Gândirea critică

Traducere automată a acestei pagini în limba engleză, încă neverificată de un vorbitor nativ.

Gândirea critică — capacitatea de a analiza, evalua și sintetiza informații — este atât o competență pe care instrumentele de IA pot ajuta să o dezvolte, cât și o competență pe care studenții trebuie să o aplice atunci când folosesc IA. În IA în educație, cercetarea arată că gândirea critică apare în două forme interconectate: ca obiectiv de învățare (a-i învăța pe studenți să gândească critic) și ca protecție împotriva dependenței necritice de IA.

Întrebări de luat în considerare

• Cât de încrezător ești în capacitatea ta de a recunoaște un răspuns generat de IA fals sau înșelător? Cercetarea sugerează că competența în IA autoevaluată depășește cu mult capacitatea reală de evaluare — cum te-ai testa singur?
• Gândirea critică apare aici în două forme: o competență de predat și o protecție împotriva dependenței necritice de IA. Poți gândi o situație în care un instrument care „predă” gândirea critică antrenează de fapt opusul ei?
• Un studiu a constatat că faptul de a-i pune pe studenți să interogheze greșelile generate de IA a produs câștiguri mari în gândirea de ordin superior. Prin ce ar putea expunerea deliberată la erori — în loc de ascunderea lor — să fie o mișcare didactică mai puternică decât ai presupus?
• Accesul facil la răspunsurile IA poate înlocui angajamentul critic înainte ca studenții să observe. Ce element de design, iar nu o politică sau o interdicție, ar putea menține viu efortul cognitiv?
• S-a demonstrat că sfaturile IA suprimă disponibilitatea de a spune „nu știu” — chiar și atunci când sfatul este greșit. Cum schimbă aceasta ce înseamnă să creezi o cultură de clasă în care întrebarea este sigură?

Introducere

Gândirea critică este centrală pentru alfabetizarea în IA — studenții care nu pot evalua critic rezultatele IA sunt vulnerabili la supra-dependență, la informații halucinate și la recomandări părtinitoare. Cercetarea despre descărcarea cognitivă arată că accesul facil la răspunsurile IA poate înlocui angajamentul critic, în timp ce abordările socratice care rețin răspunsurile directe păstrează efortul cognitiv necesar pentru o gândire mai profundă.

Controlul structurat al dialogului, iar nu un prompt mai bun, este ceea ce separă un tutor de sofisme de un chatbot de dezbateri: dirijarea fiecărei replici prin detectarea intenției bazate pe Toulmin, o ordine fixă a strategiilor și un agent verificator au făcut ca un sistem socratic să treacă 84,5% dintre metricile de calitate a dialogului, față de 61,5% pentru o bază euristică (Shi et al. (2026)).

Gândirea critică în cercetarea despre educația cu IA

Articolele din baza de cunoștințe explorează gândirea critică prin lentile bazate pe design și empirice. Agenții de IA adversari pun în scenă un conflict constructiv pentru a provoca reconsiderarea la designerii începători, o variantă socratică ce forțează reevaluarea critică. Cercetarea RCT despre GenAI în predare ridică întrebarea dacă instrumentele de IA care optimizează rezultatele de suprafață pot suprima din neatenție gândirea critică ce duce la învățare mai profundă. Dovezile măsurate nuanțează punctul: dacă gândirea critică se mișcă depinde de felul în care sunt proiectate feedbackul și sarcinile mediate de IA și de reglarea metacognitivă a învățăceilor, nu de accesul la un model.

Legătura dintre folosirea GenAI și gândirea critică autoevaluată a trecut aproape în întregime prin alfabetizarea în feedback la GenAI: la 421 de studenți de licență chinezi, alfabetizarea în feedback a mediat 71,98% din asocierea totală (β=0,185), iar calea directă reziduală a fost pozitivă doar pentru studenții mai puțin reflexivi (β=0,177) și nesemnificativă pentru cei mai reflexivi (Yan et al. (2026)).

Corpusul conține și lectura pesimistă, în registru argumentativ, iar nu de măsurare. Muñiz și Castro Samayoa (2026) susțin că tiparul dominant de utilizare erodează gândirea critică, nu accesul la un model. Ei își întemeiază poziția pe afirmația lui Dewey că gândirea se îmbunătățește doar prin exercițiu și pe trei mecanisme: frecarea eliminată, prejudecata de automatizare și un cadru al eficienței. Tensiunea cu Zhao et al. este reală și nerezolvată în corpus. Câștigul lor meta-analitic de g = 0,609 descrie intervenții proiectate, în timp ce Muñiz și Castro Samayoa descriu utilizarea tipică. Citite împreună, cele două surse sunt de acord că variabila decisivă este designul și nu sunt de acord cu privire la felul în care arată comportamentul implicit negestionat.

Un punct de ancorare meta-analitic pentru afirmația despre moderare. În 29 de experimente, GenAI a ridicat moderat gândirea de ordin superior (g = 0,609), cu gândirea critică la ES = 0,691 — sub rezolvarea de probleme (0,745) și peste creativitate (0,444) — cel mai puternic pentru intervenții de 8–16 săptămâni (0,759) și pentru învățăceii cu autoreglare ridicată (0,863 față de 0,284) (Zhao et al. (2025)).

Revizuirile privind impactul ChatGPT asupra gândirii documentează constatări mixte: IA poate sprijini analiza critică atunci când este folosită deliberat (de exemplu, cerând studenților să critice argumente generate de IA), dar poate și scurta gândirea atunci când este folosită ca motor de răspunsuri. Această tensiune se leagă de cercetarea privind nealinierea evaluării alfabetizării în IA, care arată că competența în IA autoevaluată depășește cu mult capacitatea reală de evaluare critică. O revizuire critică a 80 de studii HCI despre gândirea critică cu IA a constatat că domeniul măsoară ceea ce rareori definește: doar 23 din cele 80 au declarat cum înțeleg gândirea critică, 49 (61%) au evaluat-o prin autoevaluare, iar nu prin performanță, și 42 (52%) nu au folosit niciun grup de control (A Critical Review of Critical Thinking in HCI Research About AI).

Lin și Al-Hada (2026) citesc această imagine mixtă ca o disociere produs–proces: GenAI poate ridica calitatea unei lucrări, scăzând în schimb transferul neasistat și întârziat din spatele ei, astfel încât învățarea ar trebui judecată după performanța neasistată și întârziată, iar nu după produsul asistat de IA.

• Angajament cognitiv de ordin superior în chatul student-IA. Chang și Li (2026) constată că aproximativ 62% dintre prompturile studenților către IA codifică o cerere cognitivă de ordin superior, cu profiluri de nivel Bloom care variază după disciplină (STEM: predominant Aplicare, 20,8%; limbi: predominant Înțelegere, 31,7%; științe sociale: predominant Creare, 33,8%). Designul lor în interiorul aceleiași persoane arată că aceiași studenți produc semnificativ mai multe prompturi de ordin superior la științe sociale decât la cursurile STEM (p < 0,001), ceea ce indică faptul că contextul disciplinar modelează angajamentul critic și de ordin superior cu IA.

• Tiparele de interacțiune se grupează după nivelul Bloom și cunoașterea anterioară. Într-o sarcină de scriere bazată pe investigație în știința datelor, 19 studenți au produs 14 tipare de interacțiune cu LLM-ul care variau după nivelul de cunoaștere anterioară, iar implicația de design a fost să țintești sprijinirea spre anumite etape ale gândirii de ordin superior, iar nu spre folosirea LLM-ului în general (Luo et al. (2026)).

• IA ca catalizator al alfabetizării critice în mass-media la copii. Demir și Akar (2026) evaluează un program de alfabetizare critică în mass-media de 18 ore, pe modelul 5E, pentru elevi turci de clasa a patra, în care IA generativă (ChatGPT, Grammarly) a acționat ca agent pedagogic încorporat etapă cu etapă, iar nu ca un adaos. Comparațiile pe eșantioane perechi au arătat câștiguri mari la lectura media (+3,50), scriere (+1,67) și alfabetizarea media totală (+5,17, toate p < 0,01), cu mărimi ale efectului între grupuri la posttest de Cohen's d = 1,12 (lectură), 1,18 (scriere) și 1,31 (alfabetizare totală) în favoarea grupului sprijinit de IA. Analiza calitativă (interviuri, postere, desene și sloganuri ale elevilor, observație în clasă) a scos la iveală șase domenii de creștere a alfabetizării critice în mass-media — autoprotecție digitală și confidențialitatea datelor, utilizare intenționată și responsabilă a mass-media, comunicare sigură și conștiința limitelor, evaluare critică și conștiința dezinformării, conștiința riscurilor online și etica media/cetățenia digitală — indicând că interogarea deliberată a conținutului mediat de IA poate cultiva analiza critică și reflecția la învățăceii tineri.

• Câștiguri de gândire critică specifice dimensiunilor la scrierea multimodală din primar. Lu et al. (2027) au urmărit 60 de elevi de clasa a 5-a pe parcursul a opt săptămâni de practică de scriere multimodală sprijinită de IA conversațională, în care au transformat narațiuni în imagini și videoclipuri scurte generate de IA. Analiza măsurărilor repetate pe șase dimensiuni ale gândirii critice a constatat câștiguri susținute (T1→T2 și T1→T3) la interpretare, analiză, evaluare și explicare, un câștig de scurtă durată la autoreglare și nicio schimbare la inferență — un tipar inegal, la nivel de dimensiune, pe care un scor agregat de gândire critică l-ar fi ascuns. Autorii susțin că imaginile generate de IA au externalizat sensul și au redus astfel cererea inferențială pe care o impune în mod normal scrierea, în timp ce colaborarea între colegi (întrebările colegilor care cereau inferarea interpretărilor altora) a furnizat ocaziile de inferență pe care interacțiunea individuală cu IA nu le oferea. Lecția de design: compunerea cu IA multimodală sprijină mai multe fațete ale gândirii critice, dar ar trebui îmbinată cu sprijinire continuă și schimb structurat între colegi pentru a păstra inferența și autoreglarea.

• Sprijinirea IA și descărcarea trag gândirea critică în direcții opuse. Davor, Larbi și Boateng (2026) au chestionat 533 de studenți universitari din Ghana și au constatat că sprijinirea sarcinilor de către IA prezicea o gândire critică mai ridicată (β = 0,185), în timp ce tendința de descărcare cognitivă prezicea o gândire critică mai scăzută (-0,240); alfabetizarea în verificarea IA nu a avut efect direct asupra gândirii critice și a funcționat doar prin autoreglarea metacognitivă, un tipar de mediere completă pe care autorii îl citesc ca dovadă că a-i învăța pe studenți să verifice faptele cu IA nu este suficient în sine. (Davor et al. 2026)

• Adâncimea descărcării, nu folosirea, limitează gândirea de ordin superior. Delegarea stratului de raționament al scrierii — garanții, contraargumente, interpretarea dovezilor — a avut cea mai puternică asociere negativă cu gândirea independentă de ordin superior (ab = -0,34), iar scrierea autoreglată a slăbit-o, dar nu a inversat-o niciodată (Chen (2026)).

• Dependența, nu folosirea, este locul unde asocierea cu gândirea critică se întoarce. Shojaei și colegii (2026) au chestionat 412 studenți la afaceri din Oman și au constatat o corelație bivariată aproape nulă între folosirea GenAI și dispoziția spre gândirea critică autoevaluată (r = 0,050), cu dependența prezicând o dispoziție mai scăzută (β = -0,389) și slăbind legătura dintre folosire și dispoziție (β = -0,239), astfel încât panta simplă a scăzut de la 0,424 la dependență scăzută la -0,054 la dependență ridicată. (Shojaei et al. 2026)

Un sondaj transversal mai amplu arată în direcția opusă: la 1.157 de studenți chinezi de masterat, dependența de GenAI a fost asociată pozitiv cu gândirea critică (β = 0,492), iar gândirea critică a purtat aproximativ 85,0% din calea de la dependența funcțională la creativitatea în cercetare (Yin et al. (2026)).

• Cunoașterea anterioară și momentul sarcinii stabilesc semnul efectului. În 108 documente revizuite, GenAI a ridicat performanța de gândire critică la cercetătorii experimentați (+0,20) și a scăzut-o la începători (-0,13); accesul timpuriu ajută sub presiunea timpului, dar afectează gândirea critică atunci când există timp de deliberare (Zapata-Hernandez et al. 2026).

• Un scurt prompt de reflecție face dependența de sfatul IA mai discriminativă. Într-un experiment cu trei condiții și 342 de studenți de licență, Ren (2026) a constatat că sprijinul deschis oferit de ChatGPT a produs acceptarea recomandărilor IA incorecte în 62,4% dintre încercări, scăzând la 39,7% cu un scurt prompt de reflecție metacognitivă (OR = 0,40, IC 95% [0,28, 0,56]); reflecția a îmbunătățit și calibrarea conștiinței (0,59 față de 0,41) și a redus indicele de prejudecată de atribuire specific IA de la 0,42 la 0,21, fără a reduce acuratețea recomandărilor și fără a declanșa respingerea în bloc a sfaturilor utile. (Ren 2026)

• Încrederea poate crește în timp ce acuratețea scade. Shaw și Nave (2026) au constatat că consultarea unui asistent de IA a ridicat acuratețea cu 25 de puncte procentuale când acesta avea dreptate și a scăzut-o cu 15 când a greșit, însă angajarea lui a crescut încrederea chiar și după erori, iar 73,2% dintre încercările cu IA incorectă s-au încheiat prin capitulare cognitivă, iar nu prin descărcare strategică.

• Feedbackul ChatGPT curatoriat de profesor ridică gândirea critică prin revizuire de ordin superior. Chen și colegii (2026) au realizat un cvasi-experiment de 18 săptămâni cu 64 de studenți de licență, toți viitori profesori de chimie, fizică sau matematică, comparând feedbackul convențional al profesorului (n = 32) cu feedbackul profesorului asistat de ChatGPT (n = 32) la două sarcini de scriere argumentativă. Grupurile au pornit echivalente, iar doar grupul asistat s-a îmbunătățit semnificativ (p < 0,001), cu Cohen's d crescând de la 0,25 la pretest la 3,74 la posttest. Mecanismul a fost tipul de feedback, nu simpla prezență a unui model: grupul asistat a primit mai mult feedback de demonstrație (33,1% față de 10,9%) și de interogare atentă (21,5% față de 6,0%), a revizuit 91,00% (435 din 478) dintre unitățile de feedback, față de 85,21% (242 din 284), iar analiza de rețea epistemică a legat aceste revizuiri de analiză, evaluare și creare, iar nu de recunoaștere și înțelegere, în timp ce instruirea și feedbackul de evaluare doar de la profesor au produs în mare parte revizuiri de recunoaștere și înțelegere. Profesorii au tratat rezultatul modelului ca material în stadiu de proiect, extinzându-l, revizuindu-l sau renunțând la el (14% eliminat, 9% necesitând corectare), iar șase din opt intervievați au semnalat în continuare imprecizie sau lipsă de profesionalism. Lecția de design este că câștigul de gândire critică a venit din feedbackul care modelează alternative și interoghează raționamentul studentului, cu un profesor care curatoriază ceea ce a produs modelul; eșantionul mic, de un singur semestru, înseamnă că mărimea foarte mare a efectului ar trebui citită cu prudență. (Chen et al. 2026)

• Un semestru de acces la IA a lăsat gândirea critică neschimbată, în timp ce folosirea reflexivă a urmărit-o. Melanou, Beege și Kimmig (2026) au urmărit 87 de studenți la informatică de afaceri pe parcursul unui curs de nouă săptămâni, în trei condiții paralele (IA încadrată de tutor, IA nedirijată și fără IA), măsurate de trei ori. Cunoștințele au crescut în fiecare grup, fără avantaj pentru vreuna dintre condițiile cu IA și fără efect Matthew (BF01 = 8,70), în timp ce gândirea critică autoevaluată și motivația au rămas stabile. Ce i-a separat pe studenți a fost folosirea reflexivă, practica de a verifica sursele și de a valida rezultatul IA înainte de a-l adopta: a fost mai ridicată în condiția cu IA decât în grupul de control (medii de 3,72 față de 2,82) și a prezis gândirea critică la măsurarea finală (R² = 0,183, β = 0,43, p < 0,001). Rezultatul nuanțează orice așteptare ca un curs de folosire a IA să miște singur gândirea critică: reglarea metacognitivă, iar nu accesul la instrument, este locul unde se află asocierea, iar autorii notează că un semestru este probabil prea scurt pentru a vedea o schimbare durabilă. (Melanou et al. 2026)

Conexiuni cu alte concepte

Gândirea critică se intersectează cu sprijinirea structurată (proiectarea unui sprijin IA care menține cererea cognitivă), cu formularea prompturilor (formularea întrebărilor care provoacă analiza critică) și cu supra-dependența (știind când să ai încredere și când să contesti IA). Este fundamentală pentru integritatea academică și servește drept dimensiune cheie a cadrelor de alfabetizare în IA atât în K-12, cât și în învățământul superior.

• Erorile IA ca provocări pentru gândirea de ordin superior: Hosseini (2026) operaționalizează nivelurile superioare ale lui Bloom (Analiză, Evaluare, Creare) punându-i pe studenți să interogheze greșeli generate de IA la un curs de baze de date, cu câștiguri semnificative pre/post (Cohen's d=1,49) în competența de materie.

• Critica rezultatului IA este o competență care poate fi sprijinită, iar nu un produs secundar al rezolvării de probleme. Grupurile care doar au rezolvat o problemă de fizică înrudită au acceptat o soluție IA lustruită sau au criticat-o din propriile concepții greșite, în timp ce reflecția ghidată de rubrica MAPS a produs critici aliniate expertului privind integrarea lipsă și notația nedefinită (Borse et al. (2026)).

• Limitează IA pentru a păstra agentivitatea cognitivă. Schița E3-HOT cartografiază trei căi întruchipate — încorporare situațională, participare întruchipată, creare cognitivă — pe Analiză, Evaluare și Creare și constrânge IA la prompturi, critică și sugestii de strategie, astfel încât studenții trebuie să articuleze rațiuni și să citeze dovezi înainte ca o afirmație să fie acceptată (Zhu et al. (2026)).

• Auditarea bidirecțională a explicațiilor IA. Bernstein și Sibia (2026) au folosit standardele Paul–Elder (acuratețe, claritate, presupuneri, punct de vedere) ca sonde de interviu cu zece studenți care absolviseră CS2 și au constatat o examinare la nivel de mecanism a explicațiilor GenAI: studenții au localizat unde se rupea corespondența unei analogii (o analogie cu ruta insulară pentru o listă înlănțuită care implica un cerc, o partidă de badminton oferită pentru recursivitate care nu avea un input garantat în scădere), au cerut formulări precise în loc de nuanțări prudente și au tratat explicațiile ca argumente purtătoare de punct de vedere. În mod crucial, această examinare urmărea expertiza în domeniul sursă sau țintă, iar nu interesul personal — reîncadrând evaluarea critică a IA ca problemă de cunoaștere („auditarea bidirecțională a analogiilor”), iar nu una dispozițională — și sugerând că a le da studenților analogii IA defectuoase ca obiecte de inspectat și reparat este un test mai dur al înțelegerii conceptuale decât citirea unei explicații finite.(Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education)

• Gândirea critică ca angajament care nu poate fi externalizat. Xie (2026) adaugă un omolog filosofic din cultivarea de sine taoistă: deoarece IA este o „cutie neagră” opacă, un cadru orientat spre armonizarea incertitudinii, iar nu spre adjudecarea adevărului în termeni absoluți, se potrivește mai bine peisajului epistemic actual, iar gândirea critică devine un angajament susținut, la persoana întâi și care nu poate fi externalizat, cu realitatea, iar nu o procedură rațională demonstrabilă. În practica Neidan (內丹) „nu există scurtături cognitive”, astfel încât IA este poziționată ca „nu un substitut cognitiv, ci un adjunct instrumental” al înfloririi umane.(Alternative AI Philosophy: Daoism as Method for AI in Education)

• Rotația rolurilor ca structură pentru interacțiunea critică om-IA. Kenzhebayeva și colegii (2026) raportează un studiu bazat pe design în care 62 de psihologi educaționali în formare au trecut prin rotație prin patru roluri profesionale (Constructor de cazuri, Analist de cercetare, Practician-intervenționist, Cercetător reflexiv) care făceau din recomandările generate obiectul discuției. Participanții au comparat rezultatul IA cu teoria psihologică și au modificat sau respins recomandările care nu se potriveau cazului, iar ciclurile ulterioare au arătat mai multe cereri de justificare teoretică, deși supra-dependența de răspunsuri aparent autoritare a persistat. (Kenzhebayeva et al. 2026)

• Integrare centrată pe verificare într-o disciplină. O revizuire critică a IA generative în educația universitară în chimie (Vega-Baudrit și Rivera Álvarez, 2026) susține că, deoarece raționamentul chimic trebuie coordonat între reprezentări macroscopice, submicroscopice și simbolice, studenții nu pot verifica ceea ce nu înțeleg, astfel încât cunoașterea anterioară și sprijinirea vin primele, iar verificarea ar trebui proiectată în evaluare ca activitate evaluată: identifică o presupunere falsă, corectează o eroare de unitate sau de mecanism ori justifică respingerea unui răspuns generat, păstrând jurnalele de prompturi și istoricurile de revizuire ca urme ale raționamentului. (Vega-Baudrit și Rivera Álvarez 2026)

• Verificarea ca activitate de învățare, nu doar ca protecție. Wang (2026) organizează evaluarea artefactelor IA în jurul a șase dimensiuni interdependente — Proces, Dovezi, Acces, Reproducibilitate, Legitimitate și Sursă — și tratează alcătuirea acestei garanții, iar nu fluența rezultatului, drept ceea ce construiește expertiza disciplinară.

Cea mai mare vulnerabilitate evaluată de experți din baza de cunoștințe este gândirea critică. În 65 de procese de învățare evaluate de 30 de experți, Gândirea critică și Gândirea critic-analitică au atras cea mai înaltă evaluare de perturbare din raport (medie 4,00 din 5; 96% dintre evaluatori la 3 sau peste), cu îmbunătățirea sub prag (2,40, 43%) (Kendeou, Greene & Nixon et al., 2026). Zece din optsprezece procese de ordin superior au ajuns la consens doar pe vulnerabilitate, ceea ce raportul citește ca risc unilateral, iar nu ca schimb.

• Structura parteneriatului, nu expunerea, poartă asocierea. Akgun și Toker (2026) au modelat 891 de studenți americani și turci cu teoria sistemelor de memorie tranzacțională și au constatat că nici capacitatea de gândire autoapreciată, nici încrederea în parteneriatul cu IA nu au prezis direct manifestarea gândirii critice. Ambele alimentau familiaritatea cu GenAI, care la rândul ei prezicea doar două comportamente: specializarea și coordonarea muncii (b = 0,636) și transformarea reflexivă a rezultatului (b = 0,367). Acele comportamente preziceau gândirea critică (b = 0,230 și b = 0,175) fără să rămână vreo cale directă (CFI = 0,974, RMSEA = 0,048). Aceasta este versiunea la nivel de mecanism a rezultatului nul recurent al domeniului: orele de folosire și competența autoevaluată nu sunt proxy pentru gândirea critică, iar ceea ce măsoară un studiu când întreabă despre expunere este inputul lanțului, nu rezultatul lui.

Idei greșite frecvente

• „Un prompt mai bun produce o gândire critică mai bună.” Controlul structurat al dialogului, nu un prompt mai bun, separă un tutor de sofisme de un chatbot de dezbateri: dirijarea fiecărei replici prin detectarea intenției bazate pe Toulmin a făcut treaba. Mecanismul este structura interacțiunii, iar nu formularea.
• „Folosirea GenAI ridică direct gândirea critică.” Legătura dintre folosirea GenAI și gândirea critică autoevaluată a trecut aproape în întregime prin alfabetizarea în feedback la GenAI — la 421 de studenți de licență chinezi, alfabetizarea în feedback a mediat 71% din asociere. Alfabetizarea este calea.
• „Efectul meta-analitic este uniform.” În 29 de experimente, GenAI a ridicat moderat gândirea de ordin superior (g = 0,609), cu gândirea critică la ES = 0,691. Efectele cumulate moderate peste intervenții eterogene susțin categoria, iar nu un anumit design.

Concepte conexe

• Metacognition
• Descărcarea cognitivă
• Alfabetizare în IA
• Generative AI
• Higher Education
• Problem-Based Learning
• Intelligent Tutoring
• Dezvoltarea educațională
• Predarea
• Student Experience
• Chemistry Education — Educația chimiei și IA: laboratoare, evaluare formativă, limitele LLM, filosofia experimentului
• Biology Education — Educația biologiei și IA: asistenți de laborator, alfabetizare în IA în biologie, gândire critică, instrumente specializate
• Capitularea cognitivă
• Reflection

Articole conexe

• When Does GenAI Use Support Critical Thinking? A Cross-Cultural Structural Account of Transactive Memory with GenAI — Gândirea critică trece prin împărțirea muncii și refacerea rezultatului, nu prin expunere

• Ways generative AI can support and threaten learning in K-20 US education - Un consens al 30 de experți: gândirea critică are cea mai înaltă evaluare de perturbare din raport (medie 4,00)

• From Plausibility to Verifiability: The PEARLS Framework for Developing Epistemic Agency in Generative AI-Mediated Higher Education — Cadrul PEARLS pentru agentivitate epistemică și verificarea rezultatului IA (Wang 2026)

• Layer-sensitive cognitive offloading in generative AI-assisted writing: Supported performance and independent no-AI outcomes — Descărcare cognitivă sensibilă la strat în scrierea asistată de GenAI (Chen 2026)

• The critical-thinking paradox in generative AI-integrated learning: distinguishing efficiency from cognitive depth — a differentiated framework and testable propositions — Paradoxul gândirii critice în învățarea integrată cu GenAI

• The Pedagogy of AI Mistakes: Fostering Higher-Order Thinking — The Pedagogy of AI Mistakes: Fostering Higher-Order Thinking (Hosseini 2026)

• Thinking—fast, slow, and artificial: How AI is reshaping human reasoning and the rise of cognitive surrender — Tri-System Theory and cognitive surrender: how AI reshapes human reasoning (Shaw & Nave 2026)

• The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — The tragedy of the cognitive commons: AI and expertise regeneration

• Does generative artificial intelligence improve students' higher-order thinking? A meta-analysis based on 29 experiments and quasi-experiments — Meta-analiză despre GenAI și gândirea de ordin superior

• Can we disrupt the momentum of the AI colonization of science education? — Disrupting the AI colonization of science education

• Reorienting Critical AI Literacy: A Community-Rooted Praxis of "Resisting AI" — Reorienting critical AI literacy

• Inquiry-based learning patterns in large language model-driven learning environments: an exploratory study from Bloom's perspective — Tipare IBL în medii conduse de LLM (perspectiva lui Bloom)

• Probing AI-generated physics solutions and preparing students to critique them — Pregătirea studenților pentru a critica soluții de fizică generate de IA

• Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education — Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education

• Alternative AI Philosophy: Daoism as Method for AI in Education — Alternative AI Philosophy: Daoism as Method for AI in Education

• Fostering Sustainable Learning via Embodied Intelligence: The E3-HOT Framework for Higher-Order Thinking in the AI Era — Fostering Sustainable Learning via Embodied Intelligence (E3-HOT)

• Modeling AI Overreliance as a Complex Adaptive System — Supra-dependența de IA modelată ca sistem complex adaptiv

• More externalization, but less inference? Exploring changes in young learners' critical thinking during conversational AI bot-supported multimodal writing practice — Câștiguri de gândire critică specifice dimensiunilor în scrierea multimodală sprijinită de IA (Lu et al. 2027)

• Tackling the Root of Misinformation by Teaching Laypeople about Logical Fallacies via Socratic Questioning and Critical Argumentation — predarea recunoașterii sofismelor prin dialog structurat cu mai multe replici

• Building AI Companions that Prioritize Learning over Performance — învățarea înaintea performanței: pentru ce ar trebui optimizați și măsurați însoțitorii

• Artificial intelligence-supported learning and higher-order cognitive outcomes: the mediating role of metacognitive self-regulation — Sprijinire IA, descărcare și alfabetizare în verificare prin autoreglare metacognitivă (Davor et al. 2026)

• Helpful or harmful? Generative AI dependence, self-reported critical thinking disposition, and self-perceived employability among business students — Dependența de GenAI limitează legătura dintre utilizare și gândirea critică la studenții la afaceri (Shojaei et al. 2026)

• College students’ metacognitive awareness of generative-AI reliance: an experimental study of decision confidence and attribution bias — Promptul de reflecție reduce acceptarea sfaturilor IA incorecte și prejudecata de atribuire (Ren 2026)

• Designing an AI-integrated role-rotation pedagogical model to support competence-related learning in pre-service educational psychologists — Rotația rolurilor ca structură pentru interacțiunea critică om-IA (Kenzhebayeva et al. 2026)

• Generative artificial intelligence in university chemistry education: a critical review using Johnstone’s chemistry triplet and Biggs’ 3P model — Integrare GenAI centrată pe verificare în educația universitară în chimie (Vega-Baudrit și Rivera Álvarez 2026)

• Effects of ChatGPT-Assisted Teacher Feedback on College Students' Critical Thinking Skills and Perceptions of Argumentative Writing — feedbackul ChatGPT curatoriat de profesor a ridicat gândirea critică prin revizuire de ordin superior (Chen et al. 2026)

• Generative AI and Learning Dynamics in Higher Education: A Longitudinal Empirical Study — un semestru de acces la IA a lăsat gândirea critică neschimbată; folosirea reflexivă a prezis-o (Melanou et al. 2026)

• GenAI dependence and graduate students' research creativity: the roles of critical thinking and human-AI collaboration quality — Dependența de GenAI asociată pozitiv cu gândirea critică la 1.157 studenți de masterat

• The association between generative AI use and university students' critical thinking: a moderated mediation model of GenAI feedback literacy and reflective thinking — Folosirea GenAI către gândirea critică prin alfabetizarea în feedback, cu o cale directă doar pentru studenții mai puțin reflexivi

• Generative AI in Education and the Erosion of Critical Democratic Citizenship — Lectura pesimistă a dovezilor despre moderare: pierderea frecării, prejudecata de automatizare, cadrul eficienței

• Generative AI and Cognitive Processes in Education: A Narrative Review and Conceptual Framework — Revizuire narativă a 108 documente: semnul efectului urmărește cunoașterea anterioară și momentul sarcinii (cadrul AMCIF)