Confianza en herramientas de inteligencia artificial y pensamiento crítico matemático: relación predictiva en estudiantes universitarios

Autores/as

DOI: https://doi.org/10.6018/rifop.698761
Palabras clave: inteligencia artificial, confianza, escepticismo, matemáticas, pensamiento crítico

Agencias de apoyo

  • proyecto “Iluminando oportunidades interseccionales: aprendizaje para la mejora educativa y laboral del uso de la IA (IAMIGA)” (MEL-14-UGR24), financiado por la Universidad de Granada a través del Vicerrectorado de Investigación y Transferencia.

Resumen

La integración de la inteligencia artificial (IA) en la educación superior plantea oportunidades y desafíos para el desarrollo del pensamiento crítico, especialmente en el aprendizaje de las matemáticas. Este estudio tuvo como objetivo analizar la relación entre la confianza y el escepticismo hacia la IA, su uso con fines académicos y el pensamiento crítico matemático del estudiantado universitario. Se aplicó un diseño cuantitativo, descriptivo y transversal con una muestra de 820 estudiantes españoles, utilizando un cuestionario estructurado y análisis estadísticos mediante correlaciones y regresiones múltiples y jerárquicas. Los resultados mostraron una relación positiva y significativa entre la confianza en la IA y el pensamiento crítico matemático, mientras que el escepticismo presentó una relación negativa de menor magnitud. No se hallaron efectos significativos de interacción entre el uso de IA para aprender y la confianza, lo que indica que las actitudes perceptuales ejercen una influencia más determinante que las variables de uso o demográficas. En conclusión, los hallazgos subrayan la necesidad de promover una alfabetización digital crítica que combine confianza informada y escepticismo reflexivo, orientando la formación universitaria hacia un uso ético, autónomo y analítico de la IA.

Descargas

Los datos de descargas todavía no están disponibles.
Metrics
Vistas/Descargas
  • Resumen
    21
  • pdf
    0

Biografía del autor/a

Prof. Hassan Hossein Mohand, Universidad de Granada

Hassan Hossein-Mohand es Licenciado en Ciencias Físicas por la UNED, Máster Universitario en Prevención de Riesgos Laborales por la Universidad Francisco de Vitoria y Doctor en Educación por la Universidad Autónoma de Madrid (mención internacional, calificación Cum Laude). Ha desarrollado su trayectoria profesional en la intersección entre educación formal y no formal. Actualmente es profesor de Didáctica de la Matemática en la Universidad de Granada y profesor-tutor de la UNED. Además, es socio-fundador de un centro de formación especializado en certificación idiomática y ha coordinado iniciativas como el CUID-UNED en Melilla; asimismo, es cofundador de la Red Tutor, con sus correspondientes premios a la excelencia académica.

Su actividad investigadora se centra en el fracaso escolar en matemáticas, el sentido socioafectivo en educación matemática, el bienestar y el ocio juvenil, la intervención socioeducativa y los usos educativos de la inteligencia artificial. Ha publicado 18 artículos, 15 libros y 30 capítulos de libro, y participa en proyectos autonómicos, nacionales e internacionales sobre rendimiento académico, innovación curricular y gobernanza de la IA en educación. Ha coordinado e impulsado obras colectivas sobre juventud, autorregulación del tiempo, servicios sociales y alfabetización mediática e IAG, y forma parte de varios proyectos competitivos autonómicos, nacionales e internacionales, además de pertenecer a cuatro grupos de investigación en educación digital, didáctica de la matemática y ocio socioeducativo. Ha realizado estancias de investigación en Marruecos y Colombia, donde desarrolla intervenciones educativas con la Universidad de Cartagena y la Secretaría de Educación Distrital. Ha dirigido alrededor de 20 Trabajos Fin de Máster y 10 Trabajos Fin de Grado, y actualmente dirige 4 tesis doctorales en universidades españolas y 1 tesis internacional. Desde la Cátedra ERIA –donde es Director del área de Socioafectivo y de Políticas de Bienestar– articula su trabajo en torno al vínculo entre bienestar juvenil, ocio educativo y uso responsable de la IA en la educación superior.

 

 

Prof. Hossein Hossein Mohand, Universidad de Granada

Hossein Hossein-Mohand es Licenciado en Ciencias Físicas por la UNED, Máster Universitario en Prevención de Riesgos Laborales por la Universidad Francisco de Vitoria y Doctor en Educación por la Universidad Autónoma de Madrid (mención internacional, Cum Laude). Es profesor de Didáctica de la Matemática en la Universidad de Granada y profesor-tutor de la UNED. Su docencia e investigación se orientan a la evaluación del aprendizaje, la formación y competencia digital del profesorado, la alfabetización mediática y la integración pedagógica de la inteligencia artificial generativa en la educación matemática y superior. Ha realizado estancias de investigación en Marruecos y Colombia, donde desarrolla intervenciones educativas en colaboración con la Universidad de Cartagena y la Secretaría de Educación Distrital.

Ha publicado aproximadamente 18 artículos, 15 libros y 30 capítulos de libro, y participa en proyectos autonómicos, nacionales e internacionales sobre rendimiento académico, innovación curricular y gobernanza de la IA en educación. Ha dirigido alrededor de 20 Trabajos Fin de Máster y 10 Trabajos Fin de Grado, y actualmente dirige 4 tesis doctorales en universidades españolas y 1 tesis internacional. Es Director del área de Evaluación, Enseñanza y Resultados de Aprendizaje en la Cátedra ERIA – Empleabilidad Responsable en IA (UAM–Founderz–Microsoft).

Nabil Mohamed-Chemlali, Universidad Nacional de Educación a Distancia, UNED

Nabil Mohamed Chemlali es profesor de Matemáticas en Educación Secundaria, investigador en Didáctica de las Matemáticas y doctorando en Educación en la UNED. Es graduado en Física por la Universidad de Murcia y cuenta con dos másteres por la Universidad de Granada: el Máster Universitario en Profesorado de Educación Secundaria Obligatoria y Bachillerato, Formación Profesional y Enseñanzas de Idiomas, y el Máster Universitario en Diversidad Cultural. Su perfil integra la práctica docente con una línea de investigación centrada en las percepciones del alumnado, la motivación académica y el impacto de la tecnología y la inteligencia artificial en el aprendizaje matemático.

Ha publicado 4 artículos en revistas internacionales y ha contribuido con 7 capítulos de libro en obras académicas. Su trayectoria configura un perfil investigador sólido y aplicado, orientado a comprender cambios educativos recientes y a mejorar la enseñanza de las matemáticas en contextos reales de secundaria.

Prof. Juan Manuel Trujillo-Torres, Universidad de Granada

Juan Manuel Trujillo Torres es Diplomado en Magisterio por la Universidad de Granada, Licenciado en Pedagogía por la UNED, Doctor en Ciencias de la Educación por la Universidad de Granada y Máster universitario en Nuevas Tecnologías Aplicadas a la Educación por la Universidad de Málaga. Cuenta con catorce años de experiencia docente en Educación Primaria y Secundaria, desarrollando proyectos de integración de TIC y pedagogías emergentes. Actualmente es Catedrático de Universidad y Director del Departamento de Didáctica y Organización Escolar de la Universidad de Granada.

Ha publicado más de 100 artículos en revistas internacionales de impacto y 95 capítulos de libro en editoriales reconocidas. Ha participado en más de 200 congresos internacionales, con alrededor de 180 ponencias y comunicaciones. Tiene evaluación positiva de dos sexenios de investigación (CNEAI) y ha formado parte de cerca de 90 tribunales de tesis doctorales. Ha realizado estancias docentes y académicas en universidades de Reino Unido, República Checa, Portugal, Colombia, México, Italia, Paraguay, Ucrania y Marruecos. Asimismo, es miembro de comités científicos y revisor/evaluador de numerosas revistas del ámbito educativo, ha dirigido más de 40 trabajos fin de máster y ha desempeñado cargos de gestión universitaria y responsabilidades de representación institucional.

Citas

Afroogh, S., Akbari, A., Malone, E., Kargar, M., y Alambeigi, H. (2024). Trust in AI: progress, challenges, and future directions. Humanities and Social Sciences Communications, 11(1). https://doi.org/10.1057/s41599-024-04044-8

Darwin, Diyenti Rusdin, Nur Mukminatien, Nunung Suryati, Ekaning Dewanti Laksmi, y Marzuki. (2023). Critical thinking in the AI era: An exploration of EFL students’ perceptions, benefits, and limitations.Cogent Education, 11(1). https://doi.org/10.1080/2331186x.2023.2290342

Đerić, E., Frank, D., y Milković, M. (2025). Trust in Generative AI Tools: A Comparative Study of Higher Education Students, Teachers, and Researchers. Information, 16(7), 622. https://doi.org/10.3390/info16070622

Gonsalves, C. (2024). Generative AI’s Impact on Critical Thinking: Revisiting Bloom’s Taxonomy. Journal of Marketing Education, 0(0). https://doi.org/10.1177/02734753241305980

Hossein-Mohand, H., Hossein Hossein-Mohand, Albanese, V., y Carmen, del. (2025). AI in mathematics education: A bibliometric analysis of global trends and collaborations (2020-2024). Eurasia Journal of Mathematics Science and Technology Education, 21(2), em2576–em2576. https://doi.org/10.29333/ejmste/15915

Hou, C., Zhu, G., y Vidya Sudarshan. (2025). The role of critical thinking on undergraduates’ reliance behaviours on generative AI in problem‐solving. British Journal of Educational Technology, 56(5). https://doi.org/10.1111/bjet.13613

Jiang, W., Li, D., y Liu, C. (2025). Understanding dimensions of trust in AI through quantitative cognition: Implications for human-AI collaboration. PLOS One, 20(7), e0326558. https://doi.org/10.1371/journal.pone.0326558

Laru, J., Celik, I., Jokela, I., y Mäkitalo, K. (2025). The antecedents of pre-service teachers’ AI literacy: perceptions about own AI driven applications, attitude towards AI and knowledge in machine learning. European Journal of Teacher Education, 1-23. https://doi.org/10.1080/02619768.2025.2535623

Li, M., y Manzari, E. (2025). AI utilization in primary mathematics education: a case study from a southwestern Chinese city. Education and Information Technologies, 30, 11717–11750. https://doi.org/10.1007/s10639-025-13315-z

Marín Díaz, G. (2025). Supporting Reflective AI Use in Education: A Fuzzy-Explainable Model for Identifying Cognitive Risk Profiles. Education Sciences, 15(7), 923. https://doi.org/10.3390/educsci15070923

Mavrikis, M., y Margeti, M. (2024). Review of mathematics education in the age of artificial intelligence. Research in Mathematics Education, 1–8. https://doi.org/10.1080/14794802.2024.2389418

Nazaretsky, T., Mejia-Domenzain, P., Swamy, V., Frej, J., y Käser, T. (2025). The critical role of trust in adopting AI-powered educational technology for learning: An instrument for measuring student perceptions. Computers and Education: Artificial Intelligence, 8, 100368. https://doi.org/10.1016/j.caeai.2025.100368

Opesemowo, O. A. G., y Adewuyi, H. O. (2024). A systematic review of artificial intelligence in mathematics education: The emergence of 4IR. Eurasia Journal of Mathematics, Science and Technology Education, 20(7), em2478. https://doi.org/10.29333/ejmste/14762

Rizos, I., y Gkrekas, N. (2025). The impact of LLMs on mathematics education and research at the university. Social Sciences & Humanities Open, 12, 101969. https://doi.org/10.1016/j.ssaho.2025.101969

Seker, O., Kwon, K., y Kocak, O. (2025). Exploring researchers’ artificial intelligence (AI) literacy: The mediating role of digital literacy and data literacy between 21st century skills and AI literacy. Information Development, 0(0). https://doi.org/10.1177/02666669251336368

Viberg, O., Mutlu Cukurova, Feldman-Maggor, Y., Giora Alexandron, Shirai, S., Susumu Kanemune, Wasson, B., Tømte, C., Spikol, D., Milrad, M., Coelho, R., y Kizilcec, R. F. (2024). What Explains Teachers’ Trust in AI in Education Across Six Countries? International Journal of Artificial Intelligence in Education, 35, 1288–1316. https://doi.org/10.1007/s40593-024-00433-x

Wijaya, T. T., Yu, Q., Cao, Y., He, Y., y Frederick. (2024). Latent Profile Analysis of AI Literacy and Trust in Mathematics Teachers and Their Relations with AI Dependency and 21st-Century Skills. Behavioral Sciences, 14(11), 1008–1008. https://doi.org/10.3390/bs14111008

Zhang, W., y Liu, X. (2025). Artificial Intelligence-Generated Content Empowers College Students’ Critical Thinking Skills: What, How, and Why. Education Sciences, 15(8), 977. https://doi.org/10.3390/educsci15080977

Publicado
30-04-2026
Cómo citar
Hossein-Mohand, H., Hossein Mohand, H., Mohamed-Chemlali, N., & Trujillo-Torres, J. M. (2026). Confianza en herramientas de inteligencia artificial y pensamiento crítico matemático: relación predictiva en estudiantes universitarios. Revista Interuniversitaria De Formación Del Profesorado, 40(1), 15–27. https://doi.org/10.6018/rifop.698761
Número
Vol. 40 Núm. 1 (2026): Uso responsable de la inteligencia artificial. Aprendizaje, formación y empleabilidad
Sección
Artículos

Derechos de autor 2026 Revista Interuniversitaria de Formación del Profesorado

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0.

La Revista Interuniversitaria de Formación del Profesorado (RIFOP), con ISSN impreso 0213-8646 e ISSN electrónico 2530-3791, se adhiere a los avisos de derechos de autor propuestos por Creative Commons.

Derechos de autor

Los artículos publicados en la revista están sujetos a las siguientes condiciones:

  1. La Asociación Universitaria de Formación del Profesorado (AUFOP) es la editora de RIFOP y posee los derechos de autor de los artículos publicados en ella. Se permite la reutilización de estos bajo la licencia de uso indicada en el punto 2.

© Asociación Universitaria de Formación del Profesorado (AUFOP)

  1. Los artículos se publican en versión electrónica bajo la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0 España (texto legal). Los artículos pueden copiarse, utilizarse, difundirse, transmitirse y exhibirse públicamente siempre que: i) se cite la autoría y la fuente original de publicación (revista, editores y URL del artículo); ii) no se utilizan con fines comerciales; iii) se menciona la existencia y las especificaciones de la licencia de uso.
  2. Condiciones de autoarchivo. Se permite y se anima a los autores a difundir versiones electrónicas preimpresas (versiones previas a la revisión por pares) y/o postimpresas (versiones revisadas y aceptadas para su publicación) de sus artículos antes de su publicación, ya que esto favorece su rápida circulación y difusión, y supone un posible aumento de citas y alcance dentro de la comunidad académica.

Declaración de privacidad

Los nombres y direcciones de correo electrónico incorporados a esta revista se utilizarán únicamente para los fines declarados de la revista y no estarán disponibles para ningún otro fin ni para terceros.