Introducción

En diferentes niveles educativos, los estudiantes pueden tener dificultades de distinto orden en la redacción de textos académicos o no académicos. Respecto a la competencia comunicativa argumentativa –pese a los esfuerzos por parte de profesores e investigadores por mejorar esta situación a través de propuestas de corte cognitivo, sociocultural, lingüístico y emocional–, presenta problemas relacionados con la defensa de la tesis a través de un conjunto de argumentos y contraargumentos.

En el campo de la escritura académica y argumentativa, la IA (inteligencia artificial) está revolucionando el modo como docentes y estudiantes se involucran en los procesos de aprendizaje. ChatGPT y otros sistemas de IA permiten la automatización de tareas, como escribir correos electrónicos, completar formularios, crear textos estándar, traducir, resumir, sintetizar, organizar y estructurar contenidos, realizar una revisión sistemática de la literatura, transcribir audios, crear scripts de programación adecuados, todo a través de comandos, denominados prompts (Martins Ramos, 2023). En contraposición, la herramienta acarrea una serie de consecuencias negativas. Haleem et al. (2022) afirman que los textos no reflejan las sutilezas, matices y emociones de los seres humanos, ni las formas y reglas de razonar propias de las comunidades a las que pertenece el emisor. Igualmente, Navarrete Quezada et al. (2023), al analizar ensayos producidos por ChatGPT, encuentran que la escritura “carece de la capacidad para realizar una introspección de su propia existencia para generar una perspectiva propia y un análisis crítico profundo del tema abordado” (p. 289).

En el caso de los textos argumentativos, los asistentes de la IA conversacional, como ChatGPT, Copilot, Bard, permiten generar ideas para formular preguntas de investigación; redactar hipótesis, realizar comparaciones y análisis de contenido; resumir y aclarar ideas (Franganillo et al., 2023). No obstante, Scotto (2024) plantea que las producciones de las herramientas reflejan una concepción del texto como simple contenido y recuerda que “este tipo de tecnologías se alimentan de producciones humanas sometidas a procedimientos maquínicos que las vacían de sentido y orientación y las convierten en mera información” (p. 142).

Por consiguiente, en estos entornos digitales cambiantes, los profesores enfrentan el desafío de enseñar a escribir acerca de lo que implica usar diferentes voces, generar ideas, tomar posiciones, contrarrestando el hecho de que las herramientas digitales puedan llevar a los estudiantes a tomar decisiones facilistas y a verlas como medios para no esforzarse (Cisneros-Barahona et al., 2023). De ahí la necesidad de procurar un equilibrio entre la tecnología y el acompañamiento humano que demanda el conocimiento de las herramientas, el uso ético de los datos y la gestión de la IA con objetivos de aprendizaje claros.

Respecto a estudios que indagan sobre la incidencia del ChatGPT en los procesos argumentativos, Ercilla García (2023) analizó cómo las IA pueden ser de utilidad en determinados escenarios de la administración de justicia. Destaca que el empleo de prompts adecuados permite a los jueces desarrollar argumentos o fundamentos jurídicos que respondan a peticiones concretas. Para ello, a través de un ejemplo práctico evidencia las capacidades que puede llegar a tener una red neuronal profunda de aprendizaje de lenguaje natural –modelo de IA que emplea múltiples capas de procesamiento para analizar, comprender y generar textos a partir de la imitación de patrones complejos del lenguaje humano– con el propósito de generar argumentos complejos de valoración de pruebas, basados en las instrucciones específicas proporcionadas por el usuario (prompts). Concluye que la IA puede desempeñar un papel significativo en determinados contextos de la administración de justicia y puede contribuir a la elaboración de argumentos jurídicos en contextos específicos.

Por su parte, Padilla y Santibáñez (2024) analizan el comportamiento argumentativo del ChatGPT, relacionado con un dilema moral, comparado con una muestra similar en adultos humanos. Los investigadores encontraron que:

El 100% de la muestra de Inteligencia Humana emite un punto de vista (a favor o en contra), mientras que de la muestra producida por el Chat GPT, sólo el 23,4% lo hace. Los resultados animan a pensar que las diferencias encontradas se podrían explicar por la debilidad de la IA de ser sensible al contexto (falta de una competencia pragmática relevante) y la inexistencia de un proceso de autoimplicación para enfrentar tareas de razonamiento moral. (p. 26)

Yanfang et al. (2023) exploran la integración del ChatGPT, especialmente en la preparación de esquemas, revisión de contenidos, lectura de pruebas y la reflexión sobre la escritura. Los autores señalan que la efectividad en la escritura argumentativa con apoyo de IA presenta resultados mixtos y, aunque facilita la escritura y la generación de ideas, representa un desafío ético frente al plagio y la autoría. Proponen, sin embargo, no prohibir, sino educar a la comunidad académica para promover un uso responsable y ético como apoyo al pensamiento crítico y al desarrollo personal.

Según Raheem et al. (2023), el uso de la IA en la escritura académica ha transformado fundamentalmente la forma como estudiantes, investigadores y tutores abordan diferentes tareas de escritura. Nugroho et al. (2023) consideran que las herramientas impulsadas por la IA y los chatbots se han convertido en recursos esenciales que ofrecen apoyo inmediato, retroalimentación, alternativas de mejora del lenguaje, recomendaciones de estructuras sintácticas, propuesta de conexiones lógicas entre párrafos y temas sobre el ensayo. En ese contexto, ChatGPT sirve como un asistente de escritura al ofrecer respuestas rápidas y ayudar en las sesiones de lluvia de ideas (Bhatia, 2023). Estos recursos pueden ser útiles para superar el bloqueo del escritor; sin embargo, en caso de citación, el emisor debe reformular e integrar la información y proporcionar la cita adecuada de cara a no incurrir en plagio.

Desde una perspectiva enunciativa, Rodrigues (2023) busca comprender el papel del profesional del texto en el análisis de contenidos generados por inteligencia artificial, específicamente en la interacción hombre-máquina. Para ello, realizó una revisión bibliográfica fundamentada en la teoría de la enunciación de Émile Benveniste. Como resultados, la autora señala que, si bien hay avances en la generación automática de textos, el análisis demuestra que la experiencia del profesional sigue siendo crucial para matizar el proceso enunciativo en la creación, lectura y análisis de estos textos y para asegurar que la “forma” y el “sentido” estén en armonía y sean adecuados al propósito de uso de herramientas como ChatGPT.

En la enseñanza de la escritura académica, ha aumentado el interés por aplicaciones de la IA en ciertas tareas o etapas, en la generación de ideas (Dowling & Lucey, 2023) y en la revisión (López Gil & Moreno Mosquera, 2025), incluso para elaborar consultas booleanas en revisiones sistemáticas (Wang et al., 2023) y en el acompañamiento en la redacción de artículos científicos (Macdonald et al., 2023). No obstante, se requiere investigación sobre su aplicación en el aula para hacer un uso adecuado, que equilibre el aporte de la IA en la construcción de argumentos y la voz del escritor; es decir, que los docentes enseñen a escribir como “una de las formas más eficaces de cultivar y demostrar la capacidad de pensamiento analítico y crítico. Pero la IA generativa invita a cuestionar esos supuestos, aunque siga manteniéndolos” (Giannini, 2023, p. 4).

En síntesis, la mayoría de los estudios apuntan a las posibilidades y limitaciones que ofrece el ChatGPT. Sobre las posibilidades, se destacan su papel en la generación y búsqueda de ideas. Respecto a las limitaciones, se observa que la toma de decisiones puede llegar a automatizarse, de manera que se pierde la sensibilidad del juicio humano (Otálora Gómez, 2024), dado que carece de autoimplicación, reconocimiento del contexto y razonamiento (Padilla & Santibáñez, 2024), experticia profesional y sello enunciativo (Rodrigues, 2023). Tanto Ercilla García (2023), como Sumosa y Sarmiento (2024) advierten que estas no pueden reemplazar el pensamiento.

Como se observa, no hay información sobre el aporte en el proceso propiamente argumentativo y en los problemas y limitaciones que genera su uso, lo que justifica la necesidad de indagar sobre el papel que puede desempeñar el ChatGPT en la construcción del aparato argumentativo. Dado lo anterior, la pregunta de investigación que se plantea es: ¿qué posibilidades y retos ofrece el ChatGPT para los procesos argumentativos?

Marco teórico

Escritura argumentativa

La escritura de textos argumentativos implica formular una afirmación clara y lógicamente sólida –la tesis–, respaldada por la evidencia y los razonamientos –los argumentos– que buscan convencer al interlocutor. En términos de Weston (1992) argumentar es “ofrecer un conjunto de razones o de pruebas en apoyo de una conclusión” (p. 12) o lograr adhesión de la audiencia sobre el tema; esto es, aumentar o disminuir la proximidad con las formas de razonamiento disciplinares para identificar lo que los escritores y los lectores estiman importante; cómo ellos creen que deben seleccionar y presentar evidencias y las implicaciones que tienen estas selecciones en los valores y las prácticas disciplinares (Hyland, 2012, p. 30).

La escritura argumentativa se entiende como una práctica interactiva (Lee, 2017) en la que se establece una afiliación disciplinaria, a través del uso de pruebas, razonamientos y técnicas persuasivas para respaldar las propias afirmaciones y entablar un diálogo constructivo con los demás. Igualmente, se requieren decisiones retóricas cuidadosas que sugieran creencias, experiencias, expectativas y valores compartidos (Swales, 2004). Es decir, los escritores académicos no se limitan a producir textos que abordan un interés común sobre ciertos aspectos de un estado de cosas, sino que utilizan el lenguaje para identificar, construir, negociar y validar sus planteamientos. Por lo tanto, la interacción implica conectar los textos con los lectores y con las culturas disciplinarias.

Por su parte, Corcelles et al. (2015) explican que estos textos conjugan tres habilidades: i) el dominio de recursos propios de la argumentación, ii) el posicionamiento de la voz y iii) el carácter dialógico e intertextual. Enseguida se hace referencia brevemente a ellos.

Dominio de recursos propios de la argumentación

Se refiere al conocimiento de la estructura argumentativa (tesis, argumentos, conclusión), así como a la selección y lectura crítica de datos que permitan tener una posición informada y sustentada en evidencias. Se trata también de dominar contenidos disciplinares y, a través de ellos, investigar, sintetizar, tomar posición, comunicarse en una comunidad académica para adquirir y producir conocimiento (Hyland, 2012; Padilla, 2019; Serrano-Moreno et al., 2025).

Según Dolz (1995), esta estructura involucra: el argumentador, el objeto de argumentación –opinión discutible–, el objetivo –convencer–, el destinatario, el lugar social y los géneros -textos jurídicos, editoriales, sermones, panfleto político, ensayos, entre otros-.

Los argumentos se consideran, por un lado, una de las formas más elevadas del discurso dentro de una disciplina académica; por otro, una forma cotidiana de comunicación polémica, que se limita a afirmaciones y contraargumentos (Mitchell et al., 2008). Los argumentos pueden ser inductivos o deductivos. Los primeros son razonamientos que parten de premisas específicas para llegar a una conclusión general. Mientras, los deductivos parten de premisas generales para llegar a una conclusión específica (Polya, 1967).

Los textos argumentativos utilizan teorías y datos, e involucran fuentes confiables para sustentar las ideas; es decir, se debe establecer una tesis clara y seguir un razonamiento sólido, presentar evidencia fáctica, lógica, estadística o casuística para respaldar la tesis con la intención de lograr el objetivo epistémico y retórico (Hyland, 2012).

En las disciplinas, los argumentos se clasifican según los esquemas argumentativos relacionados con los modos de organización: mediante ejemplos, definición, consecuencias, comparación, de causa y efecto, autoridad, entre otros. Igualmente, los argumentos emplean diferentes evidencias como experimentos, observaciones, datos estadísticos, entrevistas, testimonios (Ramage et al., 2012).

Posicionamiento de la voz

Este aspecto se refiere a los recursos discursivos que le permiten al escritor enfatizar, matizar, mostrar su posición y contribuir al desarrollo de su identidad como enunciador. La voz autoral en la escritura argumentativa no solo implica formular afirmaciones claras y lógicamente sólidas, respaldadas por evidencias y razonamientos para convencer a otros de aceptar o negociar un planteamiento, sino defender una postura, analizar críticamente fuentes, desarrollar una identidad y autoridad en los textos académicos (Hyland, 2008).

En la escritura argumentativa, esto es crucial, porque el escritor debe justificar sus argumentos, citar fuentes y demostrar responsabilidad sobre sus ideas; es decir, que tener voz en la argumentación no se limita al uso de marcas lingüísticas (atenuantes, refuerzos, autorreferencias), sino que también abarca el posicionamiento epistémico: cómo los autores respaldan su conocimiento, demuestran seguridad y asumen con responsabilidad sus ideas en el marco de un diálogo disciplinario (Singh et al., 2025).

En ese sentido, la escritura supone un espacio en el que escritor construye su voz propia, que Hyland (2000) describe como el metadiscurso interpersonal; es decir, los elementos del discurso que, sin ser contenido proposicional, revelan las características personales del autor, la credibilidad de la información y su consideración hacia el lector y el mensaje. Entre estos elementos la investigadora identifica los siguientes: i) los atenuadores; ii) los intensificadores; iii) los marcadores de actitud; iv) las autorreferencias y v) los marcadores de compromiso (ver Tabla 1).

Mediante estos recursos interpersonales, los escritores configuran una identidad autoral, vinculándose con sus lectores y con el contenido que desarrolla en su texto.

Carácter dialógico y contextual

La argumentación disciplinar implica diálogo y un juego intertextual, lo que demanda una “expropiación crítica” de los planteamientos de otros para entrelazarlos con los propios (Castelló et al., 2011). Se trata de una “recontextualización” y una “transformación” del texto ajeno y la inserción de un discurso en un nuevo espacio de enunciación que exige reflexión y validación de la autoridad académica (Rosier, 1999). Para el emisor implica vínculos en comunidades discursivas para mostrar confluencia de perspectivas, diferencias y consensos en las maneras de comprender el objeto de estudio (Castelló et al., 2011) y la integración de otras voces. Este diálogo implica también un análisis cuidadoso para decidir cuándo y cómo alinearse u oponerse a una perspectiva; es decir, evaluar estratégicamente los datos para integrar o refutar los argumentos (Hyland, 2008). Efectivamente, estos tienen una naturaleza dialógica y metadiscursiva, dado que argumentar se da en un continuo relacionamiento con otros autores y textos, y, metadiscursiva, porque los argumentos no solo presentan información, sino que orientan al lector en la interpretación, a través de la modalización, expresando grados de certeza, emociones, acuerdos/desacuerdos (Hyland, 2012).

Los textos argumentativos requieren una investigación exhaustiva, que exige la síntesis de información de diversas fuentes y revisiones bibliográficas rigurosas, de ahí que el plagio y la adecuada citación sean consideradas como preocupaciones éticas (Farrokhnia et al., 2023). El dominio de la terminología especializada y las convenciones estilísticas en la citación y en el tejido de la voz autoral son esenciales para una expresión precisa y coherente en varias disciplinas académicas. En esa medida, la integración y asistencia de herramientas de la IA plantea desafíos y oportunidades de aprendizaje, que requieren un uso responsable y equilibrado y una adaptación continua, creativa y ética (Chan, 2023).

Metodología

La investigación empleó un método cualitativo a través de un análisis de contenido. Para la recolección de datos, se diseñó y desarrolló un ejercicio didáctico con 52 estudiantes. Esta muestra fue seleccionada por conveniencia, dado que eran alumnos de dos de las investigadoras, estudiantes de quinto semestre de un programa de licenciatura en español y filología clásica y otro de lingüística de la Universidad Nacional de Colombia. El primer grupo estuvo conformado por 27 estudiantes y el segundo por 25. La consigna inicial fue la siguiente: Elabore un ensayo argumentativo, en que se defienda una de las siguientes tesis:

T1: El mejor profesor es el que sabe su materia y por ello tiene profundos conocimientos sobre los temas.

T2: El mejor profesor es quien sabe enseñar y transmitir a otros su saber, logra que los alumnos construyan el conocimiento.

Se buscaba con esta consigna que el estudiante elaborara un texto argumentativo para mostrar su posición frente al tema propuesto.

El texto resultado del ejercicio se consideró como el primer borrador del ensayo. Posteriormente, se desarrolló un taller en el que se abordaron los tipos de argumentos (deductivos e inductivos) y sus subtipos. A continuación, la consigna fue: Pida al ChatGPT argumentos para respaldar la tesis que está defendiendo; tenga en cuenta el taller visto en la clase anterior.

Con esta consigna se esperaba que el estudiante usara el ChatGPT como fuente de información para enriquecer su texto. Se insistió en la importancia de redactar adecuadamente el prompt para obtener una información pertinente y adecuada. Finalmente, se les solicitó reelaborar el texto teniendo en cuenta la información aportada por el ChatGPT.

El texto inicial y la segunda versión (que para efecto de la investigación es la versión final) se constituyeron en el corpus de la investigación y fueron leídos por cada una de las investigadoras, primero de forma independiente, y después se compararon las dos versiones a través de un análisis temático (Braun & Clarke, 2006), con el fin de identificar la proximidad de los conceptos presentados en cada una de las versiones (análisis de contenido semántico) y reconocer patrones, en términos de los argumentos. Para ello se tuvo como unidad de análisis el párrafo en tanto desarrollaba cada uno de los argumentos presentados. Este análisis, junto con los planteamientos del marco teórico, permitieron establecer tres categorías, como se explica en la Tabla 2.

Previamente al estudio, se ofreció a los participantes información clara sobre sus objetivos y beneficios. A través de un consentimiento informado mediante Google Forms, se garantizó su voluntariedad y la confidencialidad de los datos. Se aseguró que los borradores académicos elaborados por los estudiantes serían utilizados únicamente con fines investigativos. Todos los textos fueron anonimizados.

Resultados

A continuación, se presentan los resultados con base en las categorías establecidas en la metodología.

Cantidad, variedad y frecuencia de argumentos

Al comparar el primer borrador del texto con la versión final se observa que el 75 % aumentó los argumentos con información tomada del ChatGPT. En el anexo 1 se presenta la versión final de un texto que no solo aumentó en términos de la cantidad de argumentos, sino también en la cantidad de palabras (294 vs. 886), líneas (27/84) y párrafos (4/13).

En términos de variedad, en un 80 % de la primera versión del texto se usan como argumento la definición, las características y la función del profesor (1) y un 90 % las consecuencias (negativas o positivas) de la tesis que se defiende (2). En lo que sigue, el número entre paréntesis corresponde a ejemplos extraídos del corpus:

(1) Convengamos que la labor del docente, por definición, es enseñar. El objetivo principal de la enseñanza es lograr que los estudiantes aprendan, para ello es importante que el docente cuente con la facilidad para transmitir la información.

(2) El mejor profesor es el que tiene profundos conocimientos sobre su materia. Esto facilita el aprendizaje y genera motivación en los estudiantes. También derivará en una mayor confianza por parte del alumnado, no sólo en el docente sino en su propia habilidad para responder dudas durante la clase y apoyar diferentes trabajos. Además, puede llevar a que sus estudiantes lo consulten en futuras ocasiones, manteniéndolo como un referente académico incluso en otras áreas.

En (2) se observa que el emisor realiza una especie de razonamiento silogístico: si el profesor tiene X o Y atributo, entonces puede alcanzar determinados logros (argumentos ad consecuentiam).

En las versiones finales, los textos incluyen, además, argumentos de autoridad (3), analogías (4), ejemplos (5); sin embargo, algunos argumentos inductivos no suelen estar respaldados con datos verificables (6).

(3) Como lo señala Freire (2010), la responsabilidad ética, política y profesional del educador le impone el deber de prepararse permanentemente y esta capacitación constante solo es posible gracias a la revisión crítica de su quehacer pedagógico.

(4) El papel del docente, entonces, puede ser comparado con la labor de un chef. Así como un chef exitoso transforma ingredientes básicos en platos extraordinarios que satisfacen y nutren a sus clientes, un profesor exitoso transforma el conocimiento en experiencias de aprendizaje significativas que permiten a sus alumnos adquirir, comprender y aplicar ese conocimiento. Por lo tanto, al igual que el mejor chef es aquel que sabe cocinar y transmitir su pasión por la gastronomía, el mejor profesor es aquel que sabe enseñar y transmitir su saber, logrando que sus alumnos aprendan de manera efectiva.

(5) Un maestro con técnicas pedagógicas efectivas puede hacer que conceptos complejos sean comprensibles para los estudiantes, incluso si su conocimiento en profundidad no es el mayor. Por ejemplo, un maestro de matemáticas que usa métodos visuales y analogías puede ayudar a los estudiantes a entender conceptos abstractos que un experto en matemáticas que no sabe cómo enseñar puede no lograr, pues la habilidad para comunicar ideas de manera clara y efectiva es crucial para el aprendizaje.

(6) Los estudiantes a menudo valoran más la capacidad de su profesor para explicar conceptos de manera clara y accesible que la profundidad del conocimiento de este. Las encuestas y estudios de satisfacción muestran que los estudiantes prefieren a los docentes que pueden hacer el contenido comprensible y atractivo, lo cual pone en evidencia que saber enseñar es un factor determinante en la eficacia del aprendizaje.

Hay, así mismo, en un 45 % de los ensayos finales cadenas argumentativas; es decir, argumentos que a la vez están sustentados en otros argumentos. Ya no se trata de argumentos yuxtapuestos, sino jerarquizados o subordinados.

(7) Un buen educador puede adaptar su enseñanza a los diferentes estilos de aprendizaje de sus alumnos, por ejemplo, un profesor que utiliza múltiples enfoques (visual, auditivo, kinestésico) para enseñar un mismo concepto puede tener más éxito que alguien que solo se basa en su conocimiento sin considerar las necesidades individuales de los estudiantes.

En (7) se presenta primero el argumento y luego se refuerza con un ejemplo. La misma situación se vislumbra con los argumentos de autoridad y las analogías, que apoyan un argumento previo.

De igual manera, un 70 % de los estudiantes incluyó en su texto final uno o varios contraargumentos y la respuesta a este, como se observa en (8) y (9):

(8) Existe un miedo razonable de que un profesor muy enfocado en la didáctica no sabe o no puede saber lo suficiente para ser a la larga un vehículo eficiente de su conocimiento; que, a la larga, la falta de profundidad frenará o imposibilitará el progreso de algunos estudiantes, quizá los mejores o más logrados.

(9) Ahora bien, si un profesor posee un conocimiento profundo y especializado en su área puede responder a preguntas complejas gracias a su dominio o puede prever y abordar malentendidos para clarificar así el tema a adquirir; sin embargo, si el docente no sabe cómo transmitir los saberes va a ser complejo que los estudiantes desarrollen el pensamiento crítico hacia algo que no entienden y por eso se vería también desperdiciado todo el conocimiento que tiene el profesor para compartir.

El tipo de argumento que tiene mayor frecuencia sigue siendo el argumento ad consecuentiam y con un mayor número de apariciones.

En conclusión, la información proveniente del ChatGPT incrementó el número, la variedad y la frecuencia de argumentos, lo cual genera una mayor progresión temática.

Referenciación y citación

En el 45 % de los casos, no se presentó bibliografía y solo en dos textos se cita a ChatGPT como fuente de información. En relación con la citación, se observa que en un 30 % de los textos donde hay bibliografía, esta no aparece en el cuerpo del texto. En un 40 % se siguen de manera adecuada las normas APA.

No obstante, en los argumentos de autoridad, las referencias y citas generalmente no fueron verificadas por los estudiantes; simplemente se pusieron como estaban en el ChatGPT, en ocasiones sin año y sin página. Un análisis de esas referencias o citas muestra que algunas no existen, el año no coincide con el texto original, el título del artículo o libro no es el del autor citado, sino de otro; es decir, que la información proporcionada por ChatGPT es imprecisa o errónea.

Finalmente, en ocasiones se puso la información tal como aparecía en el ChatGPT, tema que se aborda en el siguiente apartado, sin poner página ni fuente de información y sin ningún tipo de elaboración; es decir, se cometió plagio. Un análisis de esta situación, evidencia que el ChatGPT resultó, en algunos casos, contraproducente en el sentido de que el emisor le otorgó a la IA toda la confianza y responsabilidad del texto, y con ello perdió su capacidad de hacer un análisis crítico de las fuentes, es decir, de cuestionar la información proveniente de la herramienta y de entablar un diálogo con las voces ofrecidas por esta.

Posicionamiento del autor

Lo primero que se observa en los textos es una gran homogeneidad en los conceptos recurrentes y en el lenguaje usado. Desde el análisis temático aparecen como constantes para defender la tesis, conceptos relacionados con la retroalimentación, la motivación, la enseñanza efectiva, la empatía, el pensamiento crítico, la pasión, las evaluaciones que los estudiantes hacen a los profesores, el deber ético y moral de un profesor y la referencia a investigadores reconocidos del área de la pedagogía como Ausubel, Freire, Jaeger y Vigotsky. Los textos recurren a lugares comunes; esto es, ideas ampliamente conocidas en el ámbito educativo, lo que caracteriza las respuestas del ChatGPT, así como a ciertas ideas de los cursos de pedagogía que han tomado los estudiantes, sobre los que no hay una reflexión o profundización.

(10) Otros factores a tener en cuenta son el carisma y la empatía, los cuales tienen un papel fundamental en la enseñanza.

En (10) se evidencia que el emisor no analizó ni profundizó en la información proporcionada por el ChatGPT, lo que habría permitido un acercamiento más original y creativo al texto.

Por otro lado, las mismas analogías se repiten, por ejemplo, la del chef; y en los ejemplos, aparece con frecuencia la referencia a Jaime Escalante, profesor boliviano de matemáticas que se destacó por la enseñanza a estudiantes, especialmente latinoamericanos de bajos recursos en Los Ángeles, California.

Así mismo, en un 50 % de los casos aparecen afirmaciones propias del ChatGPT caracterizadas por una gran indeterminación: “evidencia empírica”, “múltiples casos”, “estudios longitudinales”, “varios estudios” donde no se sabe cuál fue esta evidencia, cuáles son los múltiples casos y estudios:

(11) Estudios realizados en diversas instituciones educativas han demostrado que los estudiantes con profesores que poseen habilidades pedagógicas bien desarrolladas obtienen un rendimiento académico superior.

Se hace, por tanto, un uso genérico de la información, sin detalles o datos que apunten a hechos verificables. Se emplean también frases propias de la IA como: “es esencial definir” o “es un deber ético”, “no solo… sino” y preferencia de oraciones simples u oraciones complejas por coordinación, lo que impide, en ocasiones, la jerarquización de la información y para la tipología textual elegida, la construcción de redes argumentativas. Contrástese el ejemplo (10) con el siguiente (12).

(12) Otro aspecto fundamental en la transmisión del conocimiento efectivo es la empatía y la comprensión del contexto en el que se desenvuelven los alumnos. ya que un buen maestro sabe cómo establecer un ambiente de apoyo y respeto, donde todos los estudiantes se sientan valorados y seguros para participar pues este entorno es crucial para el aprendizaje efectivo y puede no ser logrado solo con un conocimiento profundo de la materia.

En (12), si bien se ve una similitud con el ejemplo (10), lo que permite comprobar que la información procede del ChatGPT, la afirmación inicial está justificada a través de la oración introducida por “ya que”, la cual se desarrolla a través de una oración relativa, que a su vez se explica con una oración causal. Esto muestra el intento de llevar más allá la afirmación del ChatGPT y lo hace a través de la cadena argumentativa.

Los indicadores anteriores permiten, parcialmente, identificar ciertas características de los textos producidos por el ChatGPT, y con ello ver qué parte del texto es totalmente de la herramienta y cuál del estudiante.

De otra parte, se ve la huella del ChatGPT en la presencia de la conclusión de un 40 % de los ensayos, al reconocer como válidas las dos tesis que debían defender los estudiantes en su ensayo:

(13) El mejor profesor no es solo aquel que posee un vasto conocimiento, sino quien sabe enseñarlo de manera efectiva y lo transmite con claridad y empatía. Partiendo de premisas generales sobre la naturaleza de la enseñanza, la didáctica y la comunicación, se demuestra lógicamente que la efectividad de un profesor no solo reside en su conocimiento, sino en su habilidad para enseñar de manera que sus estudiantes realmente aprendan.

El ChatGPT es “políticamente correcto” y usa un lenguaje neutro, pero esta ambivalencia le resta fuerza a la tesis que el estudiante estuvo defendiendo.

Los aspectos anteriores generan la homogeneidad o neutralidad de la escritura lo que, a la vez, trae consecuencias negativas para ella. En primer lugar, se evidencia una escasa adaptabilidad de la IA para el propósito comunicativo del emisor. Así, se observa que un 30 % de los alumnos copiaron literalmente la información del ChatGPT y la pusieron de manera yuxtapuesta a la que ellos tenían previamente. Esto se ratifica a través de un análisis hecho por Turnitin donde se encontraron similitudes de apartes de los ensayos con otros textos ofrecidos por la herramienta; es el caso del ejemplo (3) y (8) y de partes del anexo 1. En un 20 % los textos son la respuesta del ChatGPT con algunas pequeñas frases reformadas. En estos casos, el texto es una sumatoria de citas, analogías y ejemplos, por lo que resulta pesado de leer y redundante, y se puede afirmar que es una copia de la IA.

También se observa una gran diferencia entre el primer borrador y la versión final (presencia del emisor vs. ausencia). En un 10 %, los alumnos decidieron no usar el ChatGPT, por lo que las dos versiones del texto son muy parecidas con pequeñas ampliaciones. En un 40 %, la información del ChatGPT se parafraseó, mostrando una cierta apropiación e integración para ponerla al servicio del emisor. Compárese cómo se presenta la analogía del chef en fragmentos de dos ensayos. En (14) aparece la información que proporciona el ChatGPT, en (15) una apropiación menor, en tanto hay copia literal y en (16) una mayor integración al discurso del emisor.

(14) Un chef experto en cocina podría tener una gran comprensión de las técnicas y los ingredientes, pero si no sabe cómo guiar a otros en la preparación de un plato, el resultado puede ser un desastre. Un buen chef, sin embargo, no sólo sabe cómo cocinar, sino también cómo transmitir sus habilidades a los demás, ajustando las instrucciones según el nivel de habilidad de sus aprendices. A partir de lo cual se concluye: De manera similar, un maestro puede tener un profundo conocimiento de una materia, pero si no puede enseñarla eficazmente, los estudiantes pueden no aprender o comprender el contenido.

(15) Saber enseñar, (que incluye habilidades como la comunicación efectiva, la pedagogía y la adaptación de estrategias) es crucial para que el conocimiento se transfiera con éxito, tal como un chef experto en cocina que podría tener una gran comprensión de las técnicas y los ingredientes, pero si no sabe cómo guiar a otros en la preparación de un plato, el resultado puede ser un desastre; un maestro puede tener un profundo conocimiento de una materia, pero si no puede enseñarla eficazmente, los estudiantes pueden no aprender o comprender el contenido.

(16) Pensemos en el caso de un chef. ¿Por qué se diferencia de cualquier otra persona capaz de seguir los pasos de una receta? Porque un chef conoce a profundidad los ingredientes y el comportamiento de estos y porque puede transmitir su saber a otras personas. De manera similar, un buen profesor no solo debe tener un dominio profundo de su materia, sino también debe saber enseñar y transmitir su conocimiento de tal forma que sus alumnos puedan comprender y aplicar lo aprendido.

En (15), el texto copiado está precedido de información del emisor y a la analogía antecede la expresión tal como; en (16) gracias a la presencia de la primera persona al inicio del párrafo y a la pregunta y la respuesta, se observa un aporte del emisor.

En segundo lugar, siguiendo los planteamientos de Hyland (2005), se observa que las primeras versiones tienen un mayor número de marcas de posicionamiento frente a las versiones finales. A modo de ejemplo, la primera versión del texto que aparece en el anexo 1 tenía siete marcas de posicionamiento, frente a las cuatro de la versión final. Solo en un 20 % se encuentran “autorreferencias” a través de la primera persona, en singular o plural, tal como se observa en (16) por medio del verbo “pensemos” o por medio de expresiones como “en mi opinión”; en un 10 % usaron “intensificadores” (es evidente que el éxito de un profesor radica en su habilidad pedagógica y comunicativa) y en un 10 % se usan atenuadores para contrarrestar la voz del otro, del oponente; es el caso de (9) a través del marcador contraargumentativo “sin embargo”.

En el 70 % restante, los textos aparecen escritos en tercera persona, en un estilo formal, propio de la academia, aludiendo a la tesis, pero se perdió el sello del emisor. Parece que el hecho de asumir información del ChatGPT comprometió la voz propia, lo que es grave en cualquier texto, máxime en uno argumentativo, en tanto su propósito consiste en mover al lector hacia la posición del emisor, tanto cognitiva como emocionalmente, proceso que se logra a través de un fuerte posicionamiento del emisor. Es decir, el emisor perdió la oportunidad de ser el productor del texto, de dotar de sentido personal e intencional la información proveniente del ChatGPT. A su vez, la escritura se despojó de su condición de producción, de ser una práctica social situada y controlada por la intención del emisor, y se convirtió en una simple tarea.

Los hallazgos anteriores ponen en evidencia el importante papel del ChatGPT en términos de los contenidos; pero al centrar la atención solo en ellos, se pierde de vista que las expresiones de las ideas, esto es las formas lingüísticas, inciden en el nivel semántico (los significados) y en aspectos pragmáticos relacionados con la intención comunicativa, el posicionamiento del emisor, la consideración del posible destinatario y el contexto comunicativo.

De otra parte, los resultados revelan la necesidad de llevar a cabo procesos educativos relacionados con los tipos de argumentos y esquemas argumentativos que trasciendan los argumentos de sentido común e inductivos, basados en razones y causas, para acceder a formas de argumentar más complejas y objetivas, como los argumentos deductivos y los modos de argumentar de las disciplinas.

Así mismo, el plagio generado por y desde ChatGPT evidencia una falta de compromiso del emisor frente al texto. Este deja a la IA que realice la tarea comunicativa, con lo cual permite que su voz sea sustituida. Diversas causas pueden explicar esta situación y algunas de ellas tienen que ver con el capital cultural de los estudiantes y con una actitud inmediatista para responder a los retos de la academia. Lo paradójico de esta situación es que el productor del texto no se da cuenta de la gravedad de la situación, para su formación personal y académica.

Discusión

La investigación tuvo como objetivo general identificar las posibilidades y retos que ofrece el uso del ChatGPT en el proceso argumentativo. Frente a este objetivo, los resultados muestran, como lo señalan Franganillo et al. (2023) y Livberber (2023) el aporte del ChatGPT como fuente de información, especialmente en el conjunto de evidencias y en el desarrollo de la justificación. No obstante, como lo señala Rodrigues (2023) es preciso armonizar “forma” y “sentido”; es decir, atender a las dos caras del signo lingüístico.

De igual manera, los textos producidos por ChatGPT no evidencian el papel cognitivo de la escritura a través de acciones como reflexionar sobre lo que afirma, cuestionar las propias ideas, reformular conceptos, lo que, en términos de Singh et al. (2025), se denomina un posicionamiento epistémico.

De otra parte, se evidenció que ChatGPT no refleja una única posición frente a las dos tesis; es decir, no presenta un único punto de vista. Siguiendo a Padilla y Santibáñez (2024) existe “una carencia por parte de la IA, en el sentido de no resultarle posible tomar partido moral por una determinada postura (denunciar o no), ni argumentar respecto de esta” (p. 36). Esto coincide con este estudio en tanto se señaló que ChatGPT es “políticamente correcto”, lo que se refleja en el empleo de un lenguaje homogéneo y neutro, sin decantarse por una postura. Lo anterior, puede deberse a que una de las debilidades de la IA es que requiere de muchos ejemplos para desarrollar el aprendizaje automático, pues está diseñada para encontrar regularidades a partir de la observación de datos, por lo que sus respuestas son inferenciales inductivas, como bien ha señalado Larson (2022). La herramienta no es sensible al contexto, puesto que no tiene la capacidad de percibir las diferencias, excepciones o matices que sí podría detectar un argumentador humano.

Otro problema de la herramienta se relaciona con la dificultad de identificar la autoría del texto; es decir, qué parte es escrita por el estudiante y cuál por la IA. Lo anterior, coincide con lo reportado por Fleckenstein et al. (2024), quienes encontraron quelos profesores en formación no pudieron identificar correctamente la fuente de los textos, independientemente de si habían sido escritos por alumnos o generados por IA, incluso sin importar el nivel de calidad del texto. Los profesores con experiencia no pudieron identificar correctamente los textos de baja calidad, pero tuvieron más éxito con los textos de alta calidad. Esto se debe, al menos en parte, al hecho de que atribuyeron la mayoría de los textos de baja calidad a los escritos por los alumnos. Así, mientras que los profesores novatos tienen dificultades para identificar la IA entre los textos de los alumnos en general, es posible que aquellos con más experiencia simplemente no sean conscientes de la posibilidad de generar textos de menor calidad con la IA (p. 7).

No obstante, como se señaló en los resultados, hay algunos indicios que ayudan a identificar el grado de autoría del emisor. Esta es una contribución importante para los docentes y para los evaluadores de textos producidos en distintos ámbitos, aporte que debe seguirse enriqueciendo.

Ahora bien, frente a la autoría, cabe preguntarse si los textos generados con la IA se constituyen como plagio, considerando que son nuevos textos, no escritos con anterioridad y alimentados con instrucciones realizadas por personas. Esto coincide con Héctor Ardisana y Millet Gaínza (2024), quienes además agregan que OpenAi, creador del ChatGPT, considera que los textos generados por el chatbot son propiedad de OpenAi, mientras que la Unión Europea ha establecido que la originalidad de un texto está para proteger el patrimonio de las personas naturales y no para la protección de las IAs. Es así como no se puede considerar autor a alguien que copie de ChatGPT, pero tampoco se le puede considerar como autor a ChatGPT. A pesar de este debate, es innegable que, como educadores, el tema del plagio exige una reflexión tanto para profesores como para estudiantes. Se suele asociar el plagio a un problema ético, pero en realidad es más un problema de formación, de conceptualización y de inseguridad del emisor, lo que le lleva a caer en este error.

En ese sentido, el uso de la herramienta por parte de los estudiantes evidenció tres problemas significativos: i) Un porcentaje importante tienden a emplear el ChatGPT de manera superficial, lo que coincide con lo señalado por Molina Gutiérrez et al. (2024); esto es, no se profundiza en la información y, además, no se evalúa su calidad (Lopezosa, 2023). ii) Los textos no reflejan un diálogo con las fuentes (Corcelles et al, 2015). Al respecto, se constatan, además, los problemas éticos y de plagio reportados por Gallent Torres et al. (2023) y Yanfang et al. (2023). Y iii). El uso del ChatGPT afectó la voz de los emisores, lo que es un hecho grave, teniendo en cuenta que la autoría es un factor fundamental de los textos argumentativos y del empoderamiento del emisor para la producción textual (Ercilla García, 2023). Se evidencia que el emisor asume de forma pasiva la información que recibe y termina “siendo hablado” por la herramienta. Al respecto Navarrete Quezada et al. (2023) señalan que el texto ya no pertenece a cada uno de los emisores y este carece de una perspectiva propia. En términos de Scotto (2024), los riesgos del ChatGPT, en relación con la escritura, son los siguientes:

La automatización de los textos vacía de singularidad la producción, los chatbots eliminan la contingencia reemplazándola por operaciones aleatorias de sustitución: un chat con una inteligencia artificial de lenguaje automático es el sitio en el que el valor de los signos dentro del sistema se reduce radicalmente, donde las palabras pierden afectividad y profundidad, y todo análisis lingüístico, retórico, contextual se encuentra con su límite, que es, precisamente, no poder asignar decisiones a ninguna consciencia. (p. 140)

El emisor no dialoga con la herramienta ni interactúa con ella. Renuncia en forma consciente o inconsciente a su posibilidad de pensar, disentir y de ser un escritor competente, que se apoya en la IA, pero no que depende de ella.

Se pierde, así, profundidad en el dominio del lenguaje, se diluye la carga afectiva y el aporte epistémico, lingüístico y retórico de quien argumenta.

Conclusiones

En este artículo se valoran los aportes y limitaciones del ChatGPT en relación con los procesos argumentativos escritos. Se evidencia que su valor radica en la información que ofrece para la construcción de argumentos, sobre todo de tipo inductivo. No obstante, esta información no es suficiente. Es preciso ver el ChatGPT como lo que es: una herramienta y, en consecuencia, su uso no puede sustituir al emisor, lo que se evidencia en un número importante de textos.

En términos metodológicos, al analizar los productos del ChatGPT es necesario estar atentos a ver qué se pierde con su uso y qué puede ganarse; por ejemplo, la generación de ideas a través de los prompts es un aporte importante. Pero para el caso en particular, es importante analizar el reconocimiento de la estructura argumentativa, la profundidad del lenguaje, el manejo de la voz, la singularidad del texto, la creatividad del emisor y la construcción de un discurso situado.

Estos aspectos se sacrifican frecuentemente cuando el emisor adopta el estilo de la IA; redacta el texto en estilo neutro, genérico, estándar, a través de un proceso que elimina marcas del enunciador, expresiones variadas (por ejemplo, sarcasmos, dobles sentidos), vocablos especializados y marcas de valoración del contenido. ChatGPT atenúa demasiado, omite rasgos socioculturales, elimina matices emocionales, lo contrario a lo que hacen los humanos. De esta manera despersonaliza los textos.

En términos prácticos, el empleo del ChatGPT en los espacios de formación requiere un monitoreo constante por parte del profesor, quien debe generar procesos didácticos para la planeación, textualización y revisión. El acompañamiento docente es fundamental para que el estudiante revise críticamente la información proporcionada, la complemente, verifique, precise y, sobre todo, para que dialogue con ella y en ese intercambio, posicione su perspectiva en forma ética y racional; de lo contrario, el estudiante se convierte en un consumidor del ChatGPT acrítico, lo que anula, para el caso de los textos argumentativos, su potencial para expresar puntos de vista, justificar y manifestar desacuerdos, a través de actos lingüísticos intencionados. Este reto se logra proponiendo tareas lo más comunicativas y funcionales posibles, de tal modo que el estudiante tenga una auténtica motivación para producir en forma oral o escrita textos argumentativos.

Si bien se cree que en el futuro los maestros serán reemplazados por la IA, esto no se refleja en la experiencia presentada. Se tienen grandes retos para mejorar las prácticas y para enriquecer el uso crítico, creativo y didáctico de la IA. Es necesario continuar investigando los efectos del ChatGPT con una población mayor y con otros procesos textuales y comunicativos.

Referencias

Bhatia, P. (2023). ChatGPT for academic writing: A game changer or a disruptive tool? [ChatGPT para la escritura académica: ¿Un cambio radical o una herramienta disruptiva?]. Journal of Anaesthesiology Clinical Pharmacology, 39(1), 1-2. https://doi.org/10.4103/joacp.joacp_84_23

Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology [Utilizando el análisis temático en psicología]. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa

Castelló, M., Corcelles, M., Iñesta, A., Vega, N., & Bañales, G. (2011). La voz del autor en la escritura académica: Una propuesta para su análisis. Signos, 44(76), 105-117. http://dx.doi.org/10.4067/S0718-09342011000200001

Chan, C. (2023). A comprehensive AI policy education framework for university teaching and learning [Un marco integral de educación sobre políticas de IA para la enseñanza y el aprendizaje universitarios]. International Journal of Educational Technology in Higher Education, 20(1), Artículo 38. https://doi.org/10.1186/s41239-023-00408-3

Cisneros-Barahona, A., Marqués-Molias, L., Samaniego-Erazo, N., & Mejía-Granizo, C. (2023). La Competencia Digital Docente. Diseño y validación de una propuesta formativa. Pixel-Bit, Revista de Medios y Educación, (68), 7-41. https://doi.org/10.12795/pixelbit.100524

Corcelles, M., Castelló, M., & Mayoral, P. (2015). El desarrollo de la voz del escritor: argumentar en los estudios de postgrado. En I. Ballano & I. Muñoz (Eds.), La escritura académica en las universidades españolas (pp. 115-130). Deusto digital. https://dialnet.unirioja.es/servlet/libro?codigo=738255

Dolz, J. (1995). Escribir textos argumentativos para mejorar su comprensión. Revista Comunicación, Lenguaje y Educación, 7(2), 65-77. https://doi.org/10.1174/021470395321340448

Dowling, M., & Lucey, B. (2023). ChatGPT for (finance) research: The Bananarama conjecture [ChatGPT para la investigación financiera: La conjetura de Bananarama]. Finance Research Letters, 53, Artículo 103662. https://doi.org/10.1016/j.frl.2023.103662

Ercilla García, J. (2023). Integración de GPT-3 en la redacción de argumentos de Sentencias: Un ejemplo práctico. Revista Aranzadi de Derecho y Nuevas Tecnologías, (61). https://dialnet.unirioja.es/servlet/articulo?codigo=8886436

Farrokhnia, M., Banihashem, S. K., Noroozi, O., & Wals, A. (2023). A SWOT analysis of ChatGPT: Implications for educational practice and research [Un análisis FODA de ChatGPT: implicaciones para la práctica y la investigación educativa]. Innovations in Education and Teaching International, 61(3), 460-474. https://doi.org/10.1080/14703297.2023.2195846

Fleckenstein, J., Meyer, J. Jansen, T., Keller, S., Koller, O., & Moller, J. (2024). Do teachers spot AI? Evaluating the detectability of AI-generated texts among student essays [¿Detecta el profesorado la IA? Evaluación de la detectabilidad de textos generados por IA en ensayos estudiantiles]. Computers and Education: Artificial Intelligence, 6, Artículo 100209. https://www.sciencedirect.com/science/article/pii/S2666920X24000109

Franganillo, J., Lopezosa, C., & Salse, M. (2023). La inteligencia artificial generativa en la docencia universitaria. Universitat de Barcelona. http://hdl.handle.net/2445/202932

Gallent Torres, C., Zapata González, A., & Ortego Hernando, J. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE Revista Electrónica de Investigación y Evaluación Educativa, 29(2), 1-20. https://doi.org/10.30827/relieve.v29i2.29134

Giannini, S. (2023). La IA generativa y el futuro de la educación. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000385877_spa

Haleem, A., Javaid, M., & Singh, R. (2022). An era of ChatGPT as a significant futuristic support tool: A study on features, abilities, and challenges [Una era de ChatGPT como importante herramienta de soporte futurista: un estudio sobre características, capacidades y desafíos]. Bench Council Transactions on Benchmarks, Standardsand Evaluations, 2(4), Artículo 100089. https://doi.org/10.1016/j.tbench.2023.100089

Héctor Ardisana, E. F., & Millet Gaínza, B. (2024). Inteligencia artificial (ChatGPT) en la educación universitaria: realidad y consideraciones éticas. Chakiñan, Revista De Ciencias Sociales Y Humanidades, (25), 299-316. https://doi.org/10.37135/chk.002.25.13

Hyland, K. (2000). Disciplinary discourses: Social interactions in academic writing [Discursos disciplinarios: interacciones sociales en la escritura académica]. Longman.

Hyland, K. (2005). Stance and engagement: A model of interaction in academic discourse [Un modelo de interacción en el discurso académico]. Discourse Studies, 7(2), 173-192. https://doi.org/10.1177/1461445605050365

Hyland, K. (2008). Genre and academic writing in the disciplines [Género y escritura académica en las disciplinas]. Language Teaching, 41(4), 543-562. https://doi.org/10.1017/S0261444808005235

Hyland, Ken (2012). Disciplinary identities: Individuality and community in academic discourse [Identidades disciplinarias: individualidad y comunidad en el discurso académico]. Cambridge University Press. https://doi.org/10.1017/9781009406512

Larson, E., J. (2022). El mito de la Inteligencia Artificial. Por qué las máquinas no pueden pensar como nosotros lo hacemos. Shackletoon Books. https://ciec.edu.co/wp-content/uploads/2024/07/El-mito-de-la-inteligencia-artificial.pdf

Lee, O. (2017). Common Core State Standards for ELA/Literacy and Next Generation Science Standards: Convergences and Discrepancies Using Argument as an Example [Estándares estatales básicos comunes para ela/alfabetización y estándares de ciencias de próxima generación: convergencias y discrepancias usando argumentos como ejemplo]. Educational Researcher, 46(2), 90-102. https://doi.org/10.3102/0013189X17699172

López Gil, K., & Moreno Mosquera, E. (2025, enero-abril). Retroalimentación formativa en la escritura de tesis en posgrado: Comparación entre ChatGPT y revisores pares en un círculo de escritura. Revista Virtual Universidad Católica del Norte, (74), 123-160. https://doi.org/10.35575/rvucn.n74a6

Livberber, T. (2023). Toward non-human-centered design: designing an academic article with ChatGPT [Hacia un diseño no centrado en el ser humano: diseño de un artículo académico con ChatGPT]. Profesional de la Información, 32(5). https://doi.org/10.3145/epi.2023.sep.12

Lopezosa, C. (2023). ChatGPT and scientific communication: towards the use of Artificial Intelligence that is as useful as it is responsable [ChatGPT y comunicación científica: hacia un uso de la Inteligencia Artificial que sea tan útil como responsable]. Hipertext.net, (26), 17-21. https://doi.org/10.31009/hipertext.net.2023.i26.03

Macdonald, C., Adeloye, D., Sheikh, A., & Rudan, I. (2023). Can ChatGPT draft a research article? An example of population-level vaccine effectiveness analysis [¿Puede ChatGPT redactar un artículo de investigación? Un ejemplo de análisis de la efectividad de una vacuna a nivel poblacional]. Journal of Global Health, 13, Artículo 01003. https://doi.org/10.7189/jogh.13.01003

Martins Ramos, A. S. (2023). Inteligência Artificial Generativa baseada em grandes modelos de linguagem-ferramentas de uso na pesquisa acadêmica [Inteligencia artificial generativa basada en grandes modelos de lenguaje: herramientas para su uso en la investigación académica]. SciELO Preprints. https://doi.org/10.1590/SciELOPreprints.6105

Mitchell, S., Prior, P., Bilbro, R., Peake, K., See, B., & Andrews, R. (2008). A reflexive approach to interview data in an investigation of argument [Un enfoque reflexivo de los datos de entrevistas en una investigación de argumentos]. International Journal of Research & Method in Education, 31(3), 229-241. https://doi.org/10.1080/17437270802416806

Molina Gutiérrez, T., Luzardo Martínez, H. J., Burbano García, L. H., & Ruiz Quiroz, J. F. (2024). El impacto del ChatGPT en la producción de textos: análisis de su estilo y evaluación en el contexto estudiantil. Dilemas contemporáneos: Educación, Política y Valores, 11(2), 1-25. https://dilemascontemporaneoseducacionpoliticayvalores.com/index.php/dilemas/article/view/4020

Navarrete Quezada, A., Sánchez Tepatzi, J., & Reyes Cuautle, V. (2023). Caracterización de los textos generados por ChatGPT. Un análisis crítico. Reencuentro. Análisis de Problemas Universitarios, 35(86), 277-294. https://reencuentro.xoc.uam.mx/index.php/reencuentro/article/view/1243

Nugroho, A., Putro, N. H. P. S., & Syamsi, K. (2023). The Potentials of ChatGPT for Language Learning: Unpacking its Benefits and Limitations [El potencial de ChatGPT para el aprendizaje de idiomas: análisis de sus beneficios y limitaciones]. Register Journal, 16(2), 224-247. https://doi.org/10.18326/register.v16i2.224-247

Otálora Gómez, A. F. (2024). ¿Un dataiudex en Colombia? Análisis de los argumentos formulados por ChatGPT e incorporados en una sentencia de tutela. Revista Iberoamericana De Argumentación, (28), 42-72. https://doi.org/10.15366/ria2024.28.003

Padilla, C. (2019). Escritura epistémico-argumentativa e identidad académica en estudiantes doctorales de Humanidades: Trayectorias previas, revisión colaborativa y perfiles de escritor. Traslaciones. Revista Latinoamericana de Lectura y Escritura, 6(11), 86-115. https://revistas.uncu.edu.ar/ojs3/index.php/traslaciones/article/view/2000

Padilla, C. & Santibáñez, C. (2024). Comportamiento argumentativo del ChatGPT 3.5: similitudes y diferencias con la práctica argumentativa humana. Logos: Revista de Lingüística, Filosofía y Literatura, 34(1). https://revistas.userena.cl/index.php/logos/article/view/2238

Polya, G. (1967). Le découverte des mathématiques [El descubrimiento de las matemáticas]. DUNOD.

Raheem, B., Anjum, F., & Ghafar, Z. (2023). Exploring the Profound Impact of Artificial Intelligence Applications (Quillbot, Grammarly and ChatGPT) on English Academic Writing: A Systematic Review [Explorando el profundo impacto de las aplicaciones de inteligencia artificial (Quillbot, Grammarly y ChatGPT) en la escritura académica en inglés: una revisión sistemática]. International Journal of Integrative Research, 1(10), 599-622. https://doi.org/10.59890/ijir.v1i10.366

Ramage, J., Bean, J., & Johnson, J. (2012). Writing arguments: a rhetoric with readings [Redactar argumentos: una retórica con lecturas]. Pearson Education. https://privateedelt.com/wp-content/uploads/2022/11/writing-arguments_-a-rhetoric-with-readings-10th-edition-pdfdrive-.pdf

Rodrigues, M. (2023). O profissional do texto e o ChatGPT: a relação humano-máquina sob uma perspectiva enunciativa [El texto profesional y ChatGPT: la relación hombre-máquina desde una perspectiva enunciativa] [Tesis de grado, Universidad Federal de Río Grande del Sur -UFRGS]. Repositorio digital institucional. https://lume.ufrgs.br/handle/10183/270336

Rosier, L. (1999). Le discours rapporté. Histoire, théories, pratiques [Le discurso rapporté. Historia, teorías, prácticas]. Duculot.

Scotto, V. (2024). El ChatGPT y el fin de la historia: una elaboración teórica sobre sus peligros y promesas leídos desde la filología. Recial, 15(25), 118-146. https://doi.org/10.53971/2718.658x.v15.n25.45626

Serrano-Moreno, M., Oliveros-Rodríguez, E., & Moreno-Balza, E. (2025). Escritura científica en educación superior: proceso epistémico y argumentativo. Magis, Revista Internacional de Investigación en Educación, 18, 1-27. https://doi.org/10.11144/Javeriana.m18.eces

Singh, J. K., Daniel, B. K., & Koh, J. H. L. (2025). Empowering authorship with AI: A novel academic writing technology for authorial voice [Potenciando la autoría con IA: una nueva tecnología de escritura académica para la voz del autor]. International Journal of Artificial Intelligence in Education. https://doi.org/10.1007/s40593-025-00503-8

Sumosa, R., & Sarmiento, L. F. (2024). PotencIA: Escritura ética con IA [Trabajo de grado de especialización, Universidad del Rosario]. Repositorio digital institucional. https://repository.urosario.edu.co/server/api/core/bitstreams/41e4689e-4df0-4321-9a21-6386daaef0f5/content

Swales, J. (2004). Research genres. Explorations and applications [Géneros de investigación: exploraciones y aplicaciones]. Cambridge University Press. https://doi.org/10.1017/CBO9781139524827

Wang, S., Scells, H., Koopman, B., & Zuccon, G. (2023). Can ChatGPT write a good boolean query for systematic review literature search? [¿Puede ChatGPT escribir una buena consulta booleana para la búsqueda de literatura de revisión sistemática?]. En H.-H. Chen & W.-J. Duh (Pres.), Proceedings of the 46th international ACM SIGIR conference on research and development in information retrieval (pp. 1426–1436). Association for Computing Machinery. https://doi.org/10.48550/arXiv.2302.03495

Weston, A. (1992). Las Claves de la Argumentación. Editorial Hurope, S.L.

Yanfang, S., Yun, L., & Chun, L. (2023). Collaborating with ChatGPT in argumentative writing classrooms [Colaborando con ChatGPT en aulas de escritura argumentative]. Assessing Writing, 57, 1-11. https://doi.org/10.1016/j.asw.2023.100752

Información adicional

redalyc-journal-id: 1942