ENSEÑANDO A REVISAR CONDENAS Y A ABSOLVER CON INTELIGENCIA ARTIFICAL

Juan Antonio Ureta Guerra¹
jureta@iargumenta.com

Resumen:
Este trabajo propone reformar la enseñanza del derecho cuestionando el uso dominante del
silogismo judicial, que perpetúa una lógica de condena y excluye la duda, la refutación y la
complejidad narrativa. Se plantea que esta estructura argumentativa, enseñada como
paradigma, reproduce falacias y sesgos institucionales. Como alternativa, se propone
incorporar inteligencia artificial guiada por modelos de diálogo crítico (Retórica clásica,
Toulmin, Walton, Adam, entre otros) para entrenar a los estudiantes en la detección de falacias,
el análisis de narrativas ambiguas y la modificación de juicios ante nueva evidencia. La IA, al
facilitar entornos dialógicos, puede catalizar una transformación pedagógica hacia una
argumentación jurídica más plural, consciente y crítica
This work proposes a reform in legal education by challenging the dominant use of judicial
syllogism, which perpetuates a logic of condemnation and excludes doubt, refutation, and
narrative complexity. It argues that this argumentative structure, taught as a paradigm,
reproduces institutional fallacies and biases. As an alternative, it advocates for the integration
of artificial intelligence guided by models of critical dialogue (Classical Rhetoric, Toulmin,
Walton, Adam, among others) to train students in identifying fallacies, analyzing ambiguous
narratives, and revising judgments in light of new evidence. By fostering dialogical
environments, AI can catalyze a pedagogical transformation toward a more pluralistic,
reflective, and critical legal argumentation.

Introducción:
En este trabajo se proponen dos líneas de reflexión para reformar la enseñanza del derecho.
En primer lugar, se plantea una hipótesis incómoda: que los ejemplos de silogismos judiciales
—y las teorías que los sustentan— enseñan predominantemente a condenar, justificando dicha condena mediante falacias difíciles de detectar. Esta estructura relega las pruebas y las refutaciones al margen del razonamiento jurídico, constituyendo un error sistémico que ha pasado desapercibido. En segundo lugar, se propone el uso de inteligencia artificial guiada por modelos de diálogo crítico —desde la Retórica clásica hasta los Mapas de Argumentos contemporáneos— como herramienta pedagógica para revertir esta tendencia. Con la ayuda de la IA se puede entrenar a los futuros juristas en la identificación de falacias, sesgos cognitivos y en el desarrollo de la habilidad de modificar sus juicios ante nueva evidencia.

Durante más de dos décadas de enseñanza en retórica y modelos de diálogo, he acumulado evidencia empírica —estadística, experimental y documental— que permite sostener una tesis crítica: los textos que presentan al silogismo judicial como un “caso fácil”, una forma de “justificación interna” o una garantía de “universalidad” no son epistemológicamente neutros. Por el contrario, perpetúan una tradición iniciada a fines del siglo XVIII que privilegia la condena sobre la comprensión, la sentencia sobre la escucha, la forma sobre la verdad.

En nombre de la racionalidad, se ha legitimado una estructura argumentativa que: minimiza el derecho de defensa, ignora la complejidad narrativa de los hechos., clausura la posibilidad de alternativas interpretativas, reproduce errores y violencias institucionalizadas bajo el barniz de la lógica formal. Frente a este panorama, propongo el uso de la inteligencia artificial como aliada pedagógica para introducir modelos de diálogo crítico en la formación jurídica, que se enseñen junto a los modelos lógicos. De esa manera constataremos la utilidad de la Retórica clásica hasta los esquemas de Toulmin, Walton, Perelman, Adam, ter Berg, pues estos modelos permiten:

• Simular diálogos con múltiples perspectivas y niveles de complejidad.
• Detectar falacias y sesgos cognitivos en tiempo real.
• Entrenar la capacidad de modificar juicios ante evidencia nueva.
• Incorporar narrativas ambiguas que exigen reconstrucción argumentativa.

La IA, al no estar entrenada en condenar, sino en procesar alternativas y explorar contradicciones, ofrece un entorno propicio para el aprendizaje por reconstrucción. En manos de docentes críticos, puede revertir la tendencia silogística dominante y abrir espacios para una argumentación más rica, plural y consciente. Los autores europeos y los latinoamericanos más influyentes en la teoría de la argumentación jurídica —centrados en silogismos y ponderaciones— han contribuido a invisibilizar los modelos dialógicos. Esta exclusión, sumada a la repetición de ejemplos y justificaciones estandarizadas, ha consolidado un canon que limita el pensamiento crítico.

Aunque entre los años 2010 y 2012 publiqué textos que introducían el modelo de Toulmin, los esquemas de Walton y la narrativa circunstancial de la retórica —los cuales he enseñado hasta el presente— estos aún no han sido incorporados formalmente en los programas de argumentación jurídica. La resistencia institucional, el sesgo epistemológico y la inercia curricular han obstaculizado su adopción.

Sin embargo, la inteligencia artificial permite hoy superar estas barreras. Puede facilitar el acceso a modelos complejos, incluso para mentes formadas en la lógica de la condena, y generar entornos dialógicos donde el pensamiento crítico no solo sea posible, sino necesario.

La enseñanza del derecho requiere una transformación profunda. Es urgente cuestionar el paradigma silogístico que ha dominado la formación jurídica y abrir paso a modelos dialógicos que reconozcan la complejidad de los hechos, la legitimidad de la duda y la necesidad de alternativas. La inteligencia artificial, guiada por modelos críticos, puede ser el catalizador de esta transformación.

1.- La lógica condenatoriaHace dos años nos percatamos de que, desde 1789, los ejemplos de silogismo judicial son predominantemente condenatorios. En una medida minúscula, casi invisible, aparecen de vez en cuando silogismos absolutorios, pero suelen estar mal construidos. Es decir, en libros y artículos de filósofos del derecho, teóricos de la argumentación, docentes y manuales de enseñanza, no aparecen ejemplos absolutorios. Esto provoca que muchos jueces, fiscales y abogados jamás hayan visto un silogismo absolutorio (La estadística completa en Ureta, 2025).
Por otro lado, cuando la teoría discute cómo mejorar los silogismos judiciales, lo hace casi exclusivamente en función de cómo mejorar condenas, incluso en casos sin pruebas ni escucha de refutaciones. Comportamiento que se replica en los alumnos, Cualquiera puede corroborar esta tendencia. Para ello recomiendo lo siguiente:

a) Analice los textos de argumentación que tenga a mano

b) Pregunte a alumnos que critiquen silogismos judiciales a partir de lectura sin advertirles de otra herramienta.

En el primer caso, encontraran que la mayoría nunca pondrán en el texto un caso donde el acusado muestre su inocencia. Nunca oponen a los ejemplos condenatorios que presentan en sus textos un ejemplo absolutorio y los pocos casos cometen la falacia de negación del antecedente proponiendo soluciones enredadas para dar apariencia de lógica a lo que violenta la lógica. Encontraran en cada texto —sea un artículo o un libro— que suele presentar el silogismo judicial en una formulación abstracta y, acto seguido, un ejemplo condenatorio, que a veces se repite varias veces. Por ejemplo, Manuel Atienza, en su Curso de Argumentación, presenta esta regla:

“El argumento general que se usa en la aplicación del Derecho es el silogismo subsuntivo que, como se ha indicado, tiene la forma de un modus ponens: si se dan las circunstancias X, entonces debe ser la consecuencia jurídica S; (en este caso) se dan las circunstancias X (o sea, el caso se subsume dentro del supuesto de hecho de la norma); por lo tanto, debe ser la consecuencia jurídica S.” (p. 179)

En otra parte muestra este ejemplo, que realza la condena como logro:

“El juez que cometa un acto de prevaricación debe ser condenado con una pena mínima de un año; el juez J ha cometido un acto de prevaricación; por lo tanto, el juez J debe ser condenado a una pena mínima de un año.” . (p. 171)

¿Por qué no indica que es necesario un análisis real oyendo al condenado y examinado las pruebas desde su punto de vista? ¿Por qué que no indica que existen modelos que permiten conjugar esa operación con el rigor lógico? Otro ejemplo: la profesora Llel: señala que

“El silogismo jurídico es un silogismo hipotético, en el cual la premisa mayor es la norma jurídica (por ello, se la suele llamar ‘premisa normativa’) y la premisa menor contiene los hechos (por lo que se la denomina ‘premisa fáctica’). La conclusión atribuye una sanción a un individuo por los hechos determinados. La norma es general, mientras que los hechos y la conclusión individualizan el contenido” (Llel, 2025, p. 295)

Inmediatamente propone este ejemplo:

• Premisa normativa: Si alguien mata a otro (hecho ilícito), le corresponde pena de prisión (sanción).
• Premisa fáctica: Pedro mató a Juan. (Confirmación individual de que ocurrió el hecho ilícito)
• Conclusión: A Pedro le corresponde pena de prisión. (Imputación individualizada de la sanción)

Y la autora no contempla otra alternativa en el texto. Los juristas, obsesionados con alcanzar la “condena perfecta”, han distorsionado la formulación original del silogismo judicial, convirtiéndolo en una herramienta que privilegia la sanción sobre la justicia. Para ser justos, Cesare Bonesana, marqués de Beccaria (1738–1794), en su influyente Tratado sobre los delitos y las penas (1764), propuso un modelo que permitía tanto la absolución como la condena:

“En todo delito debe hacerse por el juez un silogismo perfecto. Pondráse como mayor la ley general, por menor la acción conforme o no con la ley, de que se inferirá por consecuencia la libertad o la pena. Cuando el juez por fuerza o voluntad quiere hacer más de un silogismo, se abre la puerta a la incertidumbre.” (Beccaria, 1993, p. 63)

Sin embargo, las formulaciones contemporáneas han reducido esta apertura. Hoy se enseña que la conclusión “debe ser la consecuencia jurídica S” o que “se atribuye una sanción”, acompañadas de ejemplos exclusivamente condenatorios. Nadie parece advertir que la fórmula se ha estrechado, inclinando la balanza hacia la condena como modelo único.

2.- ¿Debería preocuparnos?

Sí, profundamente. El Ministerio Público y el Poder Judicial celebran las condenas como logros institucionales, mientras que las absoluciones, las revisiones de sentencia o los errores procesales son invisibilizados. Esta cultura jurídica no solo ignora la posibilidad de error, sino que impide aprender de él.
Usted presente un silogismo judicial ante un auditorio y pida que detecten el defecto. La mayoría guardará silencio; los pocos que intervienen suelen proponer correcciones que refuercen la condena. Hasta fines del siglo XIX, el derecho se enseñaba mediante casos con argumentos contrapuestos. Hoy, los manuales están plagados de dudas que se resuelven sistemáticamente a favor de la sanción. Cuando preguntamos a la IA, en este caso Copilot, por las falacias del ejemplo de M. Atienza nos brinda el siguiente resultado (Cuadro 1):

En mi libro Argumentar es Comparar analizo otras falacias. ¿Por qué, pese a que el argumento es válido, es falaz? Porque simplemente está en el terreno de lo posible, ya que adolece de información que corrobore la verdad o la posibilidad de las premisas. ¿Por qué no vemos las falacias? Por los sesgos, atajos mentales que usamos inconscientemente. La IA también, en segundos, identifica los sesgos involucrados (Cuadro 2):

Cuadro 2: Sesgos en el silogismo judicial. Fuente: Copilot

En el caso de silogismos largos detecta el efecto eco, es decir la decisiones influida por la repetición de palabras de ataque. (ver en Ureta 2025).

3. Absolver no es lógico y detectar falacias no es fácil

Como señalamos Beccaria propuso el silogismo judicial, sostuvo que, una vez establecidas las premisas, el juez deduciría la culpabilidad o la inocencia (Beccaria, 1993, p. 63). Sin embargo, tras más de dos siglos de aplicación, ese resultado se ha revelado como problemático, incluso imposible en muchos casos. Parte del problema, pues merece mas atención, es la falacia de la negación del antecedente. Esta falacia consiste en el error de suponer que, al negarse el antecedente de una proposición condicional, también se niega su consecuente. Un ejemplo clásico, propuesto por MacCormick, lo ilustra con claridad:

Si tomo veneno, entonces moriré. No tomo veneno. Entonces, no moriré. MacCormick, 2003, pp. 41

El error lógico radica en que la conclusión no se sigue necesariamente: uno puede morir por otras causas. Así, el enunciado condicional (“si p, entonces q”) solo permite deducir q si se verifica p. Si p no ocurre, no se puede deducir nada con certeza (Engisch, 1943, p. 143; MacCormick, 2003, pp. 41 y ss.; Vanale y Tuzet, 2021, p. 128).
Las reglas de la lógica impiden deducir desde una negación. Este punto fue tratado por Engisch en su obra de lógica jurídica publicada en 1943:

Si volvemos a la formulación hipotética, la simple negación de la subsunción no genera en absoluto un razonamiento, ya que, como es bien sabido, no se puede deducir la negación de la consecuencia a partir de la negación de la premisa. 1943, p. 11)

El autor no duda en proponer un ejemplo:

Si alguien mata a una persona intencionalmente con saña, debe ser condenado a muerte. A no mató a X intencionalmente (sino por negligencia o sin culpa), o bien, aunque lo hizo intencionalmente, no lo hizo con saña… ¿Entonces qué? (Engisch, 1943, p. 11)

Si no se cumple la condición, no se puede deducir nada. Para resolver este impasse, Engisch propuso una premisa mayor doble:

Si alguien mata intencionalmente con saña, debe ser condenado a muerte.
Si alguien no mata intencionalmente con saña, no debe ser condenado a muerte.
A no mató a una persona intencionalmente con saña. A no debe ser condenado a muerte. (Engisch, 1943, p. 11)

Sin embargo, esta reformulación sigue incurriendo en la negación del antecedente para llegar a una conclusión, lo pueden corroborar en cualquier IA. El problema persiste: la lógica deductiva no puede fundamentar una absolución sin caer en falacia, lo que ha motivado múltiples reformulaciones del razonamiento judicial, incorporando elementos interpretativos, valorativos y contextuales.

En un ejemplo brindado por el maestro García Amado (2019), encontramos lo siguiente:

El que matare a otro debe ser castigado con pena de prisión de 10 a 15 años (art. 138 CP).
Está exento de responsabilidad criminal el que obre impulsado por miedo insuperable (art. 20, 6º CP).
Obrar por miedo insuperable implica que en el sujeto que actúa se den las circunstancias X, Y y Z.
José mató a Pedro.
Cuando José mató a Pedro, en su acción se dieron las circunstancias X, Y, Z.
Por tanto, cuando José mató a Pedro obró impulsado por miedo insuperable.
José no debe ser condenado (= debe absolverse a José; José está exento de responsabilidad criminal). (p. 83)

Nuevamente estamos ante una estructura que oculta el debate y comete la falacia de negación del antecedente como otras, la IA lo advierte con facilidad:

Las “soluciones” propuestas requieren construir dos premisas mayores opuestas, lo que implica mayor esfuerzo cognitivo. Ante esta dificultad, las personas tienden a optar por lo más sencillo: la subsunción directa que conduce a la condena.

Daniel Kahneman lo ilustra en Pensar rápido, pensar despacio (2017) , mediante un experimento en el que se pidió a los participantes valorar las posibilidades de inversión en compañías turcas ficticias, basándose en informes de dos agencias de Bolsa. Una agencia tenía un nombre fácil de pronunciar (Artan), y la otra uno más complejo (Taahhut). Aunque los informes estaban en desacuerdo, los participantes dieron mucho más valor al informe de Artan, ignorando el contenido del otro. Kahneman concluye: “el esfuerzo mental causa aversión. Los receptores del mensaje preferirán, si es posible, mantenerse alejados de todo lo que les sugiera esfuerzo, incluida una fuente de nombre complicado.” (Kahneman, 2017, p. 90).Como señala Timo ter Berg, es ese conformismo que se tiene que vencer en el entrenamiento:

Las personas tienen una tendencia intrínseca a ser conservadoras y a aferrarse a sus creencias y convicciones. Por lo tanto, es importante que los profesores brinden ejemplos de cambios de creencias, adoptando constantemente una actitud crí tica, abierta, movida por la curiosidad y por la bu squeda de pruebas; y que, igualmente, animen a sus alumnos a seguir esta pra ctica. (ter Berg et. al. 2025, p. 30).

Veremos como la IA nos puede ayudar en esta tarea.

4.- La nueva retórica de la inteligencia artificial

En este contexto, la inteligencia artificial abre posibilidades inéditas para revertir esta tendencia. Puede facilitar el acceso, la traducción, la simulación y la aplicación de modelos argumentativos complejos, permitiendo que los estudiantes y docentes exploren alternativas más ricas y dialógicas, incluso revisar sentencias y absoluciones aprendiendo de los errores cometidos por jueces y abogados.

4.1. Retórica e inteligencia artificial

La retórica es el antecedente de múltiples actividades destinadas a la resolución de problemas: el debate oral y escrito, la lectura crítica, la deliberación judicial, entre otras. En este marco, presentamos el siguiente resumen:

• La retórica permite comprender no solo lo que se dice, sino cómo y por qué se dice.
• Herramientas para identificar falacias, sesgos y estructuras argumentativas ocultas.
• Promueve la escucha activa, la reformulación y la apertura al cambio de opinión.
• La IA puede amplificar estas capacidades mediante simulaciones, análisis de discurso y entrenamiento en modelos dialógicos.

La Retórica es el antecedente de varias actividades destinadas a solucionar problemas: el debate oral y escrito, la lectura critica, entre otros, aquí presentamos este resumen:

Cuadro 4: Usos de la retórica. Fuente: Elaboración propia

Las diversas inteligencias artificiales actúan como personas distintas: cada una aprende según su experiencia, puede inventar datos, pero —a diferencia de los humanos— es capaz de realizar operaciones tediosas en segundos y ofrecer análisis desde múltiples perspectivas. Esta capacidad permite explorar conflictos jurídicos y argumentativos con una riqueza que antes requería semanas de trabajo.

Un primer punto de convergencia entre la retórica clásica y la IA es la formulación de preguntas para esclarecer dudas. Este proceso es indispensable tanto en el razonamiento humano como en el funcionamiento de la IA. Además, la comprensión de la diversidad de opiniones —pues cada IA puede tener un enfoque distinto, como ocurre entre personas— permite simular escenarios dialógicos complejos.

El orden de las preguntas, la omisión de interrogantes clave, la exclusión de términos relevantes, o el uso de preguntas abiertas versus cerradas, influye directamente en los resultados que ofrece la IA, tal como sucede en el razonamiento humano. Ya en 2012 dediqué un capítulo completo a este tema, que hoy cobra nueva vigencia gracias a la IA, pues esta también puede enseñarnos a preguntar y a responder mejor.
El mismo proceso retórico puede estructurarse como una cadena de preguntas y respuestas orientadas a esclarecer un conflicto. Esta cadena no solo permite reconstruir el problema desde distintos ángulos, sino también entrenar la capacidad de modificar juicios ante nueva evidencia, detectar sesgos y explorar alternativas interpretativas.

En una primera etapa, las preguntas pueden permitir detectar falacias y sesgos que son difíciles de advertir a los humanos, por ejemplo, para Copilot cuando preguntamos por el ejemplo de silogismo judicial de Atienza, encuentra falacias; también Chatgpt; en cambio, Grok no encontró alguna. Sin embargo, todas encontraron sesgos que muestran su dificultad para su revisión en la práctica:

Personalmente, agregaría otras herramientas, pero lo esencial es que los alumnos ya pueden discutir la existencia y los efectos de las falacias y los sesgos cognitivos. Esto les permite, además, detectar errores en la selección de pruebas y en los argumentos utilizados para “justificar” las premisas. Lo más valioso es que esta práctica ayuda a visibilizar la importancia de la narración y su vínculo con la argumentación y la refutación.
Cabe destacar que la narración es la gran ausente en los textos de argumentación jurídica, a pesar de su relevancia estructural y epistémica. La narrativa no solo contextualiza los hechos, sino que condiciona la interpretación de las pruebas y la construcción de los juicios. Ignorarla equivale a mutilar el proceso argumentativo.
La inteligencia artificial puede analizar textos jurídicos aplicando las etapas clásicas de la retórica y respondiendo a preguntas específicas que guían la reconstrucción crítica. Por ejemplo, para analizar el texto Cinco minutos de filosofía de Gustav Radbruch, se pueden utilizar prompts como:

1. ¿Qué pretensiones propone el autor?
2. ¿Qué historia plantea de manera implícita?, muéstralo en un cuadro siguiendo las pautas de Adam: situación inicial, complicación, desenlace, situación final, evaluación
3. Identifica los argumentos usados siguiendo los esquemas argumentativos de Walton y agrega las preguntas críticas en una tabla
4. Muestra el argumento……. (selecciona uno de la respuesta 3) en una tabla conforme el modelo de Toulmin y una refutación
5. Analiza el texto “Cinco minutos de filosofía del derecho” de Gustav Radbruch como un discurso ideológico de justificación post-nazi. Identifica las estrategias discursivas que utiliza para legitimar el abandono del positivismo jurídico y reconstruir la figura del jurista como agente moral. Aplica el marco de Teun van Dijk sobre ideología, legitimación y polarización discursiva.
6. Evalúa críticamente si el texto de Radbruch logra abandonar el positivismo jurídico o si simplemente lo disfraza con una retórica de principios. ¿Qué condiciones teóricas e institucionales serían necesarias para que el giro hacia el derecho natural sea más que una declaración? Usa ejemplos del texto y contrástalos con teorías contemporáneas de interpretación jurídica.

Lo importante es que se desarrollen las sub preguntas críticas y se inspiren en lo mejor del conocimiento existente. Con el mismo procedimiento se pueden evaluar sentencias, disposiciones fiscales, demandas, debates orales.

4.2. El epiquerema

La IA hace epiqueremas con comodidad. Antes de que el silogismo judicial se impusiera como modelo dominante, se enseñaba a construir y refutar epiqueremas —también conocido como silogismo de cinco pasos— diseñado específicamente para el diálogo forense. Aristóteles no lo menciona en la Retórica porque se trata de un desarrollo posterior. Parece que los sofistas utilizaban el silogismo de tres pasos sin exigencia probatoria, mientras que los estoicos introdujeron la obligación de acompañar cada premisa con una prueba. Como señala Fredal (2020, p. 30): “El ‘epicheireme’ en cinco partes se convirtió en la unidad básica del argumento.”

Este modelo fue desarrollado desde el siglo III a. C. hasta aproximadamente 1800, en contextos de argumentación adversarial, tanto oral como escrita. Trasmitida a través de la obra de Cicerón y Quintilliano, fue la unidad básica de la argumentación jurídica antes de que la retórica fuera desprestigiada por los ilustrados y racionalistas². A pesar de ese desprestigio, el epiquerema sobrevivió en el ámbito anglosajón como técnica de redacción y defensa, bajo nombres como extended argument, illustrative reasoning o supported premise. Cicerón describió sus partes detalladamente:

1. La proposición, que expone brevemente la idea central.
2. Su demostración, que hace creíble la premisa mayor mediante pruebas.
3. La premisa menor, que introduce el punto a demostrar.
4. La prueba de la premisa menor.
5. La conclusión, que resume lo deducido.” (1997, p. 165) Adaptación nuestra.

Aplicado al ejemplo de Atienza, la IA genero este epiquerema:

La razón para preferir este modelo, fue que impide el ingreso argumentos sin prueba o poco razonables y permite ejercer el derecho de defensa. La IA también permite comparar entre silogismos y epiqueremas.

4.3. El Modelo de Toulmin:

Stephen Toulmin propuso un modelo de argumentación cuyo uso se ha extendido notablemente debido a su utilidad, considero que incluso más allá de lo que autor imaginó:

1. Muestra que el contraargumento es parte del argumento.
2. El argumento es un diálogo de evaluación guiado por preguntas críticas.
3. El argumento redactado en prosa suprime elementos importantes y puede provocar un asentimiento sin evaluación crítica.
4. El argumento se debe graficar, pues así se perciben relaciones que pueden pasar desapercibidas o vacíos.
5. El argumento depende de componentes extralingüísticos y discursivos.
6. Resuelve el problema de representar la absolución como resultado de una refutación exitosa en un contexto de diálogo crítico. El modelo se desarrolla así: primero graficando el argumento, luego analizándolo como un diálogo y finalmente llevarlo a una prosa prudente que no oculte las refutaciones. Si bien la IA no hace dibujos según el Modelo de Toulmin, si hace tablas, aquí mostremos una hecha sobre el ejemplo de Atienza:

Luego le pedimos trasladar a un dialogo critico:

Esto abre las posibilidades aun análisis más profundo del caso. He dejado sin atender el modelo de Esquemas de Argumentación de Walton, los Mapas de Argumentos que considero son actualmente indispensables. Las posibilidades son amplias pues la IA permite vencer con rapidez obstáculos que impiden entender modelos diferentes a los usados actualmente y hacer revisiones criticas profundas que son tediosas para los humanos. También crea modelos “corregidos” de texto para comparar con los textos bajo análisis.

Bibliografía

Atienza, M. (2013). Curso de argumentación jurídica.Trotta.
Alexy, R. (1997). Teoría de la argumentación jurídica: la teoría del discurso racional como teoría de la fundamentación jurídica. Centro de Estudios Constitucionales.
Beccaria, C. (1993). Tratado de los delitos y de las penas. Heliasta.
Cicero n, M. (1997). La invención retórica. Gredos.
Engisch, K. (1943). Logische Studien zur Gesetzesanwendung. Winter
Kahneman, D. (2015). Pensar rápido, pensar despacio. Penguin Random House. 2da reimpresio n de la primera edicio n de 2014.
Kahneman, D., Sibony, O. y Sunstein, C. (2021). Ruido: un fallo en el juicio humano. Random House Debate.
Lell, M. (2025) “El silogismo jurí dico en la interpretacio n del derecho. Fortalezas y limitaciones”. En Busdygan, D. (2025) Para todo x: Itinerarios filoso ficos, jurí dicos y educativos de la Lo gica. Universidad de la Plata. pp. 295-330
Ureta, J. (2012). Técnicas de argumentación para la litigación oral y escrita. Ediciones Legales.
Ureta, J (2025) Argumentar es comparar. Escuela de Estrategia, argumentacio n e IA.
Ter Berg, T., Van Gelder, T., Patterson, F. y Teppema, S. (2025). Pensamiento crítico: Razonamiento y comunicación con Rationale. Escuela deEstrategia, Argumentacio n e Inteligencia Artificial.
Toulmin, S., Rieke, T. y Janik, A. (2018). Una introducción al razonamiento. Palestra.

Referencias

1. Ponencia presentada en el III Congreso sobre Enseñanza del Derecho: Reflexión y aporte desde las
   regiones, organizado por Universidad Católica de Santa María de Arequipa – Perú, la Facultad de Ciencias Jurídicas y Políticas y el Instituto Víctor Andrés Belaunde Diez – Canseco, Arequipa-Octubre 2025. ↩︎
2. Por ejemplo, en el manual de retórica para estudiantes de derecho de John Quincy Adams (1767–1848), profesor en Harvard y futuro presidente de Estados Unidos, publicado en 1810, el epiquerema se presenta como pieza fundamental del raciocinio jurídico: “El epiquerema, sin embargo, es la forma en que las partes esenciales del silogismo pueden aplicarse con eficacia para el discurso público. Un silogismo, como ustedes saben, consta de tres proposiciones […] Y estas proposiciones pertenecen por igual al epiquerema […] Si ambas premisas requieren prueba, el epiquerema constará de cinco partes.” (Adams, 1810, p. 38) ↩︎

⚖️ Ver página del curso