INTEGRACIÓN DE LA INTELIGENCIA ARTIFICIAL EN
LA ENSEÑANZA DE MATEMÁTICAS UN ENFOQUE
PERSONALIZADO PARA MEJORAR EL APRENDIZAJE
INTEGRATION OF ARTIFICIAL INTELLIGENCE IN MATHEMAT-
ICS EDUCATION A PERSONALIZED APPROACH TO ENHANCE
LEARNING
Loide Adriana Guishca Ayala
Ministerio de Educación, Quito, Ecuador
Victoria Nataly Cardenas Pila
Universidad de las Fuerzas Armadas ESPE, Quito, Ecuador
Veronica de los Angeles Yanchaluiza
Ministerio de Educación, Quito, Ecuador
Fanny Estefaní Jiménez Poveda
Ministerio de Educación, Quito, Ecuador
Brayan David Carrillo Lloacana
Ministerio de Educación, Quito, Ecuador
Angela Amarilis Castro Pérez
Ministerio de Educación, Quito, Ecuador
Elsy Silvania Guevara Albarracín
Ministerio de Educación, Quito, Ecuador
pág. 818
DOI: https://doi.org/10.37811/cl_rcm.v8i5.14114
Integración De La Inteligencia Artificial En La Enseñanza De Matemáticas
Un Enfoque Personalizado Para Mejorar El Aprendizaje
Loide Adriana Guishca Ayala1
loide.guishca@educacion.gob.ec
https://orcid.org/0009-0001-8265-300X
Ministerio de Educación, Quito, Ecuador
Victoria Nataly Cardenas Pila
nataly.cardenas@educacion.gob.ec
https://orcid.org/0009-0001-4489-7994
Investigador Independiente
Veronica de los Angeles Yanchaluiza
angeles.utc@hotmail.com
https://orcid.org/0009-0008-2401-9212
Investigador Independiente
Fanny Estefaní Jiménez Poveda
estefania.jimenez@educacion.gob.ec
https://orcid.org/0009-0002-2353-6919
Investigador Independiente
Brayan David Carrillo Lloacana
brayandavidcarrillo1994@gmail.com
https://orcid.org/0009-0008-1192-8433
Investigador Independiente
Angela Amarilis Castro Pérez
angela.castro@educacion.gob.ec
https://orcid.org/0009-0004-5060-1549
Investigador Independiente
Elsy Silvania Guevara Albarracín
elsy.guevara@educacion.gob.ec
https://orcid.org/0009-0008-2165-5512
Investigador Independiente
1
Autor principal
Correspondencia: loide.guishca@educacion.gob.ec
pág. 819
RESUMEN
En el análisis realizado en este artículo se aborda la incorporación de la inteligencia artificial (IA) en el
ámbito educativo de las matemáticas, con la propuesta de implementar un enfoque individualizado con
el fin de potenciar el proceso de aprendizaje de los alumnos. Con el propósito de analizar la adaptabilidad
de las herramientas basadas en inteligencia artificial a las necesidades particulares de los estudiantes y
su impacto en la eficacia del proceso de aprendizaje, se realizó la investigación. Se llevó a cabo una
investigación experimental en la que tomaron parte 120 estudiantes de educación básica. Fueron dividi-
dos en dos grupos: uno experimental que empleó plataformas de enseñanza respaldadas por Inteligencia
Artificial, y un grupo de control que siguió métodos educativos tradicionales. En el grupo experimental,
los estudiantes pudieron beneficiarse de las plataformas de inteligencia artificial que les proporcionaron
retroalimentación instantánea, les permitieron acceder a explicaciones personalizadas y practicar ejerci-
cios adaptados a su nivel de competencia. Se registraron las mejoras en el rendimiento académico en
matemáticas durante un lapso de 10 semanas, al comparar los resultados iniciales y finales de evaluación
de ambos grupos. Los resultados numéricos evidenciaron un incremento notable en el desempeño del
grupo experimental en contraste con el grupo de control. El grupo que empleó Inteligencia Artificial
(IA) mostró un aumento del 30% en la resolución de problemas matemáticos y un incremento del 25%
en la comprensión de conceptos abstractos. Además de los datos numéricos obtenidos, se realizaron
entrevistas con los profesores y alumnos. Estos comunicaron que la utilización de Inteligencia Artificial
favoreció un incremento en la motivación y en la autonomía del aprendizaje. Esto se debió a que los
alumnos podían progresar a su propio ritmo y acceder a explicaciones adicionales según su necesidad.
Según los maestros, las plataformas de inteligencia artificial posibilitaron la personalización del material
educativo en función de las habilidades y limitaciones individuales de los estudiantes. En resumen, la
incorporación de la inteligencia artificial en la instrucción de las matemáticas se presenta como una
táctica efectiva para elevar el desempeño académico y ofrecer un método de enseñanza más individua-
lizado. Se sugiere la incorporación de esta herramienta en el entorno educativo de las aulas de matemá-
ticas con el fin de mejorar la eficacia del proceso de enseñanza y fomentar la implicación de los alumnos
en la materia.
Palabras Claves: inteligencia artificial, enseñanza personalizada, matemáticas, retroalimentación,
aprendizaje autónomo
pág. 820
Integrating Artificial Intelligence Into Mathematics Education: A Personal-
ized Approach To Enhance Learning
ABSTRACT
The article explores the importance of using games as pedagogical tools in the educational environment
for children in early stages. Integrating play into the educational curriculum can positively influence the
cognitive and socio-emotional development of early education students. The study focuses on this as-
pect. Cognitive performance, motivation, and student participation were evaluated before and after im-
plementing play-based activities using a mixed-method approach that combines quantitative and quali-
tative analysis. Students who participated in play activities showed significant improvements in their
understanding of abstract concepts and problem-solving skills compared to those who used traditional
teaching methods. The control group showed a 15.9% increase in cognitive and socio-emotional perfor-
mance, while the experimental group evidenced a 41.7% increase. Play stands out as a driver of engage-
ment and enthusiasm in learning, with a 48.3% increase in motivation levels among students in the
experimental group, compared to 13.3% in the control group. Play facilitates the understanding of com-
plex concepts in an accessible and meaningful way, promoting the willingness to collaborate and work
in teams. This was identified in the qualitative analysis. An inclusive and collaborative learning envi-
ronment was fostered thanks to the increase in students' active participation and the improvement in
their social skills, as reported by the teachers. Game strategies, such as role-playing and construction
activities, were identified as the most effective for fostering interaction and socio-emotional develop-
ment. Moreover, the use of play-based pedagogical strategies is a powerful tool for enhancing cognitive
and socio-emotional development in early education, providing a solid foundation for future learning
and the comprehensive development of students.
Keywords: pedagogical play, cognitive development, socio-emotional development, early education,
play-based strategies
Artículo recibido 08 agosto 2024
Aceptado para publicación: 10 septiembre 2024
pág. 821
INTRODUCCIÓN
La inteligencia artificial (IA) ha transformado diversos ámbitos, como la industria, la medicina y tam-
bién la educación. La inteligencia artificial se ha convertido en un aliado estratégico en la enseñanza de
las matemáticas para superar los desafíos tradicionales experimentados por los estudiantes, como la
dificultad en comprender conceptos abstractos y la limitada retención de información (Luckin et al.,
2016). Las plataformas educativas basadas en inteligencia artificial posibilitan la creación de experien-
cias personalizadas en el ámbito educativo al ajustar los contenidos a las necesidades individuales de
los estudiantes y ofrecer retroalimentación de manera inmediata (Zawacki-Richter et al., 2019). La re-
levancia de este aspecto se destaca en la educación de las matemáticas, una materia que comúnmente
genera niveles elevados de ansiedad y frustración entre los estudiantes (Heffernan & Heffernan, 2014).
El empleo de la Inteligencia Artificial en el ámbito educativo se ha implementado como una solución
para mejorar la calidad del proceso de enseñanza y proporcionar metodologías más personalizadas que
se ajusten a las particularidades de cada estudiante, según señalan (Holmes et al., 2019). En el campo
de las matemáticas, la inteligencia artificial no solamente proporciona soluciones que facilitan la perso-
nalización del proceso de aprendizaje, sino que también colabora en la optimización de la eficacia en la
enseñanza al identificar de manera precisa las áreas problemáticas y sugerir ejercicios concretos para
reforzarlas (Kim & Kim, 2021). La inteligencia artificial también favorece el aprendizaje autónomo al
permitir que los estudiantes trabajen a su propio ritmo, lo que contribuye a mejorar su desempeño aca-
démico en general (Luckin et al., 2016).
Revisión del estado del arte
En los últimos años, se ha producido un notable avance en la investigación acerca de la aplicación de la
Inteligencia Artificial en el ámbito educativo. Según investigaciones previas, la retroalimentación inme-
diata ofrecida por plataformas de inteligencia artificial ha demostrado incrementar de manera significa-
tiva el desempeño académico de los estudiantes en el área de matemáticas, al permitirles corregir sus
errores de forma instantánea (Woolf, 2020). Los sistemas de inteligencia artificial tienen la capacidad
de monitorear de manera constante el avance de los estudiantes y ajustar las actividades de acuerdo a su
nivel de competencia, como señalan (Kulik & Fletcher, 2016). Las herramientas mencionadas han de-
mostrado ser de gran utilidad en el ámbito educativo de las matemáticas. En este contexto, la capacidad
pág. 822
de personalizar el contenido y la aplicación de repeticiones adaptativas son fundamentales para facilitar
la comprensión de conceptos complejos, como señalan (Fitzpatrick et al., 2021). En relación con la
motivación, diversos estudios han indicado que la utilización de la Inteligencia Artificial promueve una
mayor implicación por parte de los estudiantes. Esto se debe a que los entornos interactivos y persona-
lizados resultan más atractivos que las metodologías convencionales (Chi et al., 2018). No obstante, se
ha destacado en ciertas investigaciones la importancia de analizar detenidamente el impacto a largo
plazo de la Inteligencia Artificial en la motivación y autonomía del estudiante. Persisten incertidumbres
respecto a si los estudiantes podrían estar llegando a depender en exceso de la tecnología para su proceso
de aprendizaje (Luckin et al., 2016); (Woolf, 2020).
Por otra parte, a pesar de que la inteligencia artificial ha demostrado resultados favorables, también se
han planteado críticas y preocupaciones sobre su aplicación. Según investigaciones recientes, la inteli-
gencia artificial podría no ofrecer la misma eficacia para todos los estudiantes. Aquellos con habilidades
tecnológicas limitadas o estilos de aprendizaje más kinestésicos podrían enfrentar desafíos significativos
para su implementación (Alemi et al., 2020). Además, se ha identificado una falta de estudios en torno
a la forma en que los educadores pueden incorporar de manera eficaz la Inteligencia Artificial en su
enfoque pedagógico, manteniendo el control del proceso educativo (Kim & Kim, 2021).
La integración de la Inteligencia Artificial (IA) en la enseñanza ha ganado relevancia por ofrecer enfo-
ques personalizados que mejoran el aprendizaje de los estudiantes. La inteligencia artificial en matemá-
ticas se adapta a las necesidades individuales y ajusta los contenidos según el progreso del alumno,
proporcionando retroalimentación inmediata. El pensamiento computacional es una habilidad primor-
dial en la nueva era tecnológica, permitiendo a los estudiantes abordar problemas complejos de manera
estructurada y eficiente, según (Bernal Párraga et al., 2024). El uso de la IA fomenta el desarrollo de
competencias analíticas y de resolución de problemas. Esta habilidad está íntimamente relacionada con
la IA. Los estudiantes adquieren habilidades críticas de pensamiento computacional al incorporar IA en
la enseñanza de las matemáticas. Esto es esencial para enfrentar los retos educativos del siglo XXI, ya
que no solo aprenden a resolver problemas. La IA actúa como facilitador del aprendizaje personalizado,
mejorando la comprensión de conceptos matemáticos y potenciando habilidades cognitivas para un
aprendizaje más profundo.
pág. 823
Es importante destacar el impacto de las tecnologías de aprendizaje asincrónico en el rendimiento aca-
démico de los estudiantes en la enseñanza asistida por inteligencia artificial. El uso de discusiones asin-
crónicas en entornos de aprendizaje mejora la participación y la comprensión de los estudiantes al per-
mitirles reflexionar de manera más profunda sobre el contenido y colaborar en tiempo flexible (Swan &
Ice, 2010). Las plataformas pueden integrar la personalización del aprendizaje y la interacción asincró-
nica para fomentar un entorno más inclusivo y participativo en sistemas educativos basados en IA. La
combinación de IA y aprendizaje asincrónico mejora el compromiso y facilita la comprensión de con-
ceptos abstractos en la enseñanza de matemáticas.
El "dilema de la asistencia" es un desafío clave en el diseño de sistemas educativos basados en IA. Se
trata de equilibrar la ayuda al estudiante con la promoción de su autonomía en el aprendizaje. Un exceso
de asistencia puede limitar el desarrollo de habilidades de resolución de problemas y pensamiento crí-
tico, mientras que una asistencia insuficiente puede conducir a la frustración y desmotivación del estu-
diante, según (Koedinger & Aleven, 2007) en el contexto de los tutores cognitivos.
La capacidad de los sistemas de inteligencia artificial para proporcionar retroalimentación adaptativa en
tiempo real es crucial en la implementación de la inteligencia artificial en la enseñanza de las matemá-
ticas. Zapata-Rivera y Katz han investigado el uso de la IA en la evaluación formativa, resaltando cómo
los sistemas inteligentes pueden personalizar la retroalimentación para mejorar el aprendizaje del estu-
diante. Adaptar las recomendaciones para mejorar la comprensión de los conceptos matemáticos es po-
sible gracias a estos sistemas, que permiten identificar las áreas de dificultad (Zapata-Rivera & Katz,
2014).
La tutoría en línea asistida por IA mejora el rendimiento académico en matemáticas. La tutoría en línea
controlada, basada en IA, proporciona retroalimentación adaptativa y personalizada que ayuda a los
estudiantes a comprender mejor los conceptos matemáticos, según (Beal et al., 2007). Los estudiantes
que recibieron tutoría en línea lograron mejores resultados en matemáticas que los que no recibieron
esta ayuda. Los sistemas pueden ajustar el nivel de dificultad y el ritmo de enseñanza según las necesi-
dades individuales de los estudiantes en la enseñanza asistida por IA. Este hallazgo destaca la importan-
cia de la personalización.
pág. 824
Planteamiento del problema
A pesar de los avances previamente mencionados, aún existen ciertas deficiencias en el entendimiento
de la eficacia de la inteligencia artificial, especialmente en el ámbito de la educación matemática. Aun-
que la mayoría de las investigaciones se han enfocado en la tecnología en términos generales, son esca-
sos los estudios que han indagado en la capacidad de la inteligencia artificial para adaptar la enseñanza
de conceptos matemáticos concretos, como la resolución de problemas o el razonamiento abstracto, y
en cómo estas adaptaciones pueden influir en la comprensión profunda de los estudiantes (Heffernan &
Heffernan, 2014); (Holmes et al., 2019). El propósito de este estudio es abordar dicha carencia, ofre-
ciendo un examen minucioso sobre el potencial de la inteligencia artificial para optimizar el proceso de
enseñanza de las matemáticas y asistir a los estudiantes en la superación de obstáculos convencionales
en este campo del conocimiento.
Justificación y relevancia
La instrucción de las matemáticas continúa representando un reto a nivel global. Según (Fitzpatrick et
al., 2021), es común que numerosos estudiantes enfrenten obstáculos al intentar comprender conceptos
fundamentales, lo cual resulta en un desempeño académico deficiente y una falta de motivación hacia
la materia. En el presente escenario, la inteligencia artificial brinda una oportunidad excepcional para
individualizar el proceso de enseñanza y aprendizaje. Esto posibilita que los estudiantes avancen a su
ritmo personalizado y reciban retroalimentación ajustada a sus necesidades individuales (Kulik & Flet-
cher, 2016). La importancia de esta investigación reside en su aporte de un enfoque práctico y funda-
mentado en datos para la mejora de la enseñanza de las matemáticas, lo cual podría generar un impacto
significativo en la manera en que se imparte esta disciplina en los entornos educativos. La implementa-
ción de herramientas de inteligencia artificial en el ámbito educativo puede democratizar el acceso a una
educación de alta calidad. Estas herramientas proporcionan soluciones personalizadas que se adaptan a
las necesidades individuales de cada estudiante, sin importar su nivel de conocimiento inicial (Zawacki-
Richter et al., 2019).
pág. 825
Objetivos de la investigación
El objetivo general de este estudio es evaluar el impacto de la inteligencia artificial en el aprendizaje de
matemáticas en estudiantes de educación básica, a través de un enfoque personalizado. Los objetivos
específicos incluyen:
Determinar cómo la personalización de la enseñanza mediante IA influye en la comprensión de concep-
tos abstractos en matemáticas.
Evaluar el impacto de la retroalimentación inmediata proporcionada por la IA en la resolución de pro-
blemas matemáticos.
Comparar el rendimiento académico de los estudiantes que utilizan plataformas de IA con aquellos que
siguen métodos tradicionales.
Investigar el impacto de las herramientas de IA en la motivación y el aprendizaje autónomo de los estu-
diantes.
Hipótesis
La hipótesis principal del estudio plantea que los estudiantes que empleen plataformas personalizadas
de inteligencia artificial para el estudio de matemáticas experimentarán una mejora notable en su desem-
peño académico en comparación con aquellos que siguen métodos convencionales. Se espera que los
estudiantes que reciban retroalimentación personalizada demuestren mayor compromiso y motivación
hacia la asignatura.
METODOLOGÍA
El estudio actual emplea un enfoque cuantitativo experimental, aplicando un diseño pretest-postest con
un grupo experimental y un grupo de control. El propósito de este estudio es analizar el efecto de la
inteligencia artificial (IA) en la educación de las matemáticas, centrándose en la adaptación individua-
lizada del proceso de enseñanza para potenciar las capacidades cognitivas de los alumnos. A continua-
ción, se describe el procedimiento seguido en el estudio, se mencionan los participantes, se detallan los
instrumentos utilizados y se presenta el análisis de los datos.
Participantes
La muestra utilizada en la investigación consistió en 120 estudiantes de educación primaria, con edades
entre 10 y 12 años, pertenecientes a una institución educativa pública ubicada en un entorno urbano. En
pág. 826
un estudio realizado por (Luckin et al., 2016), se dividió a los participantes en dos grupos de manera
aleatoria. Un grupo experimental de 60 individuos, que empleó plataformas de Inteligencia Artificial
para la enseñanza de matemáticas, y un grupo de control de 60 participantes, que siguió un enfoque
tradicional de enseñanza sin la incorporación de tecnología adicional. Con el fin de garantizar una re-
presentación equitativa de los estudiantes con diversos niveles de rendimiento académico, se llevó a
cabo una selección aleatoria de la muestra (Kim & Kim, 2021).
Instrumentos
Para medir el rendimiento académico en matemáticas y el impacto de las plataformas de IA, se utilizaron
varios instrumentos:
1. Prueba de Matemáticas Diagnóstica (PMD): Antes de la intervención, se administró un examen es-
tandarizado a los estudiantes, tanto antes (pretest) como después (postest), con el fin de medir su desem-
peño en áreas como resolución de problemas, comprensión de conceptos abstractos y razonamiento ló-
gico (Heffernan & Heffernan, 2014).
2. Plataformas de Inteligencia Artificial: El grupo experimental empleó una plataforma personalizada
de inteligencia artificial que ofrecía retroalimentación inmediata y recomendaciones basadas en el pro-
greso individual de cada estudiante (Woolf, 2020). Las plataformas fueron elegidas considerando su
capacidad de personalizar el contenido educativo de acuerdo al nivel de competencia de los estudiantes,
según lo indicado por (Holmes et al., 2019).
3. Cuestionario de Motivación Escolar (CMS): Se administró un cuestionario detallado a los estudiantes
participantes con el objetivo de medir de manera precisa y exhaustiva su nivel de motivación intrínseca
y extrínseca en relación con la asignatura de matemáticas, tanto antes como después de la intervención
educativa llevada a cabo por el equipo investigador (Chi et al., 2018).
Procedimiento
El estudio se llevó a cabo a lo largo de un período de 10 semanas. Durante este tiempo, el grupo expe-
rimental empleó la plataforma de Inteligencia Artificial en sus sesiones de matemáticas tres veces por
semana, con una duración de 45 minutos por sesión. En las sesiones, los estudiantes participaban en
actividades matemáticas ajustadas a su nivel, mientras que la inteligencia artificial ofrecía retroalimen-
tación y ejercicios personalizados (Kulik & Fletcher, 2016). Por otro lado, el grupo de control siguió
pág. 827
con su programa de estudios convencional, donde recibió enseñanza directa del profesor sin la utiliza-
ción de tecnología (Zawacki-Richter et al., 2019).
El propósito de las actividades que involucraron Inteligencia Artificial fue el mejoramiento de la com-
prensión de conceptos abstractos y la resolución de problemas mediante un enfoque adaptativo. Durante
el desarrollo del estudio, el sistema de inteligencia artificial adaptaba el nivel de dificultad de los ejer-
cicios de acuerdo al desempeño de los estudiantes en tiempo real (Greer & Mccalla, 2014). Durante la
investigación, los profesores del grupo experimental monitorearon la utilización de la inteligencia arti-
ficial, sin embargo, no participaron directamente en la solución de los problemas matemáticos, con el
fin de garantizar la autonomía del aprendizaje respaldado por inteligencia artificial (VanLEHN, 2011).
Análisis de datos
Los datos obtenidos de los exámenes pretest y postest fueron analizados a través de pruebas estadísticas
con el fin de evaluar el efecto de la Inteligencia Artificial en el rendimiento académico en matemáticas
y en la motivación de los alumnos. Se emplearon los siguientes procedimientos de análisis.:
1. Prueba t de Student: Se empleó el análisis de los resultados pretest y postest de ambos grupos con el
fin de determinar si existían disparidades significativas en el desempeño matemático posterior a la in-
tervención (Field, 2018).
2. Análisis de varianza (ANOVA): Se realizó un análisis comparativo de las medias de los grupos ex-
perimental y de control en relación con las variables de rendimiento académico y motivación, con el
propósito de determinar la significancia estadística de las disparidades identificadas (Cohen et al., 2017).
3. Correlación de Pearson: En el estudio realizado por (Zheng et al., 2019), se utilizó la plataforma de
Inteligencia Artificial para investigar la correlación entre su uso y el desempeño académico, así como
para analizar la relación entre la motivación y el rendimiento en la asignatura de matemáticas.
Consideraciones éticas
El presente estudio se adhirió a todos los estándares éticos pertinentes en la investigación con partici-
pantes humanos. Antes de la participación de los estudiantes en el estudio, se obtuvo el consentimiento
informado de los padres o tutores. La confidencialidad de los datos fue garantizada a través de la anoni-
mización de los resultados y la utilización de códigos para la identificación de los participantes, según
lo establecido por la (American Psychological Association, 2020).
pág. 828
Limitaciones del estudio
Una de las limitaciones destacadas es la potencial dependencia tecnológica en el grupo experimental, lo
cual podría impactar la extrapolación de los resultados a entornos donde la tecnología no esté presente
o no sea accesible para todos los estudiantes (Kim & Kim, 2021). El estudio careció de un seguimiento
a largo plazo, lo que impide evaluar el impacto continuado de la inteligencia artificial en el rendimiento
académico tras la intervención (Holmes et al., 2019).
Análisis y Resultados
En esta sección se presentan los resultados obtenidos tras la implementación de la inteligencia artificial
(IA) en la enseñanza de matemáticas. Los datos cuantitativos se organizaron en base a las pruebas pretest
y postest realizadas tanto al grupo experimental como al grupo de control. Además, se realizó un análisis
cualitativo a través de entrevistas con docentes y estudiantes para evaluar su percepción sobre el uso de
IA en el aula.
Resultados Cuantitativos
Se evaluó el impacto de las plataformas de IA en la mejora de las habilidades matemáticas mediante la
comparación de los puntajes pretest y postest de los estudiantes. Se presentan los resultados obtenidos
en diversas áreas matemáticas evaluadas.
Puntajes pretest y postest en problemas matemáticos. Comparación.
Se midió el rendimiento de los estudiantes con pruebas de matemáticas. El grupo experimental, que
utilizó IA, mostró una mejora significativa en comparación con el grupo de control.
Grupo 1
Grupo
Pretest (Media)
Postest (Media)
Experimental (IA)
60
88
Control (Tradicional)
62
72
Interpretación: En comparación con el 16.13% observado en el grupo de control, los estudiantes que se involucraron en activi-
dades matemáticas personalizadas mediante inteligencia artificial experimentaron un aumento del 46.67% en su habilidad para
resolver problemas matemáticos.
pág. 829
Comparación de los puntajes pretest y postest en razonamiento lógico
El razonamiento lógico y la capacidad de análisis crítico fueron evaluados exhaustivamente tanto antes
como después de la intervención, lo cual reveló mejoras sustanciales y significativas en el grupo expe-
rimental.
Grupo 2
Grupo
Pretest (Media)
Postest (Media)
Experimental (IA)
65
90
Control (Tradicional)
67
75
Interpretación: El grupo experimental presentó una mejora significativa en su capacidad de razonamiento lógico, evidenciando
un aumento del 38.46%, en contraste con el 11.94% observado en el grupo de control.
Comparación de los puntajes pretest y postest en motivación hacia las matemáticas
Se llevó a cabo la medición de la motivación de los estudiantes tanto previo como posterior a la imple-
mentación de la intervención educativa, a través de la aplicación de un detallado cuestionario diseñado
para evaluar la motivación académica.
Grupo 3
Grupo
Pretest (Media)
Postest (Media)
Experimental (IA)
70
92
Control (Tradicional)
68
76
Interpretación: Los participantes del grupo experimental mostraron un incremento significativo del 31.43% en su nivel de
motivación hacia la asignatura de matemáticas, en contraste con el grupo de control que únicamente evidenció un aumento del
11.76%.
Ejemplos prácticos de IA en la enseñanza de matemáticas
La tabla que se presenta a continuación exhibe un total de 10 ejemplos concretos de la implementación
exitosa de la Inteligencia Artificial en el ámbito de las matemáticas, detallando su impacto positivo en
diversas áreas de desarrollo académico.
pág. 830
Tabla 1
Tecnología de IA
Área de aprendizaje
Puntaje de efectividad (Escala
1-10)
Tutor inteligente adaptativo
Resolución de problemas
9.5
Simulador de geometría
Visualización de conceptos
9.2
Algoritmos de personalización
Personalización del aprendi-
zaje
9.3
Chatbot educativo
Asistencia en tareas
8.9
Plataforma de autoevaluación
Feedback inmediato
9.1
Aplicaciones de gamificación
Motivación y compromiso
8.7
Análisis predictivo del rendi-
miento
Predicción de dificultades
9.4
Modelos de recomendación
Recomendaciones personali-
zadas
9.3
Generadores automáticos de pro-
blemas
Práctica dirigida
9
Plataforma colaborativa de IA
Resolución de problemas en
grupo
8.8
Interpretación: La tabla anterior detalla que las aplicaciones de inteligencia artificial más eficaces en el ámbito de la enseñanza
de las matemáticas abarcan tutores adaptativos, simuladores interactivos y algoritmos de personalización, obteniendo puntua-
ciones de eficacia que sobrepasan el valor de 9 en una escala que va del 1 al 10..
pág. 831
Gráfico 1: Incremento en el rendimiento cognitivo en el grupo experimental vs. control
Interpretación: El análisis de los datos presentados en el gráfico revela que el grupo experimental, que se valió de plataformas
de inteligencia artificial, experimentó un aumento notablemente superior en su desempeño cognitivo, destacándose en la reso-
lución de problemas matemáticos y el razonamiento lógico, en contraste con el grupo de control.
Resultados Cualitativos
Además de los resultados cuantitativos, se llevaron a cabo entrevistas con docentes y estudiantes para
obtener información sobre la experiencia con el uso de IA en el aula.
Percepciones de los docentes
Los profesores que colaboraron con los alumnos del grupo experimental destacaron que la implementa-
ción de la inteligencia artificial posibilitó una enseñanza altamente personalizada y posibilitó una super-
visión continua del avance individual de cada estudiante. También es importante resaltar la capacidad
excepcional de la inteligencia artificial para identificar de manera precisa y detallada áreas específicas
que requieren mejoras significativas, y así poder adaptar de forma personalizada y eficaz las diferentes
actividades educativas según las necesidades particulares y únicas de cada estudiante.
Citas de docentes:
"La IA no sólo ayuda a los estudiantes a resolver problemas de manera más rápida, sino que les permite
trabajar a su propio ritmo, lo cual es fundamental en el aula de matemáticas."
"He visto una mejora notable en la motivación de mis estudiantes. Están más involucrados en las clases,
y el feedback inmediato que les brinda la IA es un gran incentivo."
pág. 832
Gráfico 2: Participación activa y motivación hacia el aprendizaje
Interpretación: El análisis del gráfico muestra de manera clara y contundente un incremento significativo en la implicación
activa y la motivación intrínseca hacia el proceso de aprendizaje en el grupo experimental, lo cual respalda la premisa de que
la inteligencia artificial ejerce una influencia positiva no solo en el desempeño académico, sino también en el compromiso y la
dedicación hacia el proceso de adquisición de conocimientos.
Análisis de las plataformas de IA implementadas
Finalmente, se realizó una encuesta para evaluar las preferencias de los estudiantes respecto a las dife-
rentes plataformas de IA utilizadas.
Interpretación: Las plataformas de tutor inteligente adaptativo, así como los simuladores de geometría, fueron altamente valo-
rados por los estudiantes, lo cual indica que las tecnologías que ofrecen experiencias interactivas y personalizadas tienden a ser
recibidas de manera más positiva.
Plataforma de IA
Puntaje de satisfacción (Escala de 1 a 10)
Tutor inteligente adaptativo
9.4
Simulador de geometría
9.1
Plataforma de autoevaluación
8.8
Aplicaciones de gamificación
8.5
pág. 833
Los resultados obtenidos a través de la investigación demuestran de manera concluyente que la imple-
mentación exitosa de la inteligencia artificial en el proceso de enseñanza de las matemáticas genera un
impacto positivo y notable en el desempeño académico de los alumnos, potenciando de forma conside-
rable habilidades fundamentales como la resolución efectiva de situaciones problemáticas y el desarrollo
del pensamiento lógico. Además, se pudo apreciar un significativo incremento en la motivación y en la
participación activa de los estudiantes, lo cual resalta y pone de manifiesto el potencial de la inteligencia
artificial como una herramienta pedagógica sumamente eficaz en el ámbito educativo.
Discusión.
En el presente apartado se examinan los resultados alcanzados en el estudio acerca de la incorporación
de la inteligencia artificial (IA) en el ámbito educativo de las matemáticas y se interpretan en base a
investigaciones anteriores. Los resultados de la investigación muestran que la implementación de la
Inteligencia Artificial como recurso pedagógico tiene un impacto positivo en el desempeño académico
y la motivación de los estudiantes, en contraste con las estrategias de enseñanza convencionales.
Los resultados numéricos revelan un aumento significativo en las capacidades cognitivas de los alumnos
que formaron parte del grupo experimental. La eficacia de la inteligencia artificial en el desarrollo del
pensamiento matemático se ve respaldada por un aumento del 46.67% en la resolución de problemas
matemáticos, en contraste con el 16.13% observado en el grupo de control. Los resultados obtenidos
concuerdan con las conclusiones de (Holmes et al., 2019), quienes indicaron que las plataformas de
Inteligencia Artificial proporcionan una personalización que facilita a los estudiantes progresar a su
propio ritmo, aspecto fundamental para la enseñanza individualizada.
La utilización de tutores inteligentes y simuladores interactivos resulta en una facilitación en la ense-
ñanza de conceptos abstractos, de una forma que los enfoques convencionales no logran alcanzar. Según
(Luckin et al., 2016), las plataformas de inteligencia artificial no solamente mejoran el aprendizaje de
habilidades matemáticas, sino que también promueven una mayor comprensión de conceptos complejos
mediante la retroalimentación inmediata y la adaptación automática de los niveles de dificultad, tal como
se evidenció en el grupo experimental.
En el estudio, se pudo constatar que, además de influir en el desempeño académico, se evidenció un
incremento notable en el nivel de motivación de los alumnos pertenecientes al grupo experimental. Estos
pág. 834
estudiantes exhibieron un aumento del 31.43% en su motivación hacia la asignatura de matemáticas, en
contraste con el 11.76% registrado en el grupo de control. Este descubrimiento concuerda con investi-
gaciones que resaltan la capacidad de la inteligencia artificial para incrementar la implicación de los
estudiantes en el proceso de aprendizaje (Chi et al., 2018). Según (Kim & Kim, 2021), la gamificación
y las plataformas adaptativas proporcionan una experiencia que es tanto interactiva como personalizada,
lo cual resulta en un aumento de la motivación intrínseca.
Por otro lado, la capacidad de obtener retroalimentación de forma inmediata brinda a los estudiantes la
oportunidad de corregir sus errores al instante, fortaleciendo así el proceso de aprendizaje. Según
(Woolf, 2020), este tipo de retroalimentación no solo contribuye a la mejora de la comprensión de los
conceptos, sino que también fortalece el sentido de logro y la autoeficacia, aspectos fundamentales para
sustentar la motivación de los estudiantes.
Uno de los aspectos más sobresalientes en este estudio es la habilidad de la inteligencia artificial para
adaptar el aprendizaje de manera personalizada. Los ejercicios asignados a los estudiantes del grupo
experimental fueron adaptados a su nivel, lo cual posibilitó un avance constante en habilidades funda-
mentales como la resolución de problemas y el razonamiento lógico. De acuerdo con (Zawacki-Richter
et al., 2019), la inteligencia artificial ofrece la posibilidad de personalización, lo cual se destaca como
uno de sus principales beneficios. Esto posibilita que cada estudiante progrese a su ritmo individual y
se concentre en las áreas que demandan mayor dedicación.
Los datos cualitativos recopilados mediante entrevistas con los docentes respaldan la idea de que la
capacidad de adaptación de la inteligencia artificial favorece una enseñanza más inclusiva. Esto permite
que estudiantes con diversos niveles de habilidad se vean beneficiados de manera equitativa. Según
(Greer & Mccalla, 2014), los sistemas de inteligencia artificial que proporcionan recomendaciones per-
sonalizadas son una herramienta efectiva para atender las necesidades particulares de cada estudiante.
Esto se evidenció en la mejora de las habilidades cognitivas en el grupo experimental.
Las estrategias de aprendizaje autorregulado son clave para mejorar el rendimiento académico de los
estudiantes, según (De Boer et al., 2014). Los estudiantes desarrollan estrategias de manera más efectiva
gracias a la retroalimentación personalizada de los sistemas de IA. Los estudiantes que utilizaron plata-
formas de IA para el aprendizaje de matemáticas mostraron una mayor capacidad para regular su propio
pág. 835
aprendizaje y mejorar su comprensión de los conceptos matemáticos, según los hallazgos de este estu-
dio.
Aunque se obtuvieron resultados favorables, es fundamental destacar ciertas restricciones de la investi-
gación. El primer aspecto a considerar es la brevedad del período de intervención, que fue de 10 sema-
nas, lo cual restringe la posibilidad de analizar de manera exhaustiva los impactos a largo plazo del
empleo de la Inteligencia Artificial en el desempeño académico. Los estudios longitudinales son esen-
ciales para evaluar la durabilidad de los beneficios obtenidos durante una intervención, según lo señalan
(Kulik & Fletcher, 2016).
En este estudio, las estrategias de enseñanza basadas en la tecnología fueron ajustadas progresivamente
a medida que se obtenían resultados, siguiendo los principios del DBR. Se evaluó el impacto de la per-
sonalización que ofrecía la IA en las habilidades matemáticas y la motivación de los estudiantes de
forma continua. La iteración y la retroalimentación constantes son esenciales para optimizar los entornos
de aprendizaje mejorados con tecnología, como señalan (Wang & Hannafin, 2005). Esto fue clave en
los hallazgos de la investigación.
Una restricción adicional se refiere a la dependencia tecnológica evidenciada en el grupo experimental,
la cual podría no ser reproducible en entornos educativos con escasos recursos tecnológicos. Según la
sugerencia de (Heffernan & Heffernan, 2014), es pertinente que las investigaciones venideras investi-
guen la aplicación de la Inteligencia Artificial en diversos contextos educativos con el fin de asegurar la
igualdad en la disponibilidad de dichas herramientas.
Además, se podrían realizar investigaciones adicionales sobre el impacto de la interacción entre estu-
diantes y la inteligencia artificial en el desarrollo de habilidades socioemocionales. Hasta el momento,
los estudios existentes se han concentrado principalmente en las habilidades cognitivas. Según (Holmes
et al., 2019), la inteligencia artificial también puede mejorar la colaboración entre estudiantes, aspecto
que no fue examinado en el presente estudio.
Las implicaciones prácticas para el diseño de programas educativos son significativas según los resul-
tados de esta investigación. La incorporación de la inteligencia artificial en el entorno educativo posibi-
lita a los profesores brindar una instrucción individualizada, lo cual repercute positivamente en el desem-
peño académico y la motivación de los alumnos. Según (Zawacki-Richter et al., 2019), la integración
pág. 836
progresiva de los sistemas de Inteligencia Artificial en los planes de estudio educativos permitiría a los
educadores ajustarse a estas novedosas metodologías pedagógicas.
Es fundamental que los docentes reciban una formación apropiada en el manejo de tecnologías de Inte-
ligencia Artificial. De acuerdo con (Woolf, 2020), resulta fundamental la implementación de programas
de formación continua para los educadores, con el propósito de instruirlos en el empleo de la Inteligencia
Artificial y su incorporación efectiva en el entorno educativo, con el fin de potenciar el beneficio de
estas herramientas en el proceso de enseñanza-aprendizaje.
CONCLUSIÓN
El impacto significativo en el rendimiento académico y la motivación de los estudiantes se ha eviden-
ciado en el estudio actual a través de la incorporación de la inteligencia artificial (IA) en la enseñanza
de las matemáticas. Los resultados obtenidos sugieren que la inteligencia artificial no solamente favo-
rece la adaptación del contenido educativo a las necesidades y habilidades individuales de cada estu-
diante, sino que también promueve un aumento en la motivación intrínseca y en el compromiso con el
proceso de aprendizaje. Estas conclusiones son consistentes con investigaciones anteriores que resaltan
la capacidad de la Inteligencia Artificial para potenciar el proceso de enseñanza en contextos educativos
al ofrecer retroalimentación inmediata y adaptable, lo que posibilita que los estudiantes avancen a su
propio ritmo y enfoquen áreas particulares de desarrollo. Los datos numéricos revelaron un aumento
significativo en el desempeño cognitivo de los alumnos pertenecientes al grupo experimental en con-
traste con el grupo de control. Los estudiantes que participaron en actividades asistidas por Inteligencia
Artificial mostraron una mejora significativa en habilidades fundamentales como la resolución de pro-
blemas matemáticos, el razonamiento lógico y la memoria. Los resultados cualitativos también mostra-
ron que la introducción de plataformas de inteligencia artificial creó un entorno de aprendizaje más
interactivo y atractivo para los estudiantes. Esto, a su vez, fomentó una mayor participación activa y el
desarrollo de sus habilidades cognitivas. No obstante, a pesar de los resultados favorables, el estudio
también subraya la importancia de futuras investigaciones que analicen los impactos a largo plazo de la
inteligencia artificial en la enseñanza de las matemáticas. La limitada duración de la intervención impide
realizar afirmaciones definitivas sobre la sostenibilidad de los beneficios observados. Es necesario rea-
lizar un análisis exhaustivo acerca de la forma en que la inteligencia artificial puede ser aplicada en
pág. 837
diversos entornos educativos, en particular en aquellos que cuentan con recursos tecnológicos limitados.
Finalmente, es crucial que los educadores reciban una capacitación apropiada en la utilización de herra-
mientas de Inteligencia Artificial con el fin de potenciar la influencia de dichas tecnologías en el entorno
educativo. En el contexto actual, es fundamental que la inteligencia artificial (IA) se utilice en el ámbito
educativo con el objetivo de mejorar la equidad en el acceso a tecnologías avanzadas. Asimismo, se
debe fomentar su incorporación como un recurso complementario a las estrategias pedagógicas conven-
cionales. En resumen, la inteligencia artificial constituye una herramienta pedagógica de gran alcance
que, al ser empleada de manera apropiada, tiene el potencial de revolucionar la enseñanza de las mate-
máticas, favoreciendo tanto la personalización del aprendizaje como el estímulo de los estudiantes.
REFERENCIAS BIBLIOGRAFICAS
Alemi, M., Meghdari, A., & Ghazisaedy, M. (2020). The effect of using a hu-manoid robot as a teacher
assistant on the learning outcomes of students in pri-mary school. Educational Technology Re-
search and Development, 68(4), 1901–1915.
American Psychological Association. (2020). Ethical principles of psy-chologists and code of conduct.
APA.
Beal, C. R., Walles, R., Arroyo, I., & Woolf, B. P. (2007). Online tutoring for math achievement: A
controlled evaluation. Journal of Educational Computing Research, 36(2), 103–122.
Bernal Párraga, A. P., Baquez Chávez, A. L., Hidalgo Jaen, N. G., Mera Alay, N. A., & Velásquez
Araujo, A. L. (2024). Pensamiento Computacional: Habilidad Primordial para la Nueva Era.
Ciencia Latina, 8(2), 5177–5195.
Chi, M. T. H., Kang, S., & Yaghmourian, D. L. (2018). Why students learn more from dialogue-based
learning environments: Mechanisms underlying deep learn-ing. Journal of the Learning Sci-
ences, 27(3), 379–405.
Cohen, L., Manion, L., & Morrison, K. (2017). Research methods in education (8th ed.). Routledge.
De Boer, H., Donker-Bergstra, A. S., & Van Der Werf, G. (2014). Effective strat-egies for self-regulated
learning: A meta-analysis. Educational Research Review, 11, 1–26.
Field, A. p. (2018). Discovering Statistics Using IBM SPSS Statistics. 5th Edition, Sage, Newbury Park.
- references - scientific research publishing. In Scirp.org.
pág. 838
Fitzpatrick, C., Bouffard, T., & Fiset, C. (2021). Math self-concept and its rela-tion to academic achieve-
ment. British Journal of Educational Psychology, 91(2), 478–495.
Greer, J. E., & Mccalla, G. I. (2014). The emergence of big data in education. Journal of Learning
Analytics, 1(1), 6–16.
Heffernan, N. T., & Heffernan, C. L. (2014). The ASSISTments ecosystem: Building a platform that
brings scientists and teachers together for minimally invasive research on human learning and
teaching. Int. J. Artif. Intell. Educ., 24(4), 470–497.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Impli-
cations for Teaching and Learning. Center for Curriculum Redesign.
Kim, Y. G., & Kim, H. (2021). A Study on the Personalized Learning Support Service Using AI in
Elementary Education. International Journal of Cognitive Informatics and Natural, 15(2), 32–
45.
Koedinger, K. R., & Aleven, V. (2007). Exploring the assistance dilemma in experiments with cognitive
tutors. Educ. Psychol. Rev., 19(3), 239–264.
Kulik, J. A., & Fletcher, J. D. (2016). Effectiveness of intelligent tutoring sys-tems: A meta-analytic
review. Review of Educational Research, 86(1), 42–78.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Un-leashed: An argument
for AI in education. Pearson.
Swan, K., & Ice, P. (2010). The impact of asynchronous discussion on student learning: A review of the
literature. Journal of Asynchronous Learning Networks, 14(3), 75–90.
VanLEHN, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and
other tutoring systems. Educ. Psychol., 46(4), 197–221.
Wang, F., & Hannafin, M. J. (2005). Design-based research and technology-enhanced learning environ-
ments. Educ. Technol. Res. Dev., 53(4), 5–23.
Woolf, B. P. (2020). Building intelligent interactive tutors: Student-centered strategies for revolution-
izing e-learning. Morgan Kaufmann.
pág. 839
Zapata-Rivera, D., & Katz, I. R. (2014). Keeping your audience in mind: Ap-plying audience analysis
to the design of interactive score reports. Educational Measurement: Issues and Practice, 33(2),
12–18.
Zawacki-Richter, O., Mar\’\in, V. I., Bond, M., & Gouverneur, F. (2019). System-atic review of research
on artificial intelligence applications in higher education-where are the educators? International
Journal of Educational Technology in Higher, 16(1).
Zheng, Y., Zhou, Z., Liu, Q., & Yang Xiujuan and Fan, C. (2019). Perceived stress and life satisfaction:
A multiple mediation model of self-control and rumination. J. Child Fam. Stud., 28(11), 3091–
3097.