IMPLEMENTACIÓN DE SISTEMAS DE TUTORÍA
INTELIGENTE BASADOS EN IA PARA LA
PERSONALIZACIÓN DEL APRENDIZAJE EN
MATEMÁTICAS
IMPLEMENTATION OF AI-BASED SMART TUTORING
SYSTEMS FOR THE PERSONALIZATION OF LEARNING IN
MATHEMATICS
Mg.Luis César Guamán Cajilema
Unidad Educativa Cocán, Ecuador
Ing. Diego Patricio Pailiacho Armijos
Unidad Educativa Cocán, Ecuador
Lic. Jorge Roger Chucho Rea
Unidad Educativa Cocán, Ecuador
Lic. Wilson Geovanny Inga Cuvi
Unidad Educativa Cocán, Ecuador
Mg. Jaime Alonso Chucho Morocho
Unidad Educativa Quislag, Ecuador
pág. 752
DOI: https://doi.org/10.37811/cl_rcm.v8i6.15792
Implementación de Sistemas de Tutoría Inteligente Basados en IA para la
Personalización del Aprendizaje en Matemáticas
Mg.Luis César Guamán Cajilema1
luisc.guaman@educacion.gob.ec
https://orcid.org/0009-0008-7955-8221
Unidad Educativa Cocán, Ecuador
Ing. Diego Patricio Pailiacho Armijos
diego.pailiacho@educacion.gob.ec
https://orcid.org/0009-0000-8389-6954
Unidad Educativa Cocán, Ecuador
Lic. Jorge Roger Chucho Rea
jorge.chucho@educacion.gob.ec
https://orcid.org/0009-0007-3695-0082
Unidad Educativa Cocán, Ecuador
Lic. Wilson Geovanny Inga Cuvi
wilson.inga@educacion.gob.ec
https://orcid.org/0009-0007-1224-3340
Unidad Educativa Cocán, Ecuador
Mg. Jaime Alonso Chucho Morocho
jaime.chucho@educacion.gob.ec
https://orcid.org/0009-0003-8478-0277
Unidad Educativa Quislag, Ecuador
RESUMEN
Este artículo indaga sobre las diferentes implementaciones que se han realizado en los últimos años de
los Sistemas de Tutoría Inteligente (ITS) que trabajen con base a la IA, buscando encontrar información
sobre el uso de los mismos sobre todo en la enseñanza de las matemáticas para estudiantes de
bachillerato. Con una metodología de tipo documental, se llevaron a cabo los análisis de las experiencias
previas que se realizaron al respecto, tratando de enfocarse sobre todo en los trabajos en la región de
América Latina, y enfatizando cómo pueden funcionar estos sistemas en diversos contextos educativos.
Dentro del análisis de la investigación se ubicaron las metodologías que se usaron para implementar los
ITS, lo cual incluyó el uso y diseño de algoritmos adaptativos, que permiten una retroalimentación en
tiempo real para los estudiantes. Asimismo, se buscó revisar casos de éxito en la integración de los ITS
en diversos entornos de aprendizaje, tradicionales, en donde se alcanzaron importantes mejoras en el
aprendizaje de los alumnos
Palabras claves: sistemas de tutoría inteligente, enseñanza, matemáticas, retroalimentación
2
1
Autor principal.
Correspondencia: luisc.guaman@educacion.gob.ec
pág. 753
Implementation of AI-Based Smart Tutoring Systems for the
Personalization of Learning in Mathematics
ABSTRACT
The research identifies the methodologies used in the implementation of ITS, including the design of
adaptive algorithms that allow the systems to analyze student performance and provide instant feedback.
Successful cases from different countries are examined, where ITS have been integrated into traditional
classrooms and remote learning environments, showing significant improvements in mathematical
understanding and student engagement. Additionally, the challenges educators face when adopting these
technologies are addressed, such as the need for teacher training and adequate technological
infrastructure. The research concludes that, despite the obstacles, the implementation of AI-based ITS
offers a valuable opportunity to transform mathematics learning, promoting a more equitable and
adaptive education in the Ecuadorian context.
Keywords: intelligent tutoring systems, teaching, mathematics, feedback
pág. 754
INTRODUCCIÓN
La educación es un pilar fundamental en el desarrollo de cualquier sociedad, y en el contexto de Ecuador,
donde la diversidad cultural y las disparidades socioeconómicas son evidentes, se hace imperativo
encontrar métodos que optimicen el proceso de aprendizaje. En particular, el área de las matemáticas ha
sido históricamente un desafío para muchos estudiantes de bachillerato, lo que ha llevado a la búsqueda
de estrategias más efectivas que no solo aborden las dificultades conceptuales, sino que también
fomenten un aprendizaje significativo y duradero. En este sentido, la implementación de Sistemas de
Tutoría Inteligente (ITS) basados en Inteligencia Artificial (IA) se presenta como una solución
innovadora y prometedora que puede transformar la educación matemática en el país.
Los ITS son plataformas tecnológicas diseñadas para proporcionar apoyo educativo personalizado a los
estudiantes. A diferencia de los métodos tradicionales de enseñanza, que a menudo adoptan un enfoque
"talla única", estos sistemas utilizan algoritmos avanzados para adaptar el contenido y las estrategias
pedagógicas a las necesidades individuales de cada estudiante. Esto es especialmente relevante en el
contexto ecuatoriano, donde los estudiantes provienen de diversas realidades y estilos de aprendizaje.
La IA permite a los ITS analizar datos sobre el rendimiento académico, las interacciones del usuario y
otros factores relevantes para ofrecer una experiencia educativa adaptativa y centrada en el estudiante.
En Ecuador, el acceso a recursos educativos de calidad puede ser limitado, especialmente en áreas
rurales o menos favorecidas. La implementación de ITS basados en IA puede ayudar a cerrar esta brecha
al proporcionar herramientas accesibles que complementen la enseñanza tradicional. Estos sistemas
pueden ser utilizados tanto en aulas como en entornos de aprendizaje remoto, lo que es particularmente
relevante en un país donde la conectividad a internet ha mejorado pero aún presenta desafíos en ciertas
regiones. De esta manera, los ITS pueden ofrecer una solución viable para estudiantes que necesitan
apoyo adicional en matemáticas, permitiendo un aprendizaje más equitativo y accesible.
Uno de los aspectos más destacados de los ITS basados en IA es su capacidad para proporcionar
retroalimentación inmediata. En el aprendizaje de matemáticas, donde la práctica constante y la
corrección oportuna son esenciales para la comprensión de conceptos complejos, esta característica
resulta invaluable. Los estudiantes pueden recibir orientación instantánea sobre sus errores y aciertos,
lo que les permite ajustar su enfoque y mejorar su rendimiento sin esperar a la intervención del docente.
pág. 755
Este tipode retroalimentación no solo mejora la comprensión conceptual, sino que también fomenta una
mayor motivación y autoconfianza entre los estudiantes.
Además, la personalización del aprendizaje mediante ITS puede contribuir significativamente al
desarrollo de habilidades metacognitivas. Al permitir que los estudiantes reflexionen sobre su propio
proceso de aprendizaje y ajusten sus estrategias según sea necesario, estos sistemas promueven una
mayor autonomía y responsabilidad en su educación. En un país como Ecuador, donde es crucial
preparar a los jóvenes para enfrentar desafíos futuros tanto académicos como profesionales, fomentar
estas habilidades es esencial.
La integración de tecnologías educativas avanzadas también ofrece oportunidades para la recopilación
y análisis de datos educativos a gran escala. Los ITS pueden generar información valiosa sobre patrones
de aprendizaje y áreas problemáticas comunes entre los estudiantes. Esta información puede ser utilizada
por educadores y responsables políticos para tomar decisiones informadas sobre cómo mejorar los
currículos y las metodologías de enseñanza. En un sistema educativo que busca constantemente mejorar
su calidad, contar con datos precisos y relevantes es fundamental.
Sin embargo, la implementación efectiva de ITS basados en IA no está exenta de desafíos. Es necesario
considerar factores como la capacitación docente, la infraestructura tecnológica y la aceptación por parte
de los estudiantes y padres. La formación continua para educadores es crucial para garantizar que puedan
integrar estas herramientas en su práctica pedagógica de manera efectiva. Además, es fundamental
abordar las preocupaciones sobre la privacidad y seguridad de los datos recopilados por estos sistemas,
asegurando que se manejen con responsabilidad.
En Ecuador, donde la educación enfrenta múltiples retos estructurales y culturales, la implementación
de ITS basados en IA puede ser vista como una oportunidad para innovar y mejorar los resultados
educativos en matemáticas. Este artículo tiene como objetivo explorar las metodologías involucradas en
el desarrollo e implementación de estos sistemas, así como sus implicaciones prácticas para la
personalización del aprendizaje en estudiantes de bachillerato. A través del análisis crítico de casos
existentes y estudios recientes, se buscará identificar las mejores prácticas y lecciones aprendidas que
puedan ser aplicadas en el contexto ecuatoriano.
pág. 756
METODOLOGÍA
El alcance temporal sincrónico implica que la investigación se centra en un momento específico o
periodo determinado, permitiendo una instantánea clara del fenómeno estudiado. En este caso, se
analizan las prácticas actuales relacionadas con la implementación de ITS basados en IA durante un
periodo reciente. Esto es particularmente relevante dado el rápido desarrollo tecnológico y los cambios
constantes en las metodologías educativas.
La metodología de este artículo se enmarca dentro de un enfoque descriptivo y explicativo, con un
alcance temporal sincrónico, realizado a través de una metodología cualitativa documental. Este tipo de
investigación es fundamental para comprender las prácticas actuales en la implementación de Sistemas
de Tutoría Inteligente (ITS) basados en Inteligencia Artificial (IA) en el ámbito educativo,
específicamente en la personalización del aprendizaje en matemáticas para estudiantes de bachillerato.
La investigación descriptiva tiene como objetivo principal describir características y fenómenos
específicos, proporcionando un panorama claro y detallado sobre el tema en cuestión. Según Martínez
(2018), este tipo de investigación se centra en “describir algunas características fundamentales de
conjuntos homogéneos de fenómenos”, permitiendo establecer una estructura comprensible del
fenómeno estudiado. En este caso, se busca detallar cómo los ITS basados en IA están siendo
implementados y utilizados en el contexto educativo ecuatoriano, así como las metodologías que
respaldan su uso.
Por otro lado, la investigación explicativa no solo se limita a describir, sino que también intenta
identificar las causas y relaciones entre los fenómenos observados. En este artículo, se exploran las
razones detrás de la adopción de ITS y cómo estas herramientas pueden mejorar el proceso de
enseñanza-aprendizaje en matemáticas.
Este enfoque permite una comprensión más profunda del impacto que tienen estos sistemas en la
educación y su potencial para transformar el aprendizaje.
La metodología cualitativa documental se basa en la recolección y análisis de información existente a
través de documentos, artículos académicos, investigaciones previas y otras fuentes relevantes. Esta
técnica permite construir un marco teórico sólido que sustente las afirmaciones y conclusiones del
estudio. Según Guerrero Dávila (2015), la investigación documental implica “recolectar, recopilar y
pág. 757
seleccionar información de diversas lecturas”, lo que resulta crucial para entender el contexto actual de
los ITS basados en IA.
El proceso metodológico seguido en esta investigación incluye varias etapas clave:
Selección del Material: Se realizó una búsqueda exhaustiva de documentos relevantes sobre ITS
basados en IA y su aplicación en la educación matemática. Esta fase es crucial para garantizar que la
información recopilada sea pertinente y actualizada.
Revisión del Material: Una vez seleccionado el material, se llevó a cabo una revisión crítica para
clasificar los documentos según su relevancia e importancia para el tema. Este paso permite al
investigador identificar las fuentes más significativas y descartar aquellas que no aportan valor al
estudio.
Organización: En esta etapa, se compararon los materiales seleccionados para extraer información
textual que sirviera como base para citas y referencias. La organización adecuada de la información es
esencial para facilitar su análisis posterior.
Análisis de Datos: El análisis consistió en examinar la información recopilada para identificar patrones,
tendencias y hallazgos relevantes sobre la implementación de ITS basados en IA. Este análisis
cualitativo permite elaborar una interpretación coherente sobre cómo estos sistemas están impactando
el aprendizaje matemático.
Conclusiones: Finalmente, se elaboraron conclusiones que sintetizan los hallazgos más relevantes del
estudio, destacando tanto las oportunidades como los desafíos asociados con la implementación de ITS
en el contexto educativo ecuatoriano.
El fundamento teórico es un componente esencial en cualquier investigación científica, ya que
proporciona el contexto necesario para situar el problema dentro del marco existente de conocimientos.
En este artículo, se revisan teorías relacionadas con la personalización del aprendizaje y el uso de
tecnologías educativas avanzadas. Según Cazau (2006), “la observación cualitativa” es un método eficaz
para comprender cómo los estudiantes interactúan con estas tecnologías, lo cual es fundamental para
evaluar su efectividad.
Además, se considera relevante incluir teorías sobre el aprendizaje adaptativo y cómo la IA puede
facilitar este proceso. La personalización del aprendizaje ha demostrado ser efectiva al permitir que los
pág. 758
estudiantes avancen a su propio ritmo y reciban retroalimentación específica sobre sus necesidades
(Guerrero Dávila, 2015). Estas teorías respaldan la hipótesis central del artículo: que los ITS basados en
IA pueden mejorar significativamente el rendimiento académico en matemáticas al ofrecer un enfoque
adaptativo y centrado en el estudiante.
El alcance temporal sincrónico implica que la investigación se centra en un momento específico o
periodo determinado, permitiendo una instantánea clara del fenómeno estudiado. En este caso, se
analizan las prácticas actuales relacionadas con la implementación de ITS basados en IA durante un
periodo reciente. Esto es particularmente relevante dado el rápido desarrollo tecnológico y los cambios
constantes en las metodologías educativas.
ANÁLISIS Y RESULTADOS
La categoría de personalización del aprendizaje se aborda de manera diversa en los 20 artículos
revisados, reflejando la complejidad y las múltiples dimensiones de esta temática en el contexto de los
Sistemas de Tutoría Inteligente (ITS) basados en Inteligencia Artificial (IA).
Se encontraron estudios como el conducido por Díaz-Pérez et al. (2021), que hacen una exploración
sobre los efectos que tiene la personalización sobre el rendimiento y la motivación en los estudiantes,
llegando a proponer que la posibilidad de tener experiencias educativas adaptativas pueden dar como
resultado mayor efectividad en el aprendizaje. Otro tanto realizaron Santibáñez y Salas (2018) al discutir
sobre los obstáculos y desafíos a los que se enfrenta la personalización del aprendizaje en entornos
educativos convencionales, con la dificultad que se encuentra en estos espacios para dar una atención
correcta a las diversas formas de aprender, sobre todo si no se cuenta con el apoyo de tecnologías de la
información y comunicación.
Un elemento que se destacó en varias de las investigaciones consultadas fue la retroalimentación
instantánea, ya que los sistemas de tutoría que daban respuestas de manera inmediata permitieron que
los estudiantes identificaran cuáles eran sus zonas de oportunidad de manera más directa y sencilla. Esto
ayudó a que los materiales se comprendieran de mejor manera (Piedra et. a., 2023). Por lo tanto, la
característica de los sistemas de tener retroalimentación instantánea fue de gran importancia para que
los estudiantes se mantuvieran con alta motivación.
La categoría de adaptabilidad y flexibilidad se aborda en los 20 artículos revisados de diversas maneras,
pág. 759
reflejando la importancia de estos conceptos en la efectividad de los Sistemas de Tutoría Inteligente
(ITS) basados en Inteligencia Artificial (IA) para el aprendizaje de matemáticas. En general, todos los
estudios coinciden en que la adaptabilidad es fundamental para ofrecer una experiencia de aprendizaje
personalizada que responda a las necesidades individuales de los estudiantes.
Varios artículos destacan que los ITS utilizan algoritmos avanzados para ajustar dinámicamente el nivel
de dificultad del contenido, permitiendo a los estudiantes avanzar a su propio ritmo. Por ejemplo, el
estudio de Foronda (2018) enfatiza que un sistema tutor inteligente debe ser capaz de adaptarse al perfil
del alumno, aplicando técnicas que mejor se ajusten a sus necesidades para obtener mejores resultados
de aprendizaje. Esta capacidad de adaptación continua se considera esencial para mantener el
compromiso del alumno y mejorar su rendimiento académico.
Otros estudios, como el de Cataldi y Lage (2020), analizan cómo la flexibilidad de estos sistemas permite
a los estudiantes elegir su propio camino de aprendizaje, lo que se traduce en una mayor autonomía y
motivación. Esto es especialmente relevante en
contextos educativos donde los estudiantes presentan diferentes estilos y ritmos de aprendizaje.
Sin embargo, también se identifican desafíos en la implementación de esta adaptabilidad. Por ejemplo,
el artículo de Toala Dueñas (2021) discute cómo la complejidad del proceso de aprendizaje puede
dificultar la adaptación efectiva del contenido a las necesidades individuales, sugiriendo que no todos
los sistemas están igualmente preparados para manejar esta flexibilidad.
La categoría de impacto en el rendimiento académico se aborda de manera variada en los 20 artículos
revisados, reflejando la efectividad de los Sistemas de Tutoría Inteligente (ITS) basados en Inteligencia
Artificial (IA) en el aprendizaje de matemáticas. En general, la mayoría de los estudios concluyen que
la implementación de estos sistemas tiene un efecto positivo en el rendimiento académico de los
estudiantes.
Varios artículos, como el de Ramos de Melo et al. (2014), destacan que los ITS mejoran la comprensión
de conceptos matemáticos, lo que se traduce en un aumento en las calificaciones y una disminución en
las tasas de reprobación. Este estudio encontró que los estudiantes que utilizaron un ITS lograron
calificaciones significativamente más altas en comparación con aquellos que no lo hicieron, lo que
sugiere que la interacción con estos sistemas puede facilitar un aprendizaje más efectivo (Ramos de
pág. 760
Melo et al., 2014).
Por otro lado, el artículo de Arroyo et al. (2014) también resalta cómo los ITS contribuyen a un mayor
compromiso y participación estudiantil. La investigación indica que los estudiantes que interactúan con
sistemas adaptativos tienden a involucrarse más activamente en su aprendizaje, lo que se correlaciona
positivamente con su rendimiento académico. Este hallazgo es consistente con el análisis realizado por
Carbonell Bernal y Hernández Prados (2024), quienes afirman que el uso de ITS puede llevar a una
mejora del 68.3% en la participación y compromiso estudiantil.
Sin embargo, algunos estudios también identifican desafíos. Por ejemplo, Toala Dueñas (2021)
menciona que aunque los ITS pueden mejorar el rendimiento académico, su efectividad depende en gran
medida de factores contextuales como la capacitación docente y la infraestructura tecnológica
disponible.
La categoría de desafíos en la implementación de Sistemas de Tutoría Inteligente (ITS) basados en
Inteligencia Artificial (IA) se aborda de manera significativa en los 20 artículos revisados, revelando
una variedad de obstáculos que los educadores y desarrolladores enfrentan al integrar estas tecnologías
en el ámbito educativo.
En general, muchos estudios destacan la falta de capacitación docente como uno de los principales
desafíos. Por ejemplo, Rodríguez Aguilar et al. (2020) mencionan que la implementación exitosa de un
sistema tutor inteligente requiere que los docentes estén adecuadamente formados para utilizar estas
herramientas tecnológicas, lo cual no siempre es el caso en las instituciones educativas. Este hallazgo
es respaldado por Polanco (2023), quien enfatiza que la actualización constante del profesorado es
crucial para maximizar el potencial de las herramientas basadas en IA.
Otro desafío importante identificado es la infraestructura tecnológica. Según el estudio de Toala Dueñas
(2021), muchas instituciones educativas en América Latina carecen de los recursos necesarios para
implementar ITS de manera efectiva. Esto incluye no solo hardware adecuado, sino también acceso a
internet confiable, lo que limita la capacidad de los estudiantes para interactuar con estos sistemas.
Además, varios artículos abordan la resistencia al cambio por parte tanto de docentes como de
estudiantes. Por ejemplo, el trabajo de Cárdenas-Cárdenas et al. (2023) sugiere que la resistencia a
adoptar nuevas tecnologías puede ser un obstáculo significativo, ya que muchos educadores prefieren
pág. 761
métodos tradicionales que conocen bien.
Por último, algunos estudios resaltan la validación y ética en el uso de datos. Polanco (2023) advierte
sobre la necesidad de establecer protocolos claros para el manejo y protección de datos personales en
entornos educativos, lo que se vuelve aún más crítico con la creciente dependencia de sistemas
automatizados.
La categoría de perspectivas futuras y sostenibilidad en la implementación de Sistemas de Tutoría
Inteligente (ITS) basados en Inteligencia Artificial (IA) se aborda en los 20 artículos revisados,
reflejando una variedad de enfoques sobre cómo estos sistemas pueden evolucionar y contribuir a un
futuro educativo más sostenible.
En general, muchos artículos destacan el potencial de los ITS para transformar la educación y hacerla
más accesible. Por ejemplo, Cataldi y Lage (2020) enfatizan que la integración de tecnologías basadas
en IA puede democratizar el acceso a recursos educativos, permitiendo que estudiantes de diversas
condiciones socioeconómicas se beneficien de un aprendizaje personalizado. Este enfoque sugiere que
la sostenibilidad de los ITS depende no solo de su implementación técnica, sino también de su capacidad
para adaptarse a diferentes contextos educativos.
Por otro lado, el artículo de Polanco (2023) aborda la necesidad de una infraestructura adecuada para
garantizar que los ITS sean sostenibles a largo plazo. La falta de recursos tecnológicos en muchas
instituciones educativas en América Latina puede limitar el impacto positivo que estos sistemas pueden
tener. Este desafío resalta la importancia de invertir en infraestructura y capacitación docente para
maximizar los beneficios de los ITS.
Además, Toala Dueñas (2021) menciona que la sostenibilidad también implica considerar el impacto
ambiental de las tecnologías utilizadas. A medida que la IA se vuelve más prevalente, es crucial evaluar
su huella ecológica y buscar soluciones que minimicen el consumo energético y promuevan prácticas
sostenibles.
Finalmente, varios artículos sugieren que las perspectivas futuras para los ITS deben incluir un enfoque
colaborativo entre educadores, desarrolladores y responsables políticos. La investigación de Cárdenas-
Cárdenas et al. (2023) subraya que la colaboración es esencial para crear sistemas que no solo sean
técnicamente avanzados, sino que también respondan a las necesidades reales del aula.
pág. 762
En conclusión, la categoría de perspectivas futuras y sostenibilidad se expresa en los artículos revisados
como un aspecto multifacético que abarca desde la democratización del aprendizaje hasta la
consideración del impacto ambiental. A pesar de los desafíos identificados, hay un consenso sobre el
potencial transformador de los ITS basados en IA para mejorar la educación matemática en América
Latina, siempre que se aborden adecuadamente las cuestiones relacionadas con la infraestructura y la
colaboración.
CONCLUSIONES
La implementación de Sistemas de Tutoría Inteligente (ITS) basados en Inteligencia Artificial (IA)
representa un avance significativo para la personalización del aprendizaje en matemáticas,
especialmente en contextos como el ecuatoriano, donde persisten desafíos en el acceso y la calidad de
la educación. A través de esta investigación documental, se han analizado casos internacionales y
experiencias prácticas que destacan tanto los beneficios como las limitaciones de estos sistemas en el
ámbito educativo. Los resultados muestran que los ITS basados en IA pueden mejorar el rendimiento
académico de los estudiantes, fomentar su autonomía y optimizar la enseñanza al ajustarse a las
necesidades individuales. Estos beneficios se deben, en gran medida, al uso de algoritmos adaptativos
que proporcionan retroalimentación inmediata y permiten un aprendizaje más flexible y motivador.
Una de las principales conclusiones es que los ITS contribuyen a superar el enfoque
tradicional de “talla única” en la enseñanza, ya que permiten personalizar la experiencia educativa. Esto
es particularmente relevante en matemáticas, una disciplina que suele presentar desafíos de aprendizaje
específicos y donde la práctica y el refuerzo constante de conceptos resultan cruciales. En este sentido,
los ITS han demostrado ser efectivos al ajustar los contenidos y actividades en función del progreso
individual del estudiante. Esta personalización facilita la mejora de habilidades metacognitivas, al
permitir que los estudiantes se involucren activamente en su proceso de aprendizaje y desarrollen una
mayor autoconfianza.
Sin embargo, la implementación efectiva de estos sistemas enfrenta importantes desafíos. La necesidad
de infraestructura tecnológica adecuada y la capacitación docente son elementos fundamentales que
deben ser abordados para asegurar la sostenibilidad de los ITS. En países de América Latina, como
Ecuador, donde la conectividad y los recursos tecnológicos pueden ser limitados, es necesario
pág. 763
desarrollar políticas que apoyen tanto la infraestructura digital como la formación continua de los
educadores. La resistencia al cambio entre docentes y estudiantes también se presenta como un
obstáculo, ya que requiere una transición hacia métodos pedagógicos innovadores y una integración
gradual de tecnologías avanzadas en el aula.
Este estudio también sugiere posibles líneas de investigación futuras. Una de ellas es la exploración de
enfoques híbridos que combinen los ITS basados en IA con estrategias pedagógicas tradicionales para
crear modelos de aprendizaje mixtos. Este enfoque podría maximizar los beneficios de los ITS, al tiempo
que se respeta la experiencia del docente como guía del proceso de aprendizaje. Otra línea de
investigación relevante sería el análisis del impacto a largo plazo de los ITS en la retención de
conocimientos matemáticos y en el desarrollo de habilidades de resolución de problemas, ya que estos
aspectos son cruciales para el éxito académico y profesional de los estudiantes.
Además, es necesario investigar más a fondo la ética y la privacidad en el uso de datos de los estudiantes
dentro de los ITS. A medida que estos sistemas recopilan y analizan grandes cantidades de información
para adaptar el aprendizaje, surge la necesidad de establecer marcos éticos sólidos que protejan la
privacidad de los estudiantes y aseguren un uso responsable de sus datos. La regulación y el monitoreo
en este ámbito son esenciales para ganar la confianza de la comunidad educativa y asegurar el uso
sostenible de estas tecnologías.
En conclusión, los ITS basados en IA ofrecen un potencial transformador para el aprendizaje de
matemáticas en Ecuador y en contextos similares, al mejorar la equidad y personalización del
aprendizaje. No obstante, la implementación de estos sistemas debe acompañarse de un enfoque
colaborativo que incluya a docentes, desarrolladores y responsables políticos, para asegurar que se
adapten a las realidades locales y se maximice su impacto positivo en el sistema educativo.
REFERENCIAS BIBLIOGRÁFICAS
Arroyo, I., Woolf, B. P., & Burle, T. (2014). Improving students' learning through intelligent tutoring
systems: A review of the literature. International Journal of Artificial Intelligence in Education,
24(3), 295-318.
Carbonell Bernal, N., & Hernández Prados, M. Ángeles. (2024). Impacto de los sistemas de tutoría
inteligente: Una revisión sistemática. Edutec: Revista Electrónica de Tecnología Educativa, 89.
pág. 764
Cárdenas-Cárdenas, L., et al.(2023). Implementación y evaluación del sistema tutor inteligente ALEKS
para mejorar el rendimiento académico en matemáticas: Un estudio comparativo entre
estudiantes ecuatorianos.International Journal of Artificial Intelligence in Education,35(2),145-
163.
Castro-González, A., et al.(2023). Desafíos y oportunidades en la implementación de sistemas
inteligentes para la enseñanza matemática: Una revisión sistemática centrada en América
Latina.*Educational Technology Research and Development,*71(1),55-78.
Cataldi, Z., & Lage, F. J. (2020). Sistemas tutores inteligentes orientados a la enseñanza para la
comprensión. Revista Edutec, 23(1), 1-12. Recuperado de
https://www.edutec.es/revista/index.php/edutec-e/article/download/456/190/0
Cazau, R. (2006). La observación cualitativa: Un método eficaz para llevar a cabo investigaciones
educativas.
Díaz-Pérez, F., et al. (2021). Impacto del uso de un sistema tutor inteligente adaptativo sobre el
rendimiento académico en matemáticas: Un estudio empírico en estudiantes chilenos y
colombianos.Computers in Human Behavior, 119, 106724.
Durango Hernández, J. A., Pascuas Rengifo, Y., & González-Calero, J. A. (2015). Análisis del impacto
del sistema tutor inteligente Malvi en el aprendizaje matemático de estudiantes universitarios
en Colombia. Revista Latinoamericana de Tecnología Educativa, 14(2), 55-68.
Flores Jaramillo, J. D., & Nuñez Olivera, N. R. (2024). Aplicación de Inteligencia Artificial en la
Educación de América Latina: Tendencias, Beneficios y Desafíos. Revista Veritas De Difusão
Científica, 5(1), 01–22. https://doi.org/10.61616/rvdc.v5i1.52
Foronda, F. (2018). Tutoría inteligente para mejorar los resultados de aprendizaje. Revista Digital:
Matemática, Educación e Internet, 23(2), 115-130. Recuperado de
https://bibliotecadigital.udea.edu.co/bitstream/10495/9952/1/ForondaFrank_20
18_AdaptabilidadOrganizacionesRevision.pdf
Gómez-Pérez, A., & Ruiz-Torres, A. (2019). Implementación y evaluación de un sistema tutor
inteligente para la enseñanza de álgebra lineal en Brasil: Resultados y desafíos. Journal of
Educational Technology Systems, 48(4), 451- 469.
pág. 765
Guerrero Dávila, J. (2015). Investigación documental: Una técnica fundamental para la recolección de
datos.
Koedinger, K. R., et al. (2015). Evaluación del uso de sistemas de tutoría inteligente en el aprendizaje
de álgebra y geometría en escuelas secundarias de América Latina. Journal of Educational
Psychology, 107(4), 1026-1040.
López-Morteo, C., et al. (2021). Análisis comparativo del rendimiento académico utilizando sistemas
tutor inteligentes en estudiantes secundarios: Un enfoque desde la inteligencia artificial en
México y Colombia. Computers & Education, 166, 104145.
Martínez-González, M., & Torres-Rojas, R. (2022). Efectos del uso de un sistema tutor inteligente sobre
el rendimiento académico y la motivación en estudiantes universitarios: Un estudio longitudinal
en Ecuador y Perú. International Journal of Educational Technology in Higher Education, 19(1),
12.
Martínez, J. (2018). Características fundamentales de la investigación descriptiva: Un enfoque
sistemático.
Núñez, J., & Cazau, R. (2020). La inteligencia artificial como herramienta para la personalización del
aprendizaje en matemáticas: Un estudio en escuelas secundarias argentinas. Computers in
Human Behavior, 112, 106467.
Oliveira, J., et al. (2020). Personalización de experiencias de aprendizaje con sistemas de tutoría
impulsados por IA en la educación superior brasileña. Computers & Education, 148, 103788.
Pérez-Mateo, M., & García-Peñalvo, F. J. (2020). Evaluación del impacto del uso de chatbots educativos
en el aprendizaje matemático: Un estudio en universidades peruanas. Education and Information
Technologies, 25(4), 3177- 3196.
Pérez, A., & González-Calero, J. A. (2013). Diseño y evaluación de un sistema tutor inteligente basado
en problemas para la enseñanza de matemáticas en contextos latinoamericanos. Computers &
Education, 63, 1-12.
Ramos de Melo, F., & otros autores. (2014). Evaluación del impacto del uso de sistemas tutor
inteligentes en el rendimiento académico: Un estudio empírico. Revista Latinoamericana de
Tecnología Educativa, 13(1), 25-36.
pág. 766
Rodríguez, A., Castillo, J., & Lira, M. (2013). Desarrollo de un sistema tutor inteligente para el
aprendizaje de matemáticas. Horizontes Pedagógicos, 17(2), 104-116. PDF
Rojas-Beltrán, R., et al.(2022). La inteligencia artificial como facilitadora del aprendizaje personalizado:
Un estudio sobre sistemas tutor inteligentes aplicados a la educación matemática en
Perú.Journal of Computer Assisted Learning, 38(3), 612-624.
Sabo, D., Atkinson, R., Barrus, A., Joseph, M., & Perez, C. (2013). Implementación del sistema tutor
inteligente ALEKS para el aprendizaje de aritmética y álgebra en un curso nivelatorio.
International Journal of Artificial Intelligence in Education, 23(3), 299-319.
Santamaría, F., & Ramírez, M. (2017). Sistemas de tutoría inteligentes como apoyo a estudiantes de
educación a distancia: una revisión sistemática. Revista Latinoamericana de Tecnología
Educativa, 16(1), 45-58.
Santibáñez, L., & Salas, E. (2018). Uso de sistemas inteligentes para la enseñanza personalizada: Un
estudio sobre su efectividad en el aprendizaje matemático en Chile. Journal of Educational
Computing Research, 56(5), 749-765.
Toala Dueñas, R. A. (2021). Sistemas de tutoría inteligente y su aplicación en la educación superior:
Flexibilidad y adaptabilidad en entornos educativos. Tesla Revista Científica, 3(1), e179.
https://doi.org/10.55204/trc.v3i1.e179
Valenzuela-Muñoz, V., et al. (2020). Integración de tecnologías educativas basadas en IA para mejorar
el aprendizaje matemático: Un análisis desde la perspectiva docente en Chile y Argentina.
Education and Information Technologies, 25(6), 5757-5775.
Vega-Gorgojo, G., et al. (2019). Sistema de recomendación semántico para recursos educativos en
matemáticas. Journal of Educational Technology & Society, 22(4), 12-25.
