla-

tónica, se evidenciaba una carencia notable de un enfoque metodológico

riguroso. Según esta perspectiva, el conocimiento era concebido como re-

miniscencia (anámnesis) de experiencias previas del alma inmortal antes

de su encarnación en el mundo sensible (Platón, Menón, 81c-86b).

En este marco, el ﬁlósofo ejercía un rol mayéutico, actuando como

un “obstetra de las ideas”, cuyo objetivo era facilitar el parto del conoci-

miento latente en el interior del interlocutor. Esta metodología, aunque

innovadora en su época, estaba frecuentemente acompañada de mitos na-

rrativos e interpretaciones ontológicas de orden metafísico, como el mito

del carro alado o el mundo de las Ideas, que convivían con un discurso

aparentemente racional e idealista (Nussbaum, 2001). Tales elementos re-

ﬂejan una tensión persistente entre razón y mito que ha atravesado buena

parte de la historia de la ﬁlosofía.

Sin embargo, esta concepción clásica presenta limitaciones evi-

dentes cuando se confronta con los desarrollos contemporáneos de las

ciencias cognitivas, la pedagogía y la neurociencia. Por un lado, la suposi-

ción de que todos los sujetos razonan siguiendo las leyes universales de la

lógica aristotélica excluye la diversidad cultural, emocional y experiencial

que conﬁgura los modos de pensar humanos (Kahneman, 2013; Damasio,

2019). Por otro lado, la visión de que el lenguaje y los textos escritos cons-

tituyen obstáculos epistemológicos —posición sostenida, por ejemplo,

en ciertos pasajes del Fedro— ignora el potencial heurístico del lenguaje

como herramienta cognitiva, de sistematización y expansión del conoci-

miento (Bermúdez & García, 2016).

En consecuencia, se consolidó históricamente una metodología

ambigua, centrada en la relación maestro-discípulo, que variaba consi-

derablemente en función de las disposiciones personales, las tradicio-

nes orales y las condiciones sociopolíticas de los contextos ﬁlosóﬁcos en

cuestión. Esta forma de transmisión del saber —altamente performativa

y situada— privilegió la experiencia dialógica sobre la sistematización pe-

dagógica, dando lugar a formas de enseñanza altamente dependientes del

ethos del maestro (Freire, 2018).

Es paradójico, por tanto, que a pesar de estas aparentes carencias

metodológicas, la ﬁlosofía haya sido capaz de gestar desarrollos con-

ceptuales innovadores, muchos de los cuales siguen nutriendo debates

actuales sobre ética, conocimiento, lenguaje y educación. Autores como

Dewey, Vygotsky y Piaget, al incorporar herramientas metodológicas sis-

temáticas desde la psicología y la pedagogía, lograron articular formas

más integradoras de enseñanza, centradas en el aprendizaje activo, con-

174

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

textualizado y socialmente mediado (Bruner, 1996; Vygotsky, 1978). Estas

corrientes dieron origen a una pedagogía más comprometida con el pro-

ceso del aprender y no solo con los contenidos aprendidos, y sentaron las

bases de lo que hoy llamamos constructivismo educativo.

En este sentido, la ﬁlosofía contemporánea de la educación debe

recuperar su dimensión metodológica no para replicar los viejos esque-

mas dogmáticos, sino para articular enfoques complejos, transdiscipli-

narios y éticamente orientados, capaces de dialogar con los desafíos que

plantea la incorporación de la IA y las tecnologías emergentes en los pro-

cesos formativos (Floridi, 2019; Vallor, 2016).

A ﬁnales del siglo XIX —especíﬁcamente entre 1870 y 1900— el

campo de la educación comenzó a experimentar una transformación

profunda, marcada por nuevas concepciones sobre el aprendizaje, el rol

del docente y el lugar de la infancia en la sociedad. Esta evolución respon-

dió no solo a un giro en la ﬁlosofía educativa, sino también a tensiones

sociales, culturales y tecnológicas que pusieron en jaque los modelos tra-

dicionales de enseñanza. Uno de los desarrollos más signiﬁcativos fue el

surgimiento del Movimiento de la Escuela Nueva, iniciado entre 1890 y

1920, con ﬁguras como John Dewey en Estados Unidos, Célestin Freinet

en Francia y Ovide Decroly en Bélgica. Estos autores defendían una edu-

cación activa, basada en la experiencia, el interés del niño y la participa-

ción democrática (Cambi, 2006; Gutek, 2013; Viñao, 2015).

En contraste con el enfoque transmisivo, centrado en la memoriza-

ción, el modelo progresista propuso una pedagogía del hacer, que consi-

deraba al estudiante como protagonista activo de su aprendizaje. Dewey,

cuya obra central Democracy and Education fue publicada en 1916, insis-

tía en que la escuela debía ser un laboratorio social, donde se preparara

al niño para una vida democrática mediante la indagación crítica y la

resolución de problemas. Estas ideas encontraron ecos en las propuestas

de Freinet (1896-1966), quien en la década de 1920 desarrolló técnicas

cooperativas de escritura y expresión libre, y en María Montessori (1870-

1952), quien presentó su método por primera vez en 1907 (Montessori,

2020; Álvarez Uría, 2019).

La expansión de la educación obligatoria, entre las décadas de 1870

y 1930 en Europa occidental y América del Norte, representó una ruptura

importante con la educación elitista anterior.4 En Francia, por ejemplo, las

leyes Ferry (1881-1882) establecieron la educación gratuita, laica y obliga-

toria. Este proceso consolidó la idea de que la educación era un derecho

social y una herramienta para el desarrollo nacional. A la par, el avance de

la Revolución Industrial (1760-1914) introdujo una presión tecnocientíﬁ-

175

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

ca sobre los sistemas escolares, que comenzaron a incluir contenidos téc-

nicos y vocacionales. La educación pasó a desempeñar un rol clave en la

construcción de capital humano, especialmente tras la Segunda Revolución

Industrial (1870-1914) (Tröhler, 2011; Álvarez Uría, 1992; Depaepe, 1993).

También el movimiento feminista, que adquirió fuerza durante la

segunda mitad del siglo XIX, fue fundamental en la transformación del

panorama educativo. Escritoras como Mary Wollstonecra y más tarde

Simone de Beauvoir y Bell Hooks, denunciaron la exclusión sistemática

de las mujeres del conocimiento formal y exigieron una educación que

reconociera su agencia intelectual y política (Hooks, 1994; Biesta, 2022;

Navarro, 2004). Estas luchas lograron importantes avances en el acceso

femenino a la educación secundaria y superior, sobre todo entre las déca-

das de 1910 y 1930.

Entre 1880 y 1930 se consolidó también la psicología educativa

como disciplina cientíﬁca. William James (1842-1910) publicó Talks to

Teachers (1899), Edward orndike introdujo principios de aprendizaje

empírico desde 1903 y Jean Piaget desarrolló su teoría del desarrollo cog-

nitivo entre 1920 y 1950. Este modelo fue complementado por los aportes

de Luria y Vygotsky, quienes subrayaron el papel de la mediación cultural

y lingüística en la formación de las funciones psicológicas superiores (Lu-

ria, 1976; Vygotsky, 1978; Piaget, 1972; Hernández Díaz, 2011).

Durante el periodo entre guerras (1918-1939), surgieron propuestas

pedagógicas innovadoras como las de Edouard Claparède, Gisèle de Failly

(CÉMEA) y Rudolf Steiner con la pedagogía Waldorf (1919). Estas corrien-

tes rechazaron el conductismo mecanicista en favor de una educación cen-

trada en la integralidad del sujeto, incluyendo dimensiones estéticas, éticas

y espirituales (Cambi, 2006; Kuhn, 2018; Escolano Benito, 2000).

A pesar de su impacto teórico, muchas de estas propuestas fueron

aplicadas de forma marginal, enfrentando resistencias institucionales y

políticas. Sin embargo, su legado sigue vivo en los debates actuales sobre

currículos inclusivos, educación crítica y enfoques holísticos. Finalmente,

la obra Pedagogía del oprimido de Paulo Freire, de 1968, consolidó una

perspectiva emancipadora del aprendizaje, fundamentada en el diálogo,

la conciencia crítica y la transformación social. Freire (2018) puso en

cuestión las pedagogías bancarias, proponiendo una educación que arti-

cule saber, poder y justicia social (Mignolo, 2011; Viñao, 2015).

176

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

Las lecciones de los estudios sobre cognición

Desde la ﬁlosofía contemporánea, entendida no solo como disciplina

especulativa, sino como componente activo de las ciencias cognitivas

(Varela et al., 1991; Vallverdú, 2011), es posible abordar el fenómeno del

aprendizaje desde una perspectiva holística e integradora. Esta aproxima-

ción supera la dicotomía entre mente y cuerpo, razón y emoción, o teoría

y práctica, para situar el conocimiento como un proceso encarnado, si-

tuado y socialmente mediado.

Si bien el método mayéutico de Sócrates ha sido históricamente in-

ﬂuyente —considerado uno de los primeros intentos sistemáticos de acti-

var el pensamiento crítico a través del diálogo—, es importante reconocer

que gran parte de la tradición ﬁlosóﬁca occidental se ha centrado en la

naturaleza del conocimiento (episteme) y sus justiﬁcaciones, dejando en

segundo plano las estrategias para su enseñanza y transmisión (Biesta,

2022; Bruner, 1996). En consecuencia, aunque se han desarrollado pode-

rosas teorías sobre la verdad, la razón o la mente, ha faltado una ﬁlosofía

de la educación articulada con las ciencias cognitivas, capaz de ofrecer

modelos efectivos y éticamente responsables de formación humana.

El auge de las ciencias cognitivas desde mediados del siglo XX —en

diálogo con la neurociencia, la psicología y la IA— ha permitido reconﬁ-

gurar el aprendizaje como un fenómeno complejo, que involucra múltiples

niveles: biológico, cultural, lingüístico y afectivo. Dentro de este marco, la

ﬁlosofía puede jugar un papel clave como disciplina metarreﬂexiva, encar-

gada de analizar los supuestos ontológicos, epistemológicos y axiológicos

de las prácticas educativas (Floridi, 2019; Vallor, 2016; Menary, 2010).

Esta situación plantea, desde una perspectiva ética, social y de de-

rechos, la urgencia de una revolución educativa. Como sostiene Freire

(2018), la educación no puede ser neutra: o bien reproduce estructuras de

opresión, o bien contribuye a la emancipación. Para lograr lo segundo, es

necesario superar los enfoques técnicos o instruccionales del aprendizaje,

e incorporar una mirada crítica, dialógica y transformadora, donde el su-

jeto sea visto como agente epistémico y político. Esta visión coincide con

lo que Biesta (2022) denomina una “educación centrada en el mundo”, en

contraposición a una educación centrada en resultados o competencias.

Asimismo, propuestas como la cognición extendida (Clark &

Chalmers, 1998), la enacción (Varela et al., 1991) y la blended cognition

(Vallverdú, 2019) invitan a pensar el aprendizaje más allá del cerebro in-

dividual, en constante interacción con herramientas simbólicas, tecno-

logías, y entornos socioculturales. Este paradigma cuestiona las formas

177

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

tradicionales de escolarización y nos obliga a repensar las mediaciones

pedagógicas en la era de la IA, los algoritmos educativos y los sistemas de

recomendación digital (Selwyn, 2019; Luckin & Holmes, 2016).

Así, la convergencia entre ﬁlosofía, ciencias cognitivas y pedagogía

crítica no solo permite enriquecer nuestras concepciones del aprendizaje,

sino que abre la posibilidad de reconstruir la educación como derecho,

como proyecto ético-político y como práctica cultural transformadora.

Una educación ﬁlosóﬁcamente informada no es aquella que simplemente

transmite contenidos conceptuales, sino aquella que se interroga sobre

las condiciones de posibilidad del conocer, del enseñar y del emancipar.

Para ello, es esencial considerar cuatro preguntas clave sobre

la cognición:

1. ¿Por qué lo cognitivo? La pregunta fundamental sobre la cogni-

ción es entender su propósito y su papel en la evolución. La cognición es

la característica adaptativa más crucial, ya que permite diseñar respuestas

a la información del entorno, minimizando la exposición a eventos nega-

tivos y maximizando los positivos (Damasio, 2019).

En los seres humanos, esta adaptación se ve reﬂejada en nuestro

alto índice de encefalización, socialización, neotenia y uso del pensamien-

to simbólico. Un componente esencial de este proceso es el mecanismo

de las neuronas espejo, que facilita el aprendizaje a través de la imitación

constante. Este mecanismo no solo es crucial para el aprendizaje motor,

sino también para la socialización y la empatía. Además, la neurociencia

contemporánea sugiere que el cerebro funciona como un sistema predic-

tivo, ajustando constantemente sus modelos de la realidad y las acciones

a realizar (Seth, 2021). Esta concepción del cerebro como sistema predic-

tivo es relevante para adaptaciones educativas, especialmente en escolares

con autismo (Vermeulen, 2022).

2. El lenguaje como lugar donde lo cognitivo humano se solaza. La

segunda clave fundamental para comprender la cognición humana es el

lenguaje simbólico, tal como ya lo intuía Aristóteles, quien deﬁnía al ser

humano como animal político (zoon politikon) y animal con logos (zoon

logon echon) en su Política (1253a), sugiriendo que el lenguaje no solo

comunica, sino que fundamenta la racionalidad y la vida en comuni-

dad. Esta concepción es retomada y complejizada en el siglo XX, que fue,

como señaló Richard Rorty (1967), “el siglo del giro lingüístico”, donde

múltiples corrientes ﬁlosóﬁcas situaron el lenguaje como estructura cons-

titutiva del pensamiento, la subjetividad y la realidad compartida.

Desde la tradición analítica, Ludwig Wittgenstein fue el autor clave

de este giro. En el Tractatus Logico-Philosophicus (1921), propuso que “los

178

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

límites de mi lenguaje son los límites de mi mundo” (TLP 5.6), mostrando

una concepción representacional del lenguaje. Pero en su segunda etapa,

con Investigaciones losócas (1953), sostuvo que “el signiﬁcado de una

palabra es su uso en el lenguaje”, desplazando el foco hacia una compren-

sión pragmática, situada y comunitaria del signiﬁcado. Así, el lenguaje

no describe el mundo pasivamente, sino que lo conﬁgura activamente a

través de sus usos sociales (Baker & Hacker, 2009).

En la ﬁlosofía continental, Heidegger sostenía que “el lenguaje es la

casa del ser” (die Sprache ist das Haus des Seins), una aﬁrmación central

en Carta sobre el humanismo (1947), donde subraya que el lenguaje no es

un simple instrumento comunicativo, sino el modo en que el ser humano

accede al ser y se interpreta a sí mismo. Para Derrida (1967), el lenguaje

es una red de diferencias y desplazamientos (diérance) que desestabiliza

cualquier pretensión de signiﬁcado estable. Y Foucault demostró en Las pa-

labras y las cosas (1966) que el lenguaje y el discurso no reﬂejan la realidad,

sino que producen regímenes de verdad al servicio de relaciones de poder.

Sin embargo, ya Marx advertía que “los ﬁlósofos no han hecho más

que interpretar el mundo... de lo que se trata es de transformarlo” (1845),

lo que nos lleva a insistir: el lenguaje no puede ser reducido a un ﬁn en sí

mismo, sino que debe entenderse como una herramienta para la acción

colectiva y la coordinación intersubjetiva. Desde esta perspectiva, Han-

nah Arendt (1958) subraya que el lenguaje es el medio privilegiado de la

acción política, ya que “actuar y hablar están tan estrechamente relaciona-

dos que casi podrían considerarse la misma cosa”.

Este enfoque es profundizado por la cognición enactivista, repre-

sentada por Francisco Varela et al. (1991), quienes aﬁrman que el cono-

cimiento “surge a través del diálogo entre el cuerpo y el mundo”. Aquí,

el lenguaje emerge como coordinación de coordinaciones conductuales,

como diría Humberto Maturana, es decir, como sistema simbólico adap-

tativo que permite acoplamientos sociales dinámicos y recursivos (Matu-

rana & Varela, 1984).

Las ciencias cognitivas contemporáneas validan esta visión. Estu-

dios de Lera Boroditsky (2011) muestran cómo el lenguaje moldea nues-

tra percepción del tiempo, el espacio y las relaciones causales. Desde la

psicología sociocultural, Lev Vygotsky (1978) demostró que el lenguaje

interior constituye la base del pensamiento reﬂexivo y que la mediación

simbólica es condición del desarrollo cognitivo superior. Su contemporá-

neo Piaget, aunque desde otro marco, también reconocía que el lengua-

je permite operaciones mentales más complejas en el estadio operatorio

formal (Piaget, 1972).

179

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

En el ámbito educativo, esta comprensión transformadora del len-

guaje se retoma en la pedagogía crítica. Para Paulo Freire, “el lenguaje no

describe la realidad, sino que la crea con y para el otro” (Freire, 2018), y

por eso la alfabetización crítica es acto de liberación y no simple aprendi-

zaje técnico. En esta línea, Gert Biesta (2022) sostiene que el lenguaje no

debe reducirse a vehículo de contenidos, sino ser pensado como espacio

de subjetivación, de aparición en el mundo, de relación ética.

Por tanto, una comprensión ﬁlosóﬁca y cognitiva del lenguaje

como instrumento simbólico para la acción, la subjetivación y la coor-

dinación social, permite construir prácticas educativas que reconozcan

su potencia política, creativa y formativa. Esta visión resulta crucial en

un presente donde el lenguaje humano convive y compite con el lenguaje

algorítmico de sistemas automatizados de IA que también producen sig-

niﬁcado y decisiones, muchas veces sin reﬂexión crítica.

El lenguaje debe ser entendido como un medio para explorar y

modelar la experiencia, que es el verdadero objetivo del proceso cogni-

tivo. El lenguaje no es por lo tanto un ﬁn en sí mismo, sino un vehículo

optimizado para resolver elementos fundacionales que lo preceden y or-

denan. Crea un metasentido a partir de lo individual corporal, y a su vez

entronca con la suma de corporeidades organizadas, es decir, lo social.

El lenguaje simbólico, a pesar de su éxito y espectacularidad, no es más

que un matiz de la experiencia sentida. Como tal debe ser considerado

en los procesos de aprendizaje, como un medio para explorar y modelar

la experiencia, aquello que realmente es el propósito esencial del proceso

cognitivo. Cabe añadir que, aplicado al ámbito escolar, Bermúdez y Gar-

cía (2016) destacan que la problematización del lenguaje es fundamental

en la sistematización de experiencias y en la reﬂexión teórica de la inves-

tigación cientíﬁca socioeducativa.

3. ¿Cuándo se produce? Este interrogante aborda la temporalidad

óptima para el aprendizaje desde una perspectiva cognitiva (Zull, 2020).

El ser humano, con su neotenia, muestra una disposición perenne hacia el

aprendizaje. La neotenia, entendida como la retención de características

juveniles en la adultez, ha sido señalada como una clave evolutiva que

prolonga la plasticidad cognitiva y la capacidad de adaptación, facilitan-

do el aprendizaje continuo (Björklund & Ekdahl, 2021). Esta propiedad

distintiva, relacionada con el desarrollo tardío del córtex prefrontal y una

prolongada dependencia social, permite al ser humano modiﬁcar sus es-

quemas mentales en función de nuevas experiencias incluso en la adultez.

Aunque la infancia y la adolescencia son etapas cruciales para el

desarrollo de las estructuras cognitivas, el aprendizaje puede continuar a

180

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

lo largo de toda la vida bajo ciertas condiciones. Estudios en neurocien-

cia han conﬁrmado que la plasticidad sináptica, si bien disminuye con la

edad, no desaparece, y puede ser estimulada mediante experiencias sig-

niﬁcativas, novedad, y contexto emocionalmente relevante (Merzenich,

2013; Morrison & Baxter, 2012).

La anécdota de Sócrates aprendiendo una nueva melodía en su le-

cho de muerte —narrada por Plutarco y reinterpretada por ﬁlósofos con-

temporáneos como Hadot (1995)— simboliza precisamente esta disposi-

ción constante al aprendizaje como rasgo existencial del ﬁlosofar. Más allá

de su valor anecdótico, esta imagen ha sido recuperada en la pedagogía

ﬁlosóﬁca como metáfora del “saber para morir”, es decir, de una disposi-

ción formativa que trasciende la utilidad y que se funda en el ejercicio del

pensamiento como apertura continua (Hadot, 1995; Nussbaum, 1997).

Sin embargo, los adultos tienden a ser más reacios al cambio y la

innovación, debido a factores como la cristalización cognitiva, la resisten-

cia emocional al error, y las dinámicas culturales que desalientan el apren-

dizaje tardío (Illeris, 2018). A pesar de ello, programas de educación para

adultos han demostrado que, cuando se fomenta la motivación intrínseca

y se respetan los ritmos individuales, es posible generar transformaciones

cognitivas profundas (Jarvis, 2006). En consecuencia, el aprendizaje debe

ser considerado una capacidad transversal a todas las edades, siempre que

existan condiciones que estimulen el interés, la relevancia contextual y la

participación activa del sujeto.

Comprender este fenómeno permite concebir el aprendizaje como

una característica innata del ser humano. Considerada como una etapa

decisiva en la vida de los seres humanos, Chávez (2019) examina en el

desarrollo infantil las bases anatómicas y neuroﬁsiológicas del aprendi-

zaje, destacando que la combinación de la condición genética y biológica,

junto con la interacción en un contexto histórico-social, permite al ser

humano construir y modiﬁcar su conocimiento y conducta. Estas premi-

sas sintetizan el complejo proceso de generación de aprendizajes, el cual

constituye un componente esencial para el desarrollo de lo que en este

estudio se ha denominado: sistemas integrados de aprendizaje.

4. ¿Cómo se genera el conocimiento para la acción? La última pre-

gunta clave se centra en cómo se produce el conocimiento para la acción,

considerando también el papel fundamental de las emociones. Los proce-

sos cognitivos son una suma de atajos, estrategias y heurísticas aﬁanzadas

sobre sesgos funcionales. Estos sesgos permiten reaccionar en situaciones

con pocos datos o tiempo, lo que implica una selección y manipulación

de la realidad (Kahneman & Tversky, 1979). De hecho, somos unos seres

181

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

increíbles capaces de combinar muchas heurísticas de razonamiento a lo

largo de un mismo día, lo que Vallverdú (2019) ha denominado la blen-

ded cognition, un elemento que, en la perspectiva de este estudio, resulta

angular para afrontar una revolución en los procesos de aprendizaje a

tenor de las evidencias cognitivas actuales. Aunque sabemos desde hace

décadas que somos seres emocionales y heurísticos, la multiheuristicidad

de nuestra cognición es un área aún por explorar. Curiosamente, el estu-

dio de estos mecanismos ha sido impulsado por la investigación en IA y

robótica, llevándonos a reconsiderar nuestra propia cognición humana.

En este orden de ideas, se plantea que estos interrogantes y sus

respuestas fundamentan una educación más centrada en la ciencia y en

el estudiante, abriendo nuevas oportunidades para mejorar los métodos

educativos y el proceso de adquisición de conocimiento.

Metodología

Para abordar los retos del aprendizaje en la era de las heurísticas artiﬁ-

ciales desde una perspectiva ﬁlosóﬁco-educativa, este estudio adopta una

metodología cualitativa interpretativo-reﬂexiva, orientada a explorar en

profundidad fenómenos complejos vinculados con la cognición huma-

na y sus interacciones con tecnologías emergentes, como los sistemas de

IAG. Esta metodología se enmarca dentro de un paradigma constructi-

vista y crítico que valora la comprensión contextual, la subjetividad de los

actores y la reﬂexión ﬁlosóﬁca como dimensiones legítimas del conoci-

miento (Guba & Lincoln, 2005; Flick, 2018).

La investigación se desarrolló bajo un enfoque inductivo-analítico,

sustentado en la triangulación de fuentes teóricas, estudios empíricos

previos y categorías ﬁlosóﬁcas, lo que permitió articular hallazgos desde

múltiples tradiciones epistémicas. Esta estrategia metodológica posibili-

ta no solo identiﬁcar patrones comunes, sino también revelar tensiones,

discontinuidades y dilemas emergentes en los discursos sobre educación,

cognición y tecnología (Tracy, 2010).

Para establecer el estado del arte, se llevó a cabo una revisión siste-

mática de literatura (Booth et al., 2016), centrada en el impacto educativo

de la IAG, en especial de los chatbots como ChatGPT. La búsqueda bi-

bliográﬁca se realizó entre enero y mayo de 2024, y abarcó publicaciones

académicas entre 2018 y 2024. Las bases de datos consultadas incluyeron

Scopus, Web of Science, ERIC, JSTOR y Google Scholar.

182

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

Las palabras clave utilizadas fueron: “artiﬁcial intelligence in edu-

cation”, “chatbots in learning”, “heuristics and cognition”, “blended cogni-

tion”, “philosophy of technology”, “epistemology of education”, “ChatGPT

AND education”, “heurísticas cognitivas AND aprendizaje”, entre otras. Se

aplicaron criterios de inclusión tales como: artículos revisados por pares,

estudios con enfoque teórico o empírico, y relevancia para los campos de

la ﬁlosofía, pedagogía o ciencias cognitivas.

Luego de un proceso riguroso de depuración, que incluyó la eli-

minación de duplicados y la exclusión de estudios marginales o redun-

dantes, se seleccionaron 72 artículos que cumplían con los criterios de

calidad y pertinencia académica (Nowell et al., 2017).

La técnica principal empleada fue el análisis documental cualitativo,

el cual permite extraer signiﬁcados desde textos académicos mediante co-

diﬁcación temática e interpretación contextual (Yin, 2015). Se diseñó una

ﬁcha de extracción de datos con las siguientes variables: autoría, año, región

geográﬁca, objetivo del estudio, tipo de metodología utilizada, hallazgos

principales y vínculos con las categorías conceptuales del presente estudio.

El análisis se apoyó en herramientas digitales como Zotero para

la gestión de referencias y NVivo 14, que facilitó la codiﬁcación abierta,

axial y selectiva del corpus textual (Saldaña, 2021). La información fue

organizada en función de seis ejes clave:

• Multimodalidad del conocimiento

• Lenguajes complementarios

• Fundamento sensomotriz imitativo

• Sesgos cognitivos

• Inﬂuencia social

• Heurísticas de aprendizaje

El proceso analítico se articuló en tres fases secuenciales, inspira-

das en el modelo de análisis temático de Braun y Clarke:

• Codicación teórica inicial. Se identiﬁcaron categorías relevan-

tes a partir de marcos conceptuales clave, como la blended cog-

nition (Vallverdú, 2019), la cognición sensomotriz (Damasio,

2019) y las heurísticas cognitivas funcionales (Kahneman &

Tversky, 1979).

• Agrupamiento y contrastación. Se compararon los hallazgos de

los estudios revisados con las categorías del modelo teórico. Por

ejemplo, se analizaron cómo los trabajos de Baidoo-Anu y An-

183

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

sah (2023) o Albadarin et al. (2024) abordan (o no) la dimen-

sión afectiva y corporal del aprendizaje mediado por IA.

• Interpretación reexiva. Se desarrolló un análisis hermenéuti-

co-crítico desde el diálogo con pensadores como Freire (2018),

Biesta (2010) y Korol (2017), quienes subrayan la necesidad de

una educación liberadora, situada y ética en contextos marca-

dos por la desigualdad digital (Brunner, 2013; Selwyn, 2019).

La elección de este enfoque se justiﬁca por la naturaleza compleja,

situada y multiescalar del fenómeno estudiado. La comprensión de cómo

se produce el aprendizaje en escenarios hibridados humano-máquina no

puede reducirse a métricas de rendimiento o eﬁciencia. Requiere, por el

contrario, una mirada crítica que integre aspectos ontológicos, epistemo-

lógicos y éticos del conocimiento (Floridi, 2019; Vallor, 2016).

Desde esta perspectiva, la IA no se aborda como un instrumento

neutral, sino como un actor epistémico y político, cuya inﬂuencia sobre

la educación debe ser interrogada en clave de justicia cognitiva, alfabeti-

zación crítica y agencia humana. Así, esta metodología no pretende gene-

ralizar, sino profundizar en la comprensión del sentido, revelando cómo

emergen nuevas formas de subjetividad, mediación y conocimiento en la

era de las heurísticas artiﬁciales.

Una aproximación integrada al aprendizaje

Una aproximación integrada al aprendizaje es esencial para dise-

ñar sistemas efectivos que satisfagan las necesidades de los individuos.

En los apartados anteriores, se enunciaron diversas claves que, a criterio

de los autores de este estudio, ayudan a desarrollar un modelo adecua-

do de la cognición humana. Estas claves incluyen la multimodalidad del

conocimiento, el papel complementario de los lenguajes, el fundamento

sensomotriz imitativo, los sesgos cognitivos, la inﬂuencia social en la per-

cepción y la cognición, y la importancia de las múltiples heurísticas en el

proceso de aprendizaje. En este apartado se profundiza en cada una de

estas claves buscando proponer el desarrollo de un modelo comprensivo,

cuya espina dorsal se presenta resumidamente en la ﬁgura 1.

184

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

Figura 1

Claves de la aproximación integrada al aprendizaje

Puede parecer abrumador considerar todos estos elementos de

manera conjunta, pero esta complejidad reﬂeja la verdadera naturaleza

de la cognición humana. Nuestra mente no opera en compartimentos es-

tancos, sino que trabaja de manera integrada, utilizando múltiples fuentes

de información y recursos para procesar el conocimiento y tomar deci-

siones. Por tanto, un enfoque integral es necesario para diseñar sistemas

que reﬂejen con precisión cómo aprendemos y cómo podemos mejorar

nuestro aprendizaje.

Multimodalidad del conocimiento

Este aspecto sostiene que el aprendizaje humano no es un fenómeno

unidimensional, sino que involucra la integración dinámica de diversos

canales sensoriales y simbólicos. Esta idea ha sido validada tanto por la

neurociencia cognitiva como por la pedagogía contemporánea, que han

demostrado que los sistemas sensoriales no funcionan de forma aislada,

sino en interacción constante (Shams & Seitz, 2008). Así, la vista, el oído,

el tacto, e incluso el olfato y el gusto, pueden actuar como rutas comple-

mentarias para la codiﬁcación y recuperación de la información.

En el ámbito educativo, esto implica diseñar materiales que apro-

vechen esta integración sensorial, recurriendo a recursos como infogra-

fías, videos, podcasts, modelos manipulativos y actividades interactivas.

Esta propuesta va más allá de una mera inclusión superﬁcial de “canales

múltiples”: se trata de concebir el conocimiento como una experiencia

encarnada y distribuida (Clark, 2011). De esta forma, el aprendizaje se

vuelve más robusto, especialmente cuando se adapta a los estilos senso-

185

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

riales dominantes de los aprendices, favoreciendo la consolidación de la

memoria y la comprensión profunda.

El papel complementario de los lenguajes

El aprendizaje humano está mediado por lenguajes múltiples, entendidos

no solo en términos lingüísticos, sino también semióticos, visuales, sim-

bólicos y digitales. Cada lenguaje ofrece un acceso particular a la realidad,

estructurando la manera en que pensamos, sentimos y actuamos. Según

Kress (2010), los entornos de aprendizaje contemporáneos deben asumir

un enfoque multimodal, donde coexistan y se articulen distintos sistemas

de representación, desde el texto escrito hasta la animación digital o la

codiﬁcación simbólica.

Esta concepción implica reconocer el valor cognitivo de mapas

conceptuales, esquemas visuales, dramatizaciones, música y simulacio-

nes. No se trata de traducir información de un código a otro, sino de

permitir que los lenguajes dialoguen entre sí para construir signiﬁcados

complejos. En ese sentido, el lenguaje no es solo un medio de transmisión

de información, sino un espacio donde se conforma la experiencia misma

del conocimiento (Bakhtin, 1981). Adoptar esta perspectiva en el diseño

curricular permite integrar dimensiones cognitivas, afectivas y culturales

del aprendizaje.

Fundamento sensomotriz imitativo

El aprendizaje por imitación es un mecanismo fundacional en la evo-

lución cognitiva humana. Desde las primeras semanas de vida, los seres

humanos aprenden observando y replicando gestos, sonidos y acciones

de otros. Este fenómeno está mediado por las neuronas espejo, descu-

biertas por Rizzolatti et al. (1996), que activan patrones motores tanto al

ejecutar una acción como al observarla realizada por otros. Esto sugiere

que el aprendizaje humano está profundamente enraizado en el cuerpo,

la motricidad y la socialización.

En contextos educativos, esta dimensión sensomotriz debe tradu-

cirse en prácticas que privilegien la experimentación activa, la manipu-

lación, el modelado, la dramatización y la resolución de problemas en

entornos reales o simulados. La pedagogía del aprendizaje activo, en este

sentido, se alinea con lo que Piaget y Vygotsky propusieron como base

para el desarrollo cognitivo: la acción situada en contextos signiﬁcativos

(Tomasello, 1999).

186

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

Sesgos cognitivos

Los sesgos cognitivos constituyen atajos mentales con una función adap-

tativa evidente, pues permiten respuestas rápidas en contextos de in-

certidumbre; sin embargo, distorsionan la percepción, la memoria y el

juicio, generando errores sistemáticos que pueden limitar el aprendizaje

(Kahneman, 2011). A la luz de lo anterior, los entornos formativos deben

incorporar mecanismos especíﬁcos tendentes a mitigar tales distorsiones.

Ello implica, por una parte, suministrar información objetiva y, por otra,

asistir al estudiante en la identiﬁcación y superación de sus propios ses-

gos mediante estrategias metacognitivas. Concretamente, se recomienda:

visibilizar los sesgos a través de la presentación contrastada de ejemplos

y contra-ejemplos; fomentar el razonamiento crítico mediante debate

argumentado y retroalimentación dialógica; y recurrir a sistemas de IA

explicable capaces de detectar patrones sesgados en las respuestas de los

aprendices y ofrecer correcciones personalizadas (Rahwan et al., 2019).

Influencia social

La inﬂuencia social debe ser considerada debido a que la cognición indi-

vidual se conﬁgura, en buena medida, a partir de la interacción con otros.

Las creencias y los conocimientos surgen, se validan o se transforman en

el marco de tales interacciones. En consecuencia, los sistemas de apren-

dizaje han de favorecer la colaboración estructurada, el debate regulado

y la participación en comunidades de práctica, estrategias que, bien ges-

tionadas, enriquecen la construcción colectiva del conocimiento. No obs-

tante, es preciso reconocer que estas mismas dinámicas pueden propiciar

la aparición de redes de retórica débil o la conformidad acrítica; de ahí

la conveniencia de establecer reglas explícitas de discusión y moderación

que eviten falacias ad populum y presiones grupales (Frankfurt, 2005).

Heurísticas de aprendizaje

Las heurísticas de aprendizaje —entendidas como reglas empíricas que

simpliﬁcan la toma de decisiones y reducen la carga cognitiva— desem-

peñan un papel relevante en la estructuración de experiencias formativas

(aler & Sunstein, 2009). La integración deliberada de dichas heurísticas

posibilita un aprendizaje eﬁciente sin menoscabo de la profundidad con-

ceptual. Entre las aplicaciones más pertinentes cabe señalar:

187

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

• La descomposición de tareas complejas en subtareas manejables.

• La introducción de ejemplos prototípicos como anclaje inicial

de la teoría.

• La provisión de retroalimentación inmediata que refuerce la

heurística adecuada y corrija la inadecuada.

Esta orientación es congruente con el enfoque constructivista, se-

gún el cual el conocimiento se construye activamente a través de la ex-

periencia, la reﬂexión y la interacción social (Ortiz Granja, 2015; Fosnot,

2013; Vygotsky, 1978).

A partir de lo expuesto, puede aﬁrmarse que una aproximación

integrada al aprendizaje debe reﬂejar la naturaleza adaptativa, distribui-

da, multimodal y heurística de la cognición humana (Anderson, 2010).

Superar los modelos lineales de transmisión exige articular la percepción

sensorial, el razonamiento simbólico, la interacción social y la toma de

decisiones contextual. Reconocer de manera conjunta la multimodalidad

del conocimiento, el fundamento sensomotriz imitativo, los sesgos cogni-

tivos, la inﬂuencia social y las heurísticas de aprendizaje permite diseñar

entornos educativos más funcionales y centrados en el sujeto. Además,

esta perspectiva resulta coherente con hallazgos procedentes de la neuro-

ciencia, la pedagogía y la ﬁlosofía de la mente (Immordino-Yang y Dama-

sio, 2007; Clark, 2011; Sawyer, 2014) y responde a la necesidad contem-

poránea de formar individuos capaces de actuar en contextos complejos,

inciertos y cambiantes. En deﬁnitiva, educar en la comprensión de los

propios límites cognitivos, así como en el aprovechamiento estratégico

de las heurísticas disponibles, capacita a los aprendices para desarrollar

ﬂexibilidad mental, juicio ético y creatividad, requisitos indispensables en

las dinámicas del siglo XXI.

Los retos del aprendizaje en la era de las heurísticas

artificiales a partir del caso ChatGPT

Resta considerar un último punto crucial en la integración de lo cognitivo

en el aprendizaje, en directa relación con los contextos informacionales

híbridos humano-máquina que se viven actualmente. En plena era de la

información, estamos inmersos en un tsunami de datos, una avalancha de

información que complica el proceso de aprendizaje. Al mismo tiempo, la

IA se está integrando en los sistemas educativos y laborales de millones

de personas.

188

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

¿Qué es lo que debe saber realmente un humano? ¿Tiene senti-

do insistir en la memorización y uso de limitadas prácticas que, de he-

cho, ya no son utilizadas en entornos reales competitivos? Los entornos

epistémicos híbridos, con asistencia de sistemas computacionales, ponen

en jaque numerosos elementos de los paradigmas educativos anteriores

(Papert, 2020). Las competencias mismas deben ser reconsideradas bajo

la realidad de los actuales sistemas de producción de conocimiento. De-

bemos recordar que parten de la experiencia física y sensomotriz de un

ser que etiqueta el mundo a partir de sus necesidades, miedos y sueños

compartidos. Mentes paleolíticas para un presente de dioses tecnológi-

cos, parafraseando a E. O. Wilson. Y, tratando de superar estos desafíos,

es necesario reconsiderar qué deben aprender los miembros de la especie

humana, sin olvidar los retos educativos de la revolución transhumanis-

ta que transformará radicalmente nuestra comprensión de la cognición,

corporeidad, experiencia y conocimiento.

La creciente incorporación de la IA en los sistemas educativos con-

temporáneos plantea una serie de desafíos ﬁlosóﬁcos que requieren una

reﬂexión profunda. Según Floridi (2019), la IA está transformando no

solo el acceso al conocimiento, sino también la misma naturaleza del co-

nocimiento, lo que plantea preguntas sobre cómo deﬁnimos y validamos

lo que los estudiantes aprenden. En un contexto donde las tecnologías di-

gitales reconﬁguran la experiencia educativa, Selwyn (2019) advierte que

debemos evaluar cuidadosamente hasta qué punto las máquinas pueden

reemplazar a los maestros sin comprometer la relación humana funda-

mental en la enseñanza.

Asimismo, Vallor (2016) propone que la adopción de la IA en la

educación debe orientarse por una reﬂexión ética sobre las virtudes hu-

manas, garantizando que estas tecnologías promuevan el bienestar in-

tegral de los estudiantes, en lugar de reducir la educación a una simple

transferencia de información. En este sentido, la IA no solo debe ser vista

como una herramienta para mejorar la eﬁciencia del aprendizaje, sino

también como un medio para desarrollar habilidades éticas y reﬂexivas,

cruciales en el siglo XXI.

En la actualidad, la humanidad se enfrenta a desafíos educativos

sin precedentes, especialmente en lo que respecta a la integración de la IA

y la tecnología en el proceso de aprendizaje. Estos desafíos no solo afec-

tan a los métodos tradicionales de enseñanza, sino que también plantean

interrogantes fundamentales sobre el propósito y la naturaleza misma de

la educación en la era de los sistemas de aprendizaje automático como

189

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

ChatGPT, conforme lo evidencian hallazgos derivados de recientes revi-

siones sistemáticas de literatura (Labadze et al., 2023).

El impacto de ChatGPT y tecnologías similares en los procesos

educativos es signiﬁcativo y presenta tanto beneﬁcios como desafíos (Bai-

doo-Anu & Ansah, 2023). A continuación, se analizan algunos de ellos,

agrupados como pros y contras.

Por un lado, los beneﬁcios incluyen el acceso inmediato a una gran

cantidad de información y recursos en línea, facilitando la investigación

y el aprendizaje eﬁciente sobre una amplia variedad de temas. Además,

los chatbots educativos basados en IA, como ChatGPT, pueden ofrecer

tutoriales y respuestas personalizadas a las preguntas de los estudiantes,

permitiendo una atención individualizada difícil de lograr en un entor-

no de aula tradicional. Estos chatbots también brindan experiencias de

aprendizaje interactivas y prácticas, como la simulación de experimentos

cientíﬁcos o la realización de ejercicios de matemáticas, aumentando la

participación y la comprensión. Además, ChatGPT facilita el aprendizaje

autodirigido, permitiendo a los estudiantes buscar respuestas y aprender

de forma independiente fuera del aula, fomentando la autonomía y la res-

ponsabilidad en el aprendizaje.

Sin embargo, la integración de la IA no debe desvincularse de las

problemáticas ﬁlosóﬁcas más amplias sobre el conocimiento y la subje-

tividad en contextos latinoamericanos. Brunner (2013) subraya que la

globalización y la digitalización están transformando la educación en

América Latina, requiriendo una reﬂexión crítica sobre cómo las tecno-

logías emergentes interactúan con los sistemas educativos locales. En esta

línea, Korol (2017) y Mignolo (2011) enfatizan la importancia del pensa-

miento crítico y la educación emancipadora para evitar que la tecnología

refuerce estructuras de poder coloniales. Biesta (2010) advierte que, en

una era marcada por la medición y la automatización, la educación debe

enfocarse en el desarrollo de la autonomía y el juicio ético, aspectos que

no pueden ser reemplazados por la IA. Estas perspectivas ﬁlosóﬁcas su-

brayan la necesidad de que la IA complemente, en lugar de sustituir, las

interacciones humanas y el pensamiento crítico en el proceso educativo.

Por otro lado, existen desafíos en este enfoque. Una dependencia

excesiva de ChatGPT para obtener respuestas puede impedir el desa-

rrollo de habilidades de pensamiento crítico y la capacidad de resol-

ver problemas de manera independiente, lo que podría conducir a un

aprendizaje superﬁcial (Baidoo-Anu & Ansah, 2023). La automatiza-

ción de la enseñanza mediante chatbots plantea interrogantes sobre el

futuro papel de los maestros. Si los docentes se vuelven menos necesa-

190

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

rios debido a la tecnología, esto podría afectar negativamente la calidad

de la educación en términos de interacción humana y apoyo emocional

(Selwyn, 2019).

Además, la información proporcionada por ChatGPT no siempre

es precisa ni conﬁable. Diversos estudios han documentado los errores

denominados “alucinaciones” —respuestas plausibles pero incorrectas

generadas por modelos de lenguaje— como una limitación signiﬁcativa

para su uso educativo riguroso (Bender et al., 2021). Esto podría perju-

dicar la comprensión y el conocimiento de los estudiantes al recibir res-

puestas incorrectas o información sesgada. Por último, la interacción con

chatbots no contribuye al desarrollo de habilidades sociales y emociona-

les que los estudiantes obtienen a través de la interacción humana, siendo

esto especialmente importante en la educación temprana y en la enseñan-

za de habilidades socioemocionales (Holmes et al., 2019).

A lo anterior, cabe sumarle problemas intrínsecos de los modelos

de lenguaje de gran escala (LLM, por sus siglas en inglés), como la aluci-

nación mencionada y el canibalismo de datos —el fenómeno en el cual

el modelo recicla contenido de entrenamiento sin generar conocimiento

nuevo, lo que limita su capacidad de innovación conceptual (Bommasani

et al., 2021)—.

Es decir, el impacto de ChatGPT en la educación tiene el potencial

de mejorar el acceso a la información, personalizar la enseñanza y fo-

mentar el aprendizaje autónomo (Mao et al., 2024). Sin embargo, también

presenta desafíos relacionados con la dependencia excesiva, la credibi-

lidad de la información, la relación maestro-alumno y el desarrollo de

habilidades sociales. La clave está en utilizar estas tecnologías de manera

equilibrada y considerar cómo complementan, en lugar de reemplazar, la

educación tradicional (Vallor, 2016).

En respuesta a estas tensiones entre los beneﬁcios y los riesgos del

uso de la IA en la educación, en marzo de 2023, un consorcio de las prin-

cipales universidades del Reino Unido, incluyendo Oxford, Cambridge e

Imperial College London, estableció cinco principios rectores para el uso

ético de la IAG. Estos principios buscan promover el uso responsable de

la IA mientras se garantiza la integridad académica. Incluyen el apoyo a

estudiantes y personal para que sean alfabetizados en IA, la adaptación de

métodos de enseñanza y evaluación, y la garantía de igualdad de acceso a

la tecnología de IA. El acuerdo representa un cambio en la actitud hacia

la IA, reconociendo su impacto potencial en la educación.

No obstante, conviene recordar que, antes del establecimiento de

estos principios, algunas universidades habían prohibido el uso de la IA

191

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

debido a preocupaciones sobre el plagio y el fraude académico (THE,

2023). En un contexto turbulento, esta iniciativa se produjo apenas cuatro

meses después de que, en marzo de 2023, varias universidades del Reino

Unido —incluidas algunas asociadas con el Grupo Russell— prohibieran

por completo el uso de IA, advirtiendo que se expulsaría a los estudian-

tes sorprendidos utilizándola. Además, en abril del mismo año, algunas

de estas universidades manifestaron su intención de no utilizar Turnitin,

alegando que su nuevo sistema de detección de plagio basado en IA podía

emitir falsos positivos (e Guardian, 2023). Con el nuevo acuerdo, las

universidades del Reino Unido se comprometieron a incorporar el uso

ético de la IA en la enseñanza y evaluación como una oportunidad, no

como una amenaza.

Otro de los desafíos más notables es la sobrecarga de información

a la que están expuestos los estudiantes. Vivimos en una era de abun-

dancia de datos, donde el ﬂujo constante de información disponible en

línea puede ser tan perjudicial como útil. Esta “infoxicación” puede ge-

nerar fatiga cognitiva y diﬁcultad para discernir fuentes relevantes y con-

ﬁables (Bawden & Robinson, 2009). Los educadores enfrentan la tarea

de enseñar a los estudiantes a navegar de manera crítica a través de esta

avalancha de datos, a evaluar la credibilidad de las fuentes y a desarrollar

pensamiento crítico digital (McGrew et al., 2018).

La incorporación de la IA y la automatización en la educación

plantea preguntas sobre el papel futuro de los docentes. ¿Cómo cambia

la dinámica entre maestro y estudiante cuando la IA asume funciones

activas en la enseñanza y evaluación? ¿Cómo se conservan cualidades

humanas esenciales, como la empatía y la orientación personalizada, en

entornos cada vez más mediados por algoritmos (Holmes et al., 2019;

Selwyn, 2019)?

La cuestión de qué debe saber realmente un ser humano en la era

de la IA es fundamental. Si gran parte del conocimiento factual está al

alcance de un clic, la educación debe centrarse en el desarrollo de habi-

lidades superiores: pensamiento crítico, resolución de problemas, creati-

vidad y habilidades socioemocionales, difíciles de replicar por máquinas

(Brynjolfsson & McAfee, 2014; Nussbaum, 1997). Además, la revolución

transhumanista, que se asoma en el horizonte, plantea interrogantes aún

más profundos. ¿Cómo afectará la fusión entre tecnología y biología a

nuestra comprensión de la cognición y la corporeidad? ¿Cómo cambiará

la experiencia humana cuando las fronteras entre lo biológico y lo artiﬁ-

cial se tornen difusas (Bostrom, 2014)?

192

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

Considerando lo expuesto, este estudio reaﬁrma que la educación

en la era de la IA y la revolución tecnológica no se trata solo de adqui-

rir información, sino de cultivar la capacidad de adaptación, el pensa-

miento crítico y la comprensión profunda sobre fenómenos de creciente

complejidad. Los educadores y las instituciones deben estar dispuestos a

evolucionar y reinventarse para preparar a las generaciones futuras a un

mundo en transformación permanente. La tarea de equilibrar la tradición

con la innovación, y la humanidad con la tecnología, será uno de los gran-

des desafíos —y también oportunidades— de la educación en el siglo XXI

(Vallor, 2016; Floridi, 2019).

En última instancia, en la era de ChatGPT se espera que evaluar

deje de ser sinónimo de veriﬁcar la capacidad de retención de informa-

ción, y se convierta en un proceso centrado en el desarrollo de capacida-

des intelectuales superiores: procesar, apropiarse, refutar, adaptar y apli-

car conocimiento en contextos reales y diversos.

Reflexiones desde la perspectiva educativa respecto

al diseño de sistemas integrados de aprendizaje

En la perspectiva educativa, las dinámicas transformadoras del siglo XXI

exigen una reconceptualización de los diseños de sistemas integrados

de aprendizaje, especialmente en relación con la tecnología. Estas trans-

formaciones responden a una combinación de factores: la digitalización

acelerada, la emergencia de nuevas epistemologías, y la necesidad de pre-

parar a los estudiantes para contextos sociotécnicos complejos (Selwyn,

2016; Luckin & Holemes, 2016). Durante décadas, la tecnología educativa

se ha abordado principalmente desde un enfoque instrumental, centrado

en sus dimensiones técnico-operativas e infraestructurales, sin una inte-

gración signiﬁcativa en los procesos pedagógicos (Cuban, 2001).

Además, en muchos casos, la tecnología ha sido percibida como

una amenaza para el rol del docente, especialmente cuando se la asocia

con automatización o desintermediación de funciones tradicionalmente

humanas (Holmes et al., 2019). Esta visión ha defendido una estructura

jerárquica en la que el profesor se mantiene como ﬁgura de autoridad y

poseedor del conocimiento y la verdad, heredera de un modelo bancario

de educación (Freire, 2018).

Sin embargo, es necesario transitar hacia una perspectiva horizon-

tal y dialógica, en la que los participantes del acto educativo interactúen

con la información disponible, mediada y enriquecida por el conocimien-

to profesional del docente. Esta reconﬁguración se alinea con enfoques

193

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

pedagógicos centrados en el diálogo, la co-construcción de signiﬁcados y

la ciudadanía crítica (Biesta, 2010; Freire, 2018). Tal participación activa

permite mejorar la capacidad de interpretación, contrastación, evalua-

ción y posicionamiento crítico frente a fenómenos complejos.

Es importante recordar que los humanos somos seres sociales, y

que nuestra capacidad de raciocinio abstracto y pensamiento simbólico

nos distingue evolutivamente de otras especies (Tomasello, 1999; Dama-

sio, 2019). Por tanto, cualquier resultado obtenido a partir de nuestras

interacciones con chatbots educativos debe invitarnos a reﬂexionar sobre

los mecanismos mediante los cuales los algoritmos cruzan datos para ge-

nerar respuestas en cuestión de segundos, incluyendo y excluyendo cier-

tas fuentes y variables: procesos que no son neutrales ni opacos por azar,

sino resultado de decisiones humanas codiﬁcadas en sistemas automáti-

cos (Bender et al., 2021; Crawford, 2021).

Debemos optimizar el uso de estos recursos tecnológicos apren-

diendo a formular preguntas, repreguntar, triangular, conﬁrmar y des-

cartar datos. Esto implica alfabetización digital crítica, no solo en el uso

técnico, sino en la comprensión ética y epistemológica del funciona-

miento de la IA (George Reyes & Avello Martínez, 2021). También es

crucial ser conscientes de sus limitaciones computacionales —como los

sesgos de entrenamiento, la opacidad algorítmica o las “alucinaciones”—

así como de sus implicaciones socioemocionales en la relación educativa

(Zhai, 2022).

Como profesores e investigadores, debe abogarse que el enfoque

hacia la IA y la automatización en la educación se aleje del prohibicio-

nismo, el negacionismo y el reduccionismo, y se promueva una discu-

sión interdisciplinar basada en el conocimiento de estos recursos. Como

señala Zhai (2022), aunque la IA puede realizar tareas como escribir un

artículo académico coherente y preciso, no puede sustituir la creatividad

y el pensamiento crítico, ni reemplazar la riqueza de las interacciones so-

ciales humanas que impactan en el componente afectivo y la salud física

y mental de los participantes en los procesos educativos.

Los retos del aprendizaje en la era de las heurísticas artiﬁciales

no se limitan al dominio instrumental de los recursos tecnológicos, sino

que demandan, retomando palabras de George Reyes y Avello Martínez

(2021), “reconceptualizar desde diversas aristas el término alfabetización

digital como una forma de comprender cuales son las habilidades que se

necesitan para poder participar en un mundo hiperconectado” (p. 1).

Es por ello que, resulta urgente generar reﬂexiones profundas sobre

la conﬁguración de sistemas integrados de aprendizaje que equilibren la

194

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

tradición y la innovación, y la humanidad y la tecnología. Estas reﬂexio-

nes deben tener lugar en los procesos de formación inicial y continua

de profesores y en la concertación colectiva de lineamientos educativos

ya que como señala Freire (2018), es esencial practicar una pedagogía

humanizadora que establezca una relación dialógica permanente con los

oprimidos, en lugar de imponerse sobre ellos.

Además, la discusión sobre la relación entre la IAG y la educación

no debe limitarse a la detección de plagios o a las preocupaciones sobre la

integridad y calidad de la producción académica. En este sentido, resulta

fundamental que los educadores sean protagonistas en la evaluación crí-

tica de cualquier recurso generado por la IA, en su adaptación a contextos

docentes especíﬁcos, y en el diseño, implementación, seguimiento, retroa-

limentación y reconﬁguración de sistemas integrados de aprendizaje que

reﬂejen la complejidad de la cognición humana.

En el plano de la investigación educativa, Albadarin et al. (2024)

mapearon recientemente la relación entre el binomio ChatGPT-educa-

ción, identiﬁcando un campo emergente de pesquisa empírica que, dentro

del área, requiere de una exploración continua y de un diálogo proactivo

con los responsables políticos, las partes interesadas y los profesionales de

la educación. De acuerdo con estos autores, este enfoque resulta esencial

para estimular, perfeccionar y optimizar el uso de la IA en los entornos

de aprendizaje, así como para integrar de manera efectiva la interacción

humana y la colaboración en las actividades educativas mediadas por he-

rramientas de IA.

Finalmente, es de resaltar que este estudio converge en torno a la

perspectiva de Yanes Guzmán (2016), reaﬁrmando que uno de los pro-

pósitos educativos fundamentales en la contemporaneidad consiste en

“conﬁgurar una nueva forma de pensar, de formar, de educar, una nueva

epistemología paradigmática que nos permita entender nuestro hogar pla-

netario a través de un paradigma sistémico, holístico, lógico, transdiscipli-

nar y complejo” (p. 121). Sin lugar a duda, en el paradigma al que se hace

referencia, las tecnologías, lo social y lo humano adquieren una dimensión

constitutiva dentro de los procesos cognitivos que se emprenden en busca

de conocer el mundo y comprender sus fenómenos a través de modelos de

sistemas integrados de aprendizaje que consideren diversas claves, entre

ellas, las seis que componen el modelo presentado en este trabajo.

195

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

Consideraciones finales

A lo largo de la historia, la ﬁlosofía y la educación han experimentado una

evolución notable. Hemos pasado de un enfoque centrado principalmen-

te en el contenido del conocimiento a una comprensión más profunda de

los procesos cognitivos y de aprendizaje. Esta transformación, que ha te-

nido lugar a lo largo de siglos, ha dado lugar a enfoques pedagógicos más

soﬁsticados. El modelo planteado en este trabajo rescata algunos elemen-

tos esenciales: El aprendizaje humano se basa en la cognición, un proceso

intrincado y multifacético, esencialmente multimodal y con raíces en la

experiencia sensomotriz e imitativa. Además, el lenguaje simbólico des-

empeña un papel crucial en la forma en que los seres humanos interac-

túan con el mundo y entre sí. Es fundamental reconocer que la cognición

humana está marcada por sesgos y heurísticas que inﬂuyen en la manera

en que se procesa la información y se toman decisiones. Estos sesgos son

parte inherente de la cognición y deben ser comprendidos y considerados

en los procesos de aprendizaje.

En la era actual de la información y la IA, se presentan desafíos

signiﬁcativos en el campo educativo. La sobrecarga de información, la

creciente dependencia de la tecnología y la posible reducción del papel

de los maestros son aspectos cruciales que requieren una atención cui-

dadosa. La educación debe evolucionar para centrarse en el desarrollo de

habilidades críticas, pensamiento creativo y competencias socioemocio-

nales. Los sistemas educativos deben adaptarse a la realidad de los entor-

nos epistémicos híbridos, donde la tecnología desempeña un papel cada

vez más importante. Sin embargo, el futuro de la educación también se

ve inﬂuenciado por la creciente fusión entre la tecnología y la biología.

Esta revolución plantea preguntas fundamentales sobre la naturaleza de

la cognición, la corporeidad y la experiencia humana. Los sistemas edu-

cativos deben estar preparados para adaptarse a estas transformaciones.

Por supuesto, la educación en el siglo XXI debe encontrar un equi-

librio entre la tradición y la innovación, incorporando la tecnología de

manera efectiva sin perder de vista la importancia de las cualidades hu-

manas, como la empatía, la creatividad y el pensamiento crítico.

En cuanto a la idea de tecnología, tal como se ha planteado en las

secciones que componen este trabajo, se propone abandonar la concep-

ción que la asocia meramente al dominio técnico-operativo y de infraes-

tructura, que involucra a máquinas y algoritmos soﬁsticados. A partir de

fundamentaciones teóricas holísticas, se destaca la necesidad de incen-

tivar posturas críticas frente a los discursos que la reducen a simples re-

196

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

cursos de apoyo sin incidencia profunda en los procesos de enseñanza y

de aprendizaje. Estos discursos, con cierto grado de ingenuidad episté-

mica, la ponderan como libre de opacidad, cuestionamientos e intereses.

En cambio, es esencial situar una aproximación integradora en la que la

tecnología se constituya como un elemento angular dentro de la comple-

jidad propia de la actividad escolar humana contemporánea.

En este sentido, es importante recordar que la incorporación de

recursos tecnológicos a las dinámicas de aula, en el marco de una pers-

pectiva socio-constructivista moderna y sus enfoques aﬁnes, guarda es-

trecha relación con las planeaciones enriquecidas por las interacciones

dialógicas docente-estudiante. En estas interacciones, deben tenerse en

cuenta un número signiﬁcativo de variables, entre las que se encuentran:

las particularidades inherentes al contexto de enseñanza, la diversidad de

estilos de aprendizaje, los ﬁnes pedagógicos concertados y el desarrollo

de competencias necesarias para el reconocimiento de los sujetos y su

inclusión en la dinámica social.

En resumen, si se exige una educación que se adapte a los desafíos

de la era actual, donde la tecnología y la información están en constante

evolución, dicha educación debe centrarse en el desarrollo de habilidades

y competencias que permitan a las personas, sin idealizaciones sobre sus

procesos cognitivos, enfrentar un mundo en constante transformación y

cuestionar las fronteras tradicionales entre lo biológico y lo artiﬁcial. En

esta perspectiva, se cree que la reﬂexión y la adaptación son claves para

abordar estos desafíos y para aprovechar las oportunidades que ofrece la

educación en el siglo XXI.

Notas

1 De acuerdo con los registros históricos, el primer chatbots de la historia, ELIZA, fue

creado en 1966 por el profesor del Instituto Tecnológico de Massachusetts (MIT),

Joseph Weizenbaum.

2 Desde el punto de vista técnico, los chatbots son considerados como un tipo de IA

capaz de generar contenido no solo a partir de la imitación, la copia o la replicación

de un patrón existente (IA tradicional), sino mediante la creación de nuevos con-

tenidos basados en informaciones que dicha tecnología consigue correlacionar y/o,

en el argot especializado que circula en el área, “aprender”.

3 En la página web de OPENAI®, el desarrollador del ChatGPT, se encuentra una de-

ﬁnición de este en los siguientes términos (se incluye la cita original sin traduccio-

nes al español): “A model called ChatGPT which interacts in a conversational way.

e dialogue format makes it possible for ChatGPT to answer follow up questions,

admit its mistakes, challenge incorrect premises, and reject inappropriate requests”.

197

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

4 Reﬁriéndose a las trayectorias mundiales de la educación obligatoria, Besche-

Truthe (2022) añade que esta se consolidó como un componente esencial de los

sistemas educativos estatales robustos, particularmente a partir de la promulgación

de la Declaración Universal de los Derechos Humanos en 1948.

Bibliografía

ABELIUK, Andrés, & GUTIÉRREZ, Claudio

2021 Historia y evolución de la inteligencia artiﬁcial. Bits de Ciencia, 21, 14-21.

https://bit.ly/45xKB2w

ALASADI, Eman, & BAIZ, Carlos

2023 Generative AI in Education and Research: Opportunities, Concerns, and

Solutions. Journal of Chemical Education, 100(8), 2965-2971. https://doi.

org/10.1021/acs.jchemed.3c00323

ALBADARIN, Yazid, SAQR, Mohammed, POPE, Nicolas, & TUKIAINEN, Markku

2024 A systematic literature review of empirical research on ChatGPT in educa-

tion. Discover Education, 3(60). https://doi.org/10.1007/s44217-024-00138-2

ÁLVAREZ URÍA, Fernando

1992 La invención de la infancia. Ediciones de la Torre.

2019 La infancia como construcción social. Morata.

ANDERSON, John

2010 Cognitive Psychology and Its Implications (7ª ed.). Worth Publishers.

ARENDT, Hannah

1958 e Human Condition. Chicago, IL: University of Chicago Press.

BAHROUN, Zied, ANANE, Chiraz, AHMED, Vian, & ZACCA, Andrew

2023 Transforming Education: A Comprehensive Review of Generative Artiﬁ-

cial Intelligence in Educational Settings through Bibliometric and Content

Analysis. Sustainability, 15(17), 12983. https://doi.org/10.3390/su151712983

BAIDOO-ANU, David, & ANSAH, Leticia Owusu

2023 Education in the era of generative artiﬁcial intelligence (AI): Understan-

ding the potential beneﬁts of ChatGPT in promoting teaching and lear-

ning. Journal of Articial Intelligence, 7(1), 52-62. http://dx.doi.org/10.2139/

ssrn.4337484

BAKER, Gordon, & HACKER, Peter

2009 Wittgenstein: Rules, Grammar and Necessity (2ª ed.). Hoboken, NJ: Wiley-

Blackwell.

BAKHTIN, Mijaíl

1981 e Dialogic Imagination: Four Essays. University of Texas Press.

BAWDEN, David, & ROBINSON, Lyn

2009 e Dark Side of Information: Overload, Anxiety and Other Paradoxes.

Journal of Information Science, 35(2), 180-191. https://doi.org/10.1177/0

165551508095781

BENDER, Emily, GEBRU, Timnit, MCMILLAN, Angelina, & SHMITCHELL, Shmar-

garet

2021 On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?

FAccT ’21: Proceedings of the 2021 ACM Conference on Fairness, Accountabi-

lity, and Transparency, 610-623.

198

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

BERMÚDEZ, José, & GARCÍA, Jean

2016 El lenguaje como problema en la investigación socio-educativa. Sophia, Co-

lección de Filosofía de la Educación, (20), 139-159. https://bit.ly/4e6TX7s

BESCHE-TRUTHE, Fabian

2022 e Global Trajectories of Compulsory Education: Clustering Sequences of

Policy Development. En K. Martens, & M. Windzio (eds.), Global Pathways

to Education: Global Dynamics of Social Policy. Cham: Palgrave Macmillan.

https://doi.org/10.1007/978-3-030-78885-8_3

BIESTA, Gert

2010 Good Education in an Age of Measurement: Ethics, Politics, Democracy. Para-

digm Publishers.

2022 World-Centred Education: A View for the Present. Londres: Routledge.

BJÖRKLUND, Camilla, & EKDAHL, Ann-Louise

2021 Learning to Teach Mathematics in Preschool through eory-driven Inter-

ventions. Nordic Studies in Mathematics Education, 26(3-4), 11-28. http://

dx.doi.org/10.7146/nomad.v26i3-4.149168

BOMMASANI, Rishi, HUDSON, Drew, ADI, Hannah, ADELI, Ehsan, ALTMAN, Russ,

ARORA, Simran, VON ARX, Sydney, BERNSTEIN, Michael, BOHG, Jeannette, BOSSE-

LUT, Antoine, et al.

2021 On the Opportunities and Risks of Foundation Models (Technical Report). Stan-

ford Center for Research on Foundation Models. https://doi.org/10.48550/

arXiv.2108.07258

BOOTH, Andrew, SUTTON, Anthea, & PAPAIOANNOU, eochari

2016 Systematic Approaches to a Successful Literature Review (2ª ed.). Nueva York:

SAGE Publications.

BORODITSKY, Lera

2011 How Language Shapes ought. Scientic American, 304(2), 62-65.

BOSTROM, Nick

2014 Superintelligence: Paths, Dangers, Strategies. Oxford, RU: Oxford Universi-

ty Press.

BRUNER, Jerome

1996 e Culture of Education. Cambridge, MA: Harvard University Press.

BRUNNER, José Joaquín

2013 Educación y globalización: la nueva agenda educativa en América Latina.

México DF.: FCE.

BRYNJOLFSSON, Erik, & McAFEE, Andrew

2014 e Second Machine Age. Nueva York: W. W. Norton & Company.

CAMBI, Franco

2006 Manuale di pedagogia generale. Bari: Laterza.

CEPEDA, Jonathan

2021 Re-pensar al sujeto en el campo de las ciencias cognitivas. Sophia, Colección

de Filosofía de la Educación, (30), 125-153. https://doi.org/10.17163/soph.

n30.2021.04

CHÁVEZ, Vinicio

2019 Mecanismos biológicos del aprendizaje y el control neural en los periodos

sensibles de desarrollo infantil. Sophia, Colección de Filosofía de la Educa-

ción, (26), 171-195. https://doi.org/10.17163/soph.n26.2019.05

199

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

CLARK, Andy

2011 Supersizing the Mind: Embodiment, Action, and Cognitive Extension. Oxford,

RU: Oxford University Press.

CLARK, Andy, & CHALMERS, David

1998 e Extended Mind. Analysis, 58(1), 7-19. https://bit.ly/4kPwpqo

COOPER, Grant

2023 Examining Science Education in ChatGPT: An Exploratory Study of Gene-

rative Artiﬁcial Intelligence. Journal of Science Education and Technology, 32,

444-452. https://doi.org/10.1007/s10956-023-10039-y

CRAWFORD, Kate

2021 Atlas of AI: Power, Politics, and the Planetary Costs of Articial Intelligence.

New Haven: Yale University Press.

CUBAN, Larry

2001 Oversold and Underused: Computers in the Classroom. Cambridge, MA:

Harvard University Press.

DAMASIO, António

2019 e Strange Order of ings: Life, Feeling, and the Making of Cultures. Nueva

York: Vintage.

DEPAEPE, Marc

1993 Zum Wohl des Kindes? … Zeitschri für Pädagogik, 39(6), 825-846.

DERRIDA, Jacques

1967 De la grammatologie. París: Les Éditions de Minuit.

DWYER, omas

1974 Heuristic Strategies for Using Computers to Enrich Education. Internatio-

nal Journal of Man-Machine Studies, 6(2), 137-154. https://doi.org/10.1016/

S0020-7373(74)80001-5

FLICK, Uwe

2018 An Introduction to Qualitative Research (6ª ed.). Nueva York: SAGE Publications.

FLORIDI, Luciano

2019 e Logic of Information: A eory of Philosophy as Conceptual Design.

Oxford, RU: Oxford University Press.

FOUCAULT, Michel

1966 Les mots et les choses. París: Gallimard.

FOSNOT, Catherine (ed.)

2013 Constructivism: eory, Perspectives, and Practice (2ª ed.). Teachers College Press.

FRANKFURT, Harry

2005 On Bullshit. Nueva Jersey: Princeton University Press.

FREIRE, Paulo

2018 Pedagogia do oprimido (66ª ed.). Río de Janeiro: Paz e Terra.

GEORGE REYES, Carlos Enrique, & AVELLO MARTÍNEZ, Raidell

2021 Alfabetización digital en la educación. revisión sistemática de la producción

cientíﬁca en Scopus. Revista de Educación a Distancia (RED), 21(66). https://

doi.org/10.6018/red.444751

GUBA, Egon, & LINCOLN, Yvonna

2005 Paradigmatic controversies, contradictions, and emerging conuences. En N.

K. Denzin, & Y. S. Lincoln (eds.), e SAGE Handbook of Qualitative Re-

search (3ª ed., pp. 191-215). ousand Oaks: SAGE Publications.

200

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

GUTEK, Gerald

2013 Philosophical, Ideological, and eoretical Perspectives on Education (2ª

ed.). Pearson.

HACKER, Peter

2009 e Nature of Consciousness. New Haven: Yale University Press.

HADOT, Pierre

1995 Philosophy as a Way of Life. Hoboken, NJ: Blackwell.

HAMMERMAN, Robin, & RUSSELL, Andrew

2015 Ada’s Legacy: Cultures of Computing from the Victorian to the Digital Age. As-

sociation for Computing Machinery and Morgan, & Claypool, Nueva York,

NY, USA. https://doi.org/10.1145/2809523

HOLMES, Wayne, FADEL, Charles, & BIALIK, Maya

2019 Articial Intelligence in Education: Promises and Implications for Teaching

and Learning. OECD; UNESCO.

ILLERIS, Knud

2018 Contemporary eories of Learning (2ª ed.). Londres: Routledge.

IMMORDINO-YANG, Mary Helen, & DAMASIO, Antonio

2007 We Feel, erefore We Learn: e Relevance of Aﬀective and Social Neu-

roscience to Education. Mind, Brain, and Education, 1(1), 3-10. https://doi.

org/10.1111/j.1751-228X.2007.00004.x

JARVIS, Peter

2006 Towards a Comprehensive eory of Human Learning. Londres: Routledge.

https://doi.org/10.4324/9780203962653

KAHNEMAN, Daniel

2011 inking, Fast and Slow. Nueva York: FSG.

2013 inking, Fast and Slow (Paperback ed.). Nueva York: FSG.

KAHNEMAN, Daniel, & TVERSKY, Amos

1979 Prospect eory: An Analysis of Decision under Risk. Econometrica, 47(2),

263-291. https://bit.ly/4e5S7ne

KOROL, Claudia

2017 Educación popular y feminismo comunitario. México DF.: Ediciones Amé-

rica Libre.

KRESS, Gunther

2010 Multimodality: A Social Semiotic Approach to Contemporary Communica-

tion. Londres: Routledge.

LABADZE, Lasha, GRIGOLIA, Maya, & MACHAIDZE, Lela

2023 Role of AI Chatbots in Education: Systematic Literature Review. Internatio-

nal Journal of Educational Technology in Higher Education, 20(56). https://

doi.org/10.1186/s41239-023-00426-1

LUCKIN, Rose, & HOLMES, Wayne

2016 Intelligence Unleashed: An Argument for AI in Education. Pearson.

MAO, Jin, CHEN, Baiyun, & LIU, Juhong

2024 Generative Artiﬁcial Intelligence in Education and Its Implications for

Assessment. Tech Trends, 68, 58-66. https://doi.org/10.1007/s11528-023-

00911-4

MARX, Karl

1845 Tesis sobre Feuerbach. En Autor, La ideología alemana. Madrid: Akal.

201

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

McGREW, Sarah, BREAKSTONE, Joel, ORTEGA, Teresa, SMITH, Mark, & WINE-

BURG, Sam

2018 Can Students Evaluate Online Sources? Learning from Assessments of Civic

Online Reasoning. eory, & Research in Social Education, 46(2), 165-193.

https://doi.org/10.1080/00933104.2017.1416323

MENARY, Richard

2010 e Extended Mind. Cambridge, MA: MIT Press.

MERZENICH, Michael

2013 So-Wired: How the New Science of Brain Plasticity Can Change Your Life.

San Francisco, CA: Parnassus Publishing.

MIGNOLO, Walter

2011 e Darker Side of Western Modernity: Global Futures, Decolonial Options.

Durham: Duke University Press.

MONTESSORI, Maria

2020 e Montessori Method. Stokes.

MORRISON, John, & BAXTER, Mark

2012 e Aging Cortical Synapse: Hallmarks and Implications for Cognitive De-

cline. Nature Reviews Neuroscience, 13(4), 240-250. https://doi.org/10.1038/

nrn3200

NOWELL, Lorelli, NORRIS, Jill, WHITE, Deborah, & MOULES, Nancy

2017 ematic Analysis: Striving to Meet the Trustworthiness Criteria. Interna-

tional Journal of Qualitative Methods, 16, 1-13. https://doi.org/10.1177/1609

406917733847

NUSSBAUM, Martha

1997 Cultivating Humanity: A Classical Defense of Reform in Liberal Education.

Cambridge, MA: Harvard University Press.

2001 Upheavals of ought. Cambridge, RU: Cambridge University Press.

OPENAI

2022 Introducing ChatGPT. https://openai.com/blog/chatgpt

ORTIZ GRANJA, Dorys

2015 El constructivismo como teoría y método de enseñanza. Sophia, Colección

de Filosofía de la Educación, (19), 51-71. https://doi.org/10.17163/soph.

n19.2015.04

PAPAIOANNOU, eocharis

2016 e Rationality of the Human Mind. Oxford, RU: Oxford University Press.

PAPERT, Seymour

2020 Mindstorms: Children, computers, and powerful ideas. Basic Books.

PIAGET, Jean

1972 Psychology and Epistemology. Penguin.

RAHGOOY, Taher, VENABLE, K. Brent, & TRUEBLOOD, Jennifer

2022 Integrating Machine Learning and Cognitive Modeling of Decision Making.

En N. Gurney, & G. Sukthankar (eds.), Computational eory of Mind for

Human-Machine Teams. Cham: Springer. https://doi.org/10.1007/978-3-

031-21671-8_11

RAHWAN, Lyad, Cebrian, Manuel, Obradovich, Nick, BONGARD, Josh, BONNEFON,

Jean-François, BREAZEAL, Cynthia, CRANDALL, Jacob, CHRISTAKIS, Nicholas,

COUZIN, Iain, JACKSON, Matthew, et al.

202

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

2019 Machine Behaviour. Nature, 568(7753), 477-486. https://doi.org/10.1038/

s41586-019-1138-y

RIZZOLATTI, Giacomo, FADIGA, Luciano, GALLESE, Vittorio, & FOGASSI, Leonardo

1996 Premotor Cortex and the Recognition of Motor Actions. Cognitive Brain

Research, 3(2), 131-141. https://doi.org/10.1016/0926-6410(95)00038-0

RORT Y, Ri chard

1967 e Linguistic Turn. Chicago, IL: University of Chicago Press.

SALDAÑA, Johnny

2021 e Coding Manual for Qualitative Researchers (4ª ed.). Nueva York: SAGE

Publications.

SAWYER, R. Keith (ed.)

2014 e Cambridge Handbook of the Learning Sciences (2ª ed.). Cambridge, RU:

Cambridge University Press.

SELWYN, Neil

2016 Education and Technology: Key Issues and Debates (2ª ed.). Londres:

Bloomsbury.

2019 Should Robots Replace Teachers? AI and the Future of Education. Polity Press.

SETH, Anil

2021 Being you: A new science of consciousness. Penguin.

SHAMS, Ladan, & SEITZ, Aaron

2008 Beneﬁts of Multisensory Learning. Trends in Cognitive Sciences, 12(11), 411-

417. https://doi.org/10.1016/j.tics.2008.07.006

THALER, Richard, & SUNSTEIN, Cass

2009 Nudge: Improving decisions about health, wealth, and happiness. Penguin.

THE (Times Higher Education).

2023 How UK Universities Responded to ChatGPT. https://bit.ly/4kOtG0d

THE GUARDIAN

2023 UK Universities Backtrack on Turnitin AI Plagiarism Detector. https://bit.

ly/4egAYHS

TOMASELLO, Michael

1999 e Cultural Origins of Human Cognition. Cambridge, MA: Harvard Univer-

sity Press.

TRACY, Sarah

2010 Qualitative Quality: Eight ‘Big-tent’ Criteria for Excellent Qualitative Re-

search. Qualitative Inquiry, 16(10), 837-851. http://dx.doi.org/10.1177/1077

800410383121

VALLOR, Shannon

2016 Technology and the Virtues: A Philosophical Guide to a Future Worth Wan-

ting. Oxford, RU: Oxford University Press.

VALLVERDÚ, Jordi

2011 inking Machines and the Philosophy of Computer Science. IGI Global.

2019 Blended Cognition: e Robotic Challenge. En J. Vallverdú, & V. Müller

(eds.), Blended Cognition. Cham: Springer. https://doi.org/10.1007/978-3-

030-03104-6_1

VARELA, Francisco, & MATURANA, Humberto

1984 e Creative Circle: Sketches on the Natural History of Mind. Boulder,

CO: Shambhala.

203

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

N A Z-G  J V S

VARELA, Francisco, ROSCH, Eleanor, & THOMPSON, Evan

1991 e Embodied Mind: Cognitive Science and Human Experience. Cambridge,

MA: MIT Press.

VERMEULEN, Peter

2022 Autism and the Predictive Brain: Absolute inking in a Relative World. Lon-

dres: Taylor, & Francis.

VIÑAO, Antonio

2015 La educación en la España contemporánea. Madrid: Síntesis.

VYGOTSKY, Lev

1978 Mind in Society: e Development of Higher Psychological Processes. Cam-

bridge, MA: Harvard University Press.

YANES GUZMÁN, Jaime Rafael

2016 Pensamiento complejo abstracto en el aula. Sophia, colección de Filosofía de

la Educación, 21(2), 121-141. https://doi.org/10.17163/soph.n21.2016.05

YIN, Robert

2015 Qualitative Research from Start to Finish (2ª ed.). Nueva York: Guilford Press.

ZHAI, Xiaoming

2022 ChatGPT User Experience: Implications for Education. SSRN. http://dx.doi.

org/10.2139/ssrn.4312418

ZULL, James

2020 e Art of Changing the Brain: Enriching the Practice of Teaching by Explo-

ring the Biology of Learning. Virginia: Stylus Publishing.

Fuentes de financiamiento

Entidad: Fundação de Amparo à Pesquisa do Estado de São Paulo. País:

Brasil. Ciudad: São Paulo. Proyecto subvencionado: “Estudo de Imple-

mentação de Inovações Curriculares, Estratégias Pedagógicas e Tecnolo-

gias Emergentes para Qualidade-Equidade na Educação Básica”. Código

de proyecto: 2023/16247-7. Grant #2023/16247-7, São Paulo Research

Foundation (FAPESP).

Entidad: ICREA Academia 2019. País: España. Ciudad: Barcelona.

Proyecto subvencionado: “Causality and Deep Learning”. Código de pro-

yecto: ICREA2019.

204

Sophia 39: 2025.

ISSN impreso:1390-3861 / ISSN electrónico: 1390-8626, pp. 167-204.

Retos del aprendizaje en la era de las heurísticas articiales

Challenges of Learning in the Age of Articial Heuristics

Declaración de Autoría - Taxonomía CRediT

Autor/es Contribuciones

Néstor Alexander Zambrano-

González y Jordi Vallverdú Segura

Ambos autores compartieron de manera equi-

tativa todas las fases del proceso de investiga-

ción y redacción del artículo. Sus contribu-

ciones comprenden, entre otras, las siguientes

funciones según la taxonomía CRediT:

• Conceptualización

• Metodología

• Investigación

• Redacción-borrador original

• Revisión y edición

• Supervisión

• Visualización

• Administración del proyecto

• Validación

• Curación de datos

Los autores declaran su coautoría integral

y conjunta en todas las etapas del trabajo

presentado.

Declaración de uso de inteligencia articial

Nosotros, Néstor Alexander Zambrano-González y Jordi Vallverdú Segura, DECLA-

RAMOS que la elaboración del artículo titulado “Retos del aprendizaje en la era de las

heurísticas artiﬁciales” no ha contado con el uso directo de herramientas de inteligen-

cia artiﬁcial (IA) generativa ni sistemas automatizados de redacción, análisis o síntesis

de contenido. Solo se han utilizado tecnologías académicas de uso común, integradas

sistémicamente en buscadores electrónicos especializados, bases de datos cientíﬁcas y

plataformas avanzadas de edición y gestión de referencias, conforme a los estándares

habituales de producción académica. Todos los contenidos, argumentos, interpreta-

ciones y redacciones son producto del trabajo intelectual y reﬂexivo de los autores.

Fecha de recepción: 21 de febrero de 2024

Fecha de revisión: 20 de abril de 2024

Fecha de aprobación: 15 de abril de 2025

Fecha de publicación: 15 de julio de 2025