IMPLEMENTACIÓN DE LA INTELIGENCIA
ARTIFICIAL COMO HERRAMIENTA
PEDAGÓGICA PARA EL APRENDIZAJE DE LA
MATEMÁTICA EN ESTUDIANTES DE BÁSICA
SUPERIOR
IMPLEMENTATION OF ARTIFICIAL INTELLIGENCE AS A
PEDAGOGICAL TOOL FOR MATHEMATICS LEARNING IN
UPPER BASIC EDUCATION STUDENTS
María Alexandra Intriago Intriago
Unidad de Educación Especializada "Enrique Bartolucci" – Ecuador
Tania Karina Cantos Quiroz
Unidad Educativa Miguel Riofrio – Ecuador
Cristina Lucia Mera González
Unidad de Educación Especializada "Enrique Bartolucci" – Ecuador
Angela Ramona Tubay Vera
Unidad Educativa Leonie Aviat - Ecuador
Gissela Viviana Pincay Basurto
Unidad de Educación Especializada "Enrique Bartolucci" - Ecuador
pág. 2526
DOI: https://doi.org/10.37811/cl_rcm.v9i2.17072
Implementación de la Inteligencia Artificial como herramienta pedagógica
para el aprendizaje de la matemática en estudiantes de básica superior
Lcda. María Alexandra Intriago Intriago1
mariaal.intriago@educacion.gob.ec
https://orcid.org/0009-0009-9800-8636
Unidad de Educación Especializada "Enrique
Bartolucci"
Ecuador
Mgs. Tania Karina Cantos Quiroz
tania.cantos@educacion.gob.ec
https://orcid.org/0009-0005-9904-2466
Unidad Educativa Miguel Riofrio
Ecuador
Mgs. Cristina Lucia Mera González
cristina.mera@educacion.gob.ec
https://orcid.org/0009-0006-0046-4130
Unidad de Educación Especializada "Enrique
Bartolucci"
Ecuador
Mgs. Angela Ramona Tubay Vera
angetu@hotmail.es
https://orcid.org/0009-0008-9614-782X
Unidad Educativa Leonie Aviat
Ecuador
Lcda. Gissela Viviana Pincay Basurto
guissela.pincay@educacion.gob.ec
https://orcid.org/0009-0005-9691-9576
Unidad de Educación Especializada "Enrique
Bartolucci"
Ecuador
RESUMEN
La presente investigación tuvo como objetivo central implementar diferentes sesiones de trabajo en la
asignatura de matemática vinculadas a las herramientas de inteligencia artificial, de esta manera lograr
que los estudiantes de básica superior alcancen las destrezas necesarias. La investigación está en un
paradigma cuantitativo de nivel cuasiexperimental donde se trabajó con un grupo control (40
estudiantes) y experimental (40 estudiantes) en dos tiempos Pre tes y Post Test, donde al grupo
experimental se le aplico las herramientas de IA para ver su efecto. Los resultados muestran que el uso
de las herramientas de inteligencia artificial tiene un efecto positivo al aplicarlos al proceso pedagógico
en el área de matemática, esto queda evidenciado al verificar la significancia de ρ = 0.00 < 0.05 que
comprueba la hipótesis general de la investigación.
Palabras clave: matemática, inteligencia artificial, proceso enseñanza - aprendizaje
1 Autor principal
Correspondencia: mariaal.intriago@educacion.gob.ec
DOI: https://doi.org/10.37811/cl_rcm.v9i2.17072
Implementación de la Inteligencia Artificial como herramienta pedagógica
para el aprendizaje de la matemática en estudiantes de básica superior
Lcda. María Alexandra Intriago Intriago1
mariaal.intriago@educacion.gob.ec
https://orcid.org/0009-0009-9800-8636
Unidad de Educación Especializada "Enrique
Bartolucci"
Ecuador
Mgs. Tania Karina Cantos Quiroz
tania.cantos@educacion.gob.ec
https://orcid.org/0009-0005-9904-2466
Unidad Educativa Miguel Riofrio
Ecuador
Mgs. Cristina Lucia Mera González
cristina.mera@educacion.gob.ec
https://orcid.org/0009-0006-0046-4130
Unidad de Educación Especializada "Enrique
Bartolucci"
Ecuador
Mgs. Angela Ramona Tubay Vera
angetu@hotmail.es
https://orcid.org/0009-0008-9614-782X
Unidad Educativa Leonie Aviat
Ecuador
Lcda. Gissela Viviana Pincay Basurto
guissela.pincay@educacion.gob.ec
https://orcid.org/0009-0005-9691-9576
Unidad de Educación Especializada "Enrique
Bartolucci"
Ecuador
RESUMEN
La presente investigación tuvo como objetivo central implementar diferentes sesiones de trabajo en la
asignatura de matemática vinculadas a las herramientas de inteligencia artificial, de esta manera lograr
que los estudiantes de básica superior alcancen las destrezas necesarias. La investigación está en un
paradigma cuantitativo de nivel cuasiexperimental donde se trabajó con un grupo control (40
estudiantes) y experimental (40 estudiantes) en dos tiempos Pre tes y Post Test, donde al grupo
experimental se le aplico las herramientas de IA para ver su efecto. Los resultados muestran que el uso
de las herramientas de inteligencia artificial tiene un efecto positivo al aplicarlos al proceso pedagógico
en el área de matemática, esto queda evidenciado al verificar la significancia de ρ = 0.00 < 0.05 que
comprueba la hipótesis general de la investigación.
Palabras clave: matemática, inteligencia artificial, proceso enseñanza - aprendizaje
1 Autor principal
Correspondencia: mariaal.intriago@educacion.gob.ec
pág. 2527
Implementation of Artificial Intelligence as a pedagogical tool for
mathematics learning in upper basic education students
ABSTRACT
The main objective of this research was to implement different work sessions in the mathematics subject
linked to artificial intelligence tools, in order to help students in upper basic education acquire the
necessary skills. The research follows a quantitative, quasi-experimental paradigm, working with a
control group (40 students) and an experimental group (40 students) at two points in time: Pre-test and
Post-test, where artificial intelligence tools were applied to the experimental group to observe their
effect. The results show that the use of artificial intelligence tools has a positive effect when applied to
the pedagogical process in the area of mathematics. This is evidenced by the statistical significance of
ρ = 0.00 < 0.05, which supports the general hypothesis of the research.
Keywords: mathematics, artificial intelligence, teaching-learning process
Artículo recibido 19 febrero 2025
Aceptado para publicación: 22 marzo 2025
Implementation of Artificial Intelligence as a pedagogical tool for
mathematics learning in upper basic education students
ABSTRACT
The main objective of this research was to implement different work sessions in the mathematics subject
linked to artificial intelligence tools, in order to help students in upper basic education acquire the
necessary skills. The research follows a quantitative, quasi-experimental paradigm, working with a
control group (40 students) and an experimental group (40 students) at two points in time: Pre-test and
Post-test, where artificial intelligence tools were applied to the experimental group to observe their
effect. The results show that the use of artificial intelligence tools has a positive effect when applied to
the pedagogical process in the area of mathematics. This is evidenced by the statistical significance of
ρ = 0.00 < 0.05, which supports the general hypothesis of the research.
Keywords: mathematics, artificial intelligence, teaching-learning process
Artículo recibido 19 febrero 2025
Aceptado para publicación: 22 marzo 2025
pág. 2528
INTRODUCCIÓN
El aprendizaje de la asignatura de matemática, siempre ha sido motivo de investigación por que los
estudiantes desde las etapas preescolares han mostrado dificultades en el proceso de aprendizaje de esta
materia. Por esto el gobierno ecuatoriano ha instaurado políticas y ha buscado actualizar el currículo
Nacional (2023) para fortalecer el dominio cognitivo de las competencias lógico – matemáticas,
buscando mejorar el aprendizaje del área de matemática y fomentar su entendimiento desde lo básico
hasta las destrezas imprescindibles.
Siguiendo esta línea, un informe del Banco Mundial (2022), muestra que un 46% de los estudiantes en
América Latina indica no estar preparado para el uso de las nuevas tecnologías y que desconocen cómo
usarlas en su diario quehacer educativo. Esto se evidencia claramente en la realidad de las clases donde
no se observa un progreso en las destrezas matemáticas. Esto invita a que los docentes y discentes se
capaciten continuamente en el conocimiento de las herramientas de inteligencia artificial que permitan
complementar el desarrollo pedagógico tanto como de enseñanza como de aprendizaje, de esto forma
buscando un aprendizaje significativo en los estudiantes.
Tomando de partida varios estudios relacionados se muestra que esta problemática se evidencia a nivel
de Latinoamérica. Según Silva y Mc-Guire (2024) muestran una estadística bastante dura que 8 de cada
10 estudiantes no alcanzan las destrezas mínimas para el aprendizaje en la asignatura de matemática,
por tanto, es imperante seguir buscando estrategias que puedan fortalecer el PEA, Loyola (2021)
menciona que vincular las tecnologías dentro del proceso educativo normalmente funciona como
aliciente y elemento motivante para los estudiantes.
Los procesos educativos sobre todo en el área de matemática deben seguir fortaleciéndose, esta
asignatura es una de las principales del currículo nacional en muchos países, esta materia y su enfoque
debe estar nutrida de nuevos elementos motivantes para que los estudiantes puedan seguir aprendiendo
de manera dinámica (Castillo, 2020; López et al., 2024; Hernández et al., 2021). Esto se refuerza con
un estudio realizado por Monzón (2024) donde indica que dentro del proceso didáctico las herramientas
de inteligencia artificial (IA) han venido a revolucionar el aprendizaje, los estudiantes tienen a tener un
elemento adicional, un plus para fortalecer sus aprendizajes, finalmente se puede destacar que se mejora
la calidad y eficiencia en la elaboración de actividades recordando que el uso de IA debe majearse de
INTRODUCCIÓN
El aprendizaje de la asignatura de matemática, siempre ha sido motivo de investigación por que los
estudiantes desde las etapas preescolares han mostrado dificultades en el proceso de aprendizaje de esta
materia. Por esto el gobierno ecuatoriano ha instaurado políticas y ha buscado actualizar el currículo
Nacional (2023) para fortalecer el dominio cognitivo de las competencias lógico – matemáticas,
buscando mejorar el aprendizaje del área de matemática y fomentar su entendimiento desde lo básico
hasta las destrezas imprescindibles.
Siguiendo esta línea, un informe del Banco Mundial (2022), muestra que un 46% de los estudiantes en
América Latina indica no estar preparado para el uso de las nuevas tecnologías y que desconocen cómo
usarlas en su diario quehacer educativo. Esto se evidencia claramente en la realidad de las clases donde
no se observa un progreso en las destrezas matemáticas. Esto invita a que los docentes y discentes se
capaciten continuamente en el conocimiento de las herramientas de inteligencia artificial que permitan
complementar el desarrollo pedagógico tanto como de enseñanza como de aprendizaje, de esto forma
buscando un aprendizaje significativo en los estudiantes.
Tomando de partida varios estudios relacionados se muestra que esta problemática se evidencia a nivel
de Latinoamérica. Según Silva y Mc-Guire (2024) muestran una estadística bastante dura que 8 de cada
10 estudiantes no alcanzan las destrezas mínimas para el aprendizaje en la asignatura de matemática,
por tanto, es imperante seguir buscando estrategias que puedan fortalecer el PEA, Loyola (2021)
menciona que vincular las tecnologías dentro del proceso educativo normalmente funciona como
aliciente y elemento motivante para los estudiantes.
Los procesos educativos sobre todo en el área de matemática deben seguir fortaleciéndose, esta
asignatura es una de las principales del currículo nacional en muchos países, esta materia y su enfoque
debe estar nutrida de nuevos elementos motivantes para que los estudiantes puedan seguir aprendiendo
de manera dinámica (Castillo, 2020; López et al., 2024; Hernández et al., 2021). Esto se refuerza con
un estudio realizado por Monzón (2024) donde indica que dentro del proceso didáctico las herramientas
de inteligencia artificial (IA) han venido a revolucionar el aprendizaje, los estudiantes tienen a tener un
elemento adicional, un plus para fortalecer sus aprendizajes, finalmente se puede destacar que se mejora
la calidad y eficiencia en la elaboración de actividades recordando que el uso de IA debe majearse de
pág. 2529
manera responsable.
La Inteligencia Artificial presenta un nuevo enfoque de trabajo en el que el claustro docente tiene un
bagaje contenidos relacionados con los recursos tecnológicos, lo que permite que los estudiantes
estudien puedan nutrirse de la información desde sus hogares. De esta manera, se organiza de mejor
manera el tiempo pedagógico dentro del aula, y se pueda usar para reforzar otras actividades
fundamentales. Según Tipán et al. (2021), este modelo pedagógico es de fácil interfaz y adaptativo, esto
permite que los estudiantes puedan usar las herramientas sin dificultades.
En este contexto, la tecnología no solo apoya el aprendizaje autónomo, sino que también facilita el uso
de herramientas interactivas para explorar conceptos matemáticos. Flores et al., (2022) señalan que esta
metodología altera la estructura tradicional de la enseñanza, fortaleciendo los momentos claves dentro
del proceso educativo: mientras que tradicionalmente el primer momento se dedica a la exposición de
contenidos por parte del docente, ahora los estudiantes pueden abordar estos contenidos fuera del aula,
reservando el tiempo dentro del aula para actividades más dinámicas y colaborativas.
La investigación tiene una justificación teórica, ya que busca analizar teorías educativas relacionadas
con el uso de las tecnologías de inteligencia artificial y su aplicación en el área de matemática, esto se
fortalece con la aplicación de clases didácticas en la asignatura de matemática vinculando con la
inteligencia artificial. Por otro lado, en la parte práctica el centro educativo donde se pretende
implementar la investigación tendrá acceso a herramientas nuevas que pueden ser aplicada en un futuro
en otros subniveles.
Para el desarrollar la investigación se siguió el siguiente objetivo general: Determinar si la aplicación
de herramientas basadas en inteligencia artificial influye en la mejora del proceso enseñanza –
aprendizaje de la asignatura de matemática en estudiantes de básica superior. Como objetivos
específicos: 1) Describir el nivel de conocimiento en las destrezas matemáticas que presentan los
estudiantes de la unidad educativa antes de la aplicación de herramientas basada en la inteligencia
artificial.2) Describir el nivel de las destrezas matemáticas que presentan los estudiantes de la unidad
educativa después de la aplicación de herramientas basada en la inteligencia artificial.3) Comparar las
destrezas de los estudiantes en el proceso enseñanza aprendizaje de la asignatura de matemática, antes
y después de aplicar las herramientas de inteligencia artificial.
manera responsable.
La Inteligencia Artificial presenta un nuevo enfoque de trabajo en el que el claustro docente tiene un
bagaje contenidos relacionados con los recursos tecnológicos, lo que permite que los estudiantes
estudien puedan nutrirse de la información desde sus hogares. De esta manera, se organiza de mejor
manera el tiempo pedagógico dentro del aula, y se pueda usar para reforzar otras actividades
fundamentales. Según Tipán et al. (2021), este modelo pedagógico es de fácil interfaz y adaptativo, esto
permite que los estudiantes puedan usar las herramientas sin dificultades.
En este contexto, la tecnología no solo apoya el aprendizaje autónomo, sino que también facilita el uso
de herramientas interactivas para explorar conceptos matemáticos. Flores et al., (2022) señalan que esta
metodología altera la estructura tradicional de la enseñanza, fortaleciendo los momentos claves dentro
del proceso educativo: mientras que tradicionalmente el primer momento se dedica a la exposición de
contenidos por parte del docente, ahora los estudiantes pueden abordar estos contenidos fuera del aula,
reservando el tiempo dentro del aula para actividades más dinámicas y colaborativas.
La investigación tiene una justificación teórica, ya que busca analizar teorías educativas relacionadas
con el uso de las tecnologías de inteligencia artificial y su aplicación en el área de matemática, esto se
fortalece con la aplicación de clases didácticas en la asignatura de matemática vinculando con la
inteligencia artificial. Por otro lado, en la parte práctica el centro educativo donde se pretende
implementar la investigación tendrá acceso a herramientas nuevas que pueden ser aplicada en un futuro
en otros subniveles.
Para el desarrollar la investigación se siguió el siguiente objetivo general: Determinar si la aplicación
de herramientas basadas en inteligencia artificial influye en la mejora del proceso enseñanza –
aprendizaje de la asignatura de matemática en estudiantes de básica superior. Como objetivos
específicos: 1) Describir el nivel de conocimiento en las destrezas matemáticas que presentan los
estudiantes de la unidad educativa antes de la aplicación de herramientas basada en la inteligencia
artificial.2) Describir el nivel de las destrezas matemáticas que presentan los estudiantes de la unidad
educativa después de la aplicación de herramientas basada en la inteligencia artificial.3) Comparar las
destrezas de los estudiantes en el proceso enseñanza aprendizaje de la asignatura de matemática, antes
y después de aplicar las herramientas de inteligencia artificial.
pág. 2530
METODOLOGÍA
El objetivo general es Determinar si la aplicación de herramientas basadas en inteligencia artificial
influye en la mejora del proceso enseñanza – aprendizaje de la asignatura de matemática en estudiantes
de básica superior
El trabajo de investigación se cobija bajo un paradigma cuantitativo presentando un enfoque cuantitativo
y un nivel cuasiexperimental, ya que se pretende analizar como la variable inteligencia artificial tiene
una incidencia sea positiva o negativa sobre la variable del aprendizaje de la asignatura de matemática,
esto reforzado con lo que menciona Hernández y Mendoza (2018) que toda investigación
cuasiexperimental busca determinar la incidencia de una variable independiente sobre una dependiente.
Dentro de la operacionalización de variables en primera instancia está el aprendizaje de la asignatura de
matemática en los estudiantes de básica superior, esto según Manosalvas y Ronquillo (2023) es el
proceso pedagógico establecido por el currículo nacional donde el estudiantado demuestra su alcance
en el conocimiento de las destrezas, por consiguiente, se muestra sus indicadores. A) calidad en el
proceso enseñanza aprendizaje; b) motivación en el proceso enseñanza aprendizaje.
En cuanto a la población de la investigación estuvo conformado por 120 estudiantes del décimo año de
básica superior de una unidad educativa de Ecuador, para la muestra se trabajo con 80 estudiantes; 40
estudiantes para el grupo control y 40 estudiantes para el grupo experimental.
Como técnica de recolección de datos, se utilizó la encuesta, conformada por preguntas que ayuden a
diagnosticar el estado actual de ambos grupos de estudiantes en la asignatura de matemática antes de
aplicar las herramientas de inteligencia artificial y la misma para medir luego de aplicar las herramientas
de IA.
Para el desarrollo de los talleres, se planifico clases en 8 sesiones son diversas temáticas de matemática,
pero usando: Photomath para resolver algunos problemas y Microsoft Math Solver para fortalecer la
resolución de otros problemas más complejos. En la parte del docente se presentó como guía y facilitador
de los procesos y los estudiantes obtuvieron bases de investigadores al aprender el uso en profundidad
de esas dos aplicaciones de IA.
RESULTADOS Y DISCUSIÓN
En este apartado se presentan los principales hallazgos de la investigación.
METODOLOGÍA
El objetivo general es Determinar si la aplicación de herramientas basadas en inteligencia artificial
influye en la mejora del proceso enseñanza – aprendizaje de la asignatura de matemática en estudiantes
de básica superior
El trabajo de investigación se cobija bajo un paradigma cuantitativo presentando un enfoque cuantitativo
y un nivel cuasiexperimental, ya que se pretende analizar como la variable inteligencia artificial tiene
una incidencia sea positiva o negativa sobre la variable del aprendizaje de la asignatura de matemática,
esto reforzado con lo que menciona Hernández y Mendoza (2018) que toda investigación
cuasiexperimental busca determinar la incidencia de una variable independiente sobre una dependiente.
Dentro de la operacionalización de variables en primera instancia está el aprendizaje de la asignatura de
matemática en los estudiantes de básica superior, esto según Manosalvas y Ronquillo (2023) es el
proceso pedagógico establecido por el currículo nacional donde el estudiantado demuestra su alcance
en el conocimiento de las destrezas, por consiguiente, se muestra sus indicadores. A) calidad en el
proceso enseñanza aprendizaje; b) motivación en el proceso enseñanza aprendizaje.
En cuanto a la población de la investigación estuvo conformado por 120 estudiantes del décimo año de
básica superior de una unidad educativa de Ecuador, para la muestra se trabajo con 80 estudiantes; 40
estudiantes para el grupo control y 40 estudiantes para el grupo experimental.
Como técnica de recolección de datos, se utilizó la encuesta, conformada por preguntas que ayuden a
diagnosticar el estado actual de ambos grupos de estudiantes en la asignatura de matemática antes de
aplicar las herramientas de inteligencia artificial y la misma para medir luego de aplicar las herramientas
de IA.
Para el desarrollo de los talleres, se planifico clases en 8 sesiones son diversas temáticas de matemática,
pero usando: Photomath para resolver algunos problemas y Microsoft Math Solver para fortalecer la
resolución de otros problemas más complejos. En la parte del docente se presentó como guía y facilitador
de los procesos y los estudiantes obtuvieron bases de investigadores al aprender el uso en profundidad
de esas dos aplicaciones de IA.
RESULTADOS Y DISCUSIÓN
En este apartado se presentan los principales hallazgos de la investigación.
pág. 2531
Tabla 1. Análisis general de los temas matemáticos en el proceso enseñanza – aprendizaje
Dominio de contenidos matemáticos Pre - test
Niveles G. Control G. Experimental
f % f %
Bajo 22 55,0% 19 47,5%
Medio 15 37,5% 16 40,0%
Alto 3 7,5% 5 12,5%
Total 40 100,0% 40 100,0%
Dentro de la tabla se muestra el pre-test sobre el dominio de contenidos matemáticos en dos grupos: el
grupo de control y el grupo experimental, cada uno con 40 estudiantes de básica superior. En el grupo
de control, el 55% de los estudiantes se ubicaron en el nivel bajo, el 37,5% en el nivel medio y el 7,5%
en el nivel alto. Por su parte, en el grupo experimental, el 47,5% se encontró en el nivel bajo, el 40% en
el nivel medio y el 12,5% en el nivel alto, lo que muestra una mayor proporción de estudiantes en el
nivel alto en el grupo experimental en comparación con el grupo de control.
Tabla 2. Análisis del PEA en el grupo experimental (Pretest y Postest)
Dominio de contenidos matemáticos Pre – test y Post-test
Niveles
Pre Test Post Test
f % f %
Bajo 19 47,5% 10 25,0%
Medio 16 40,0% 13 32,5%
Alto 5 12,5% 17 42,5%
Total 40 100,0% 40 100.0%
La tabla muestra los resultados de un pre-test y un post-test sobre el dominio de contenidos matemáticos,
con 40 estudiantes en cada prueba. En el pre-test, el 47,5% de los estudiantes estuvieron en el nivel bajo,
el 40% en el nivel medio y el 12,5% en el nivel alto. Tras el post-test, se observa una mejora significativa
luego de aplicar las herramientas de inteligencia artificial, con solo el 25% de los estudiantes en el nivel
bajo, el 32,5% en el nivel medio y el 42,5% alcanzando el nivel alto, lo que indica un progreso en el
dominio de los contenidos matemáticos entre los dos momentos de evaluación.
Tabla 1. Análisis general de los temas matemáticos en el proceso enseñanza – aprendizaje
Dominio de contenidos matemáticos Pre - test
Niveles G. Control G. Experimental
f % f %
Bajo 22 55,0% 19 47,5%
Medio 15 37,5% 16 40,0%
Alto 3 7,5% 5 12,5%
Total 40 100,0% 40 100,0%
Dentro de la tabla se muestra el pre-test sobre el dominio de contenidos matemáticos en dos grupos: el
grupo de control y el grupo experimental, cada uno con 40 estudiantes de básica superior. En el grupo
de control, el 55% de los estudiantes se ubicaron en el nivel bajo, el 37,5% en el nivel medio y el 7,5%
en el nivel alto. Por su parte, en el grupo experimental, el 47,5% se encontró en el nivel bajo, el 40% en
el nivel medio y el 12,5% en el nivel alto, lo que muestra una mayor proporción de estudiantes en el
nivel alto en el grupo experimental en comparación con el grupo de control.
Tabla 2. Análisis del PEA en el grupo experimental (Pretest y Postest)
Dominio de contenidos matemáticos Pre – test y Post-test
Niveles
Pre Test Post Test
f % f %
Bajo 19 47,5% 10 25,0%
Medio 16 40,0% 13 32,5%
Alto 5 12,5% 17 42,5%
Total 40 100,0% 40 100.0%
La tabla muestra los resultados de un pre-test y un post-test sobre el dominio de contenidos matemáticos,
con 40 estudiantes en cada prueba. En el pre-test, el 47,5% de los estudiantes estuvieron en el nivel bajo,
el 40% en el nivel medio y el 12,5% en el nivel alto. Tras el post-test, se observa una mejora significativa
luego de aplicar las herramientas de inteligencia artificial, con solo el 25% de los estudiantes en el nivel
bajo, el 32,5% en el nivel medio y el 42,5% alcanzando el nivel alto, lo que indica un progreso en el
dominio de los contenidos matemáticos entre los dos momentos de evaluación.
pág. 2532
Hipótesis general
Ho: La implementación de las herramientas basadas en inteligencia artificial no mejoran
significativamente el aprendizaje de la asignatura de matemática en estudiantes de básica superior.
Hi: La implementación de las herramientas basadas en inteligencia artificial mejoran significativamente
el aprendizaje de la asignatura de matemática en estudiantes de básica superior.
Tabla 3. Significancia del antes y después de aplicar las herramientas de Inteligencia Artificial
Estadísticos de prueba
Proceso enseñanza –
aprendizaje Pre test
Proceso enseñanza –
aprendizaje Post test
U de Mann-Whitney 360,000 10,500
W de Wilcoxon 530,000 270,500
Z -2,6306 -5,433
Sig. asintót. (bilateral) ,012 ,000g
La tabla muestra los resultados de dos pruebas estadística inferencial, la U de Mann-Whitney, aplicadas
al proceso de enseñanza-aprendizaje en un pre-test y un post-test. En el pre-test, el valor de la U de
Mann-Whitney fue 360,000, con un valor de Z de -2,6306 y una significancia bilateral de 0,012, lo que
indica una diferencia significativa entre los grupos. En el post-test, la U de Mann-Whitney fue 10,500,
con una significancia bilateral de 0,00, lo que sugiere una mejora significativa en el proceso de
enseñanza-aprendizaje entre el post-test.
Hipótesis general
Ho: La implementación de las herramientas basadas en inteligencia artificial no mejoran
significativamente el aprendizaje de la asignatura de matemática en estudiantes de básica superior.
Hi: La implementación de las herramientas basadas en inteligencia artificial mejoran significativamente
el aprendizaje de la asignatura de matemática en estudiantes de básica superior.
Tabla 3. Significancia del antes y después de aplicar las herramientas de Inteligencia Artificial
Estadísticos de prueba
Proceso enseñanza –
aprendizaje Pre test
Proceso enseñanza –
aprendizaje Post test
U de Mann-Whitney 360,000 10,500
W de Wilcoxon 530,000 270,500
Z -2,6306 -5,433
Sig. asintót. (bilateral) ,012 ,000g
La tabla muestra los resultados de dos pruebas estadística inferencial, la U de Mann-Whitney, aplicadas
al proceso de enseñanza-aprendizaje en un pre-test y un post-test. En el pre-test, el valor de la U de
Mann-Whitney fue 360,000, con un valor de Z de -2,6306 y una significancia bilateral de 0,012, lo que
indica una diferencia significativa entre los grupos. En el post-test, la U de Mann-Whitney fue 10,500,
con una significancia bilateral de 0,00, lo que sugiere una mejora significativa en el proceso de
enseñanza-aprendizaje entre el post-test.
pág. 2533
DISCUSIÓN
Tras examinar los resultados tanto descriptivos como inferenciales, se pudo destacar que al aplicar las
herramientas de inteligencia artificial ayuda a fortalecer el proceso pedagógico de la asignatura de
matemática. Este modelo resultó particularmente eficaz en el grupo experimental, evidenciándose
mejoras notables en el dominio de los contenidos y destrezas del tronco común del área de matemática.
Los hallazgos obtenidos refuerzan y validan la mencionado por Tipán et al. (2021), quienes afirmaron
que el uso de herramientas implementadas en un modelo pedagógico enfocado para alguna asignatura
tiene un impacto positivo en el proceso de enseñanza-aprendizaje. Estos resultados complementan la
idea de que una herramienta tecnología bien usada ayuda a fortalecer el proceso educativo.
CONCLUSIONES
Las herramientas de inteligencia artificial se integran perfectamente con los principios del
Conectivismo, una teoría educativa que destaca cómo el uso adecuado de la tecnología y la interacción
en redes y nodos puede potenciar el aprendizaje de los estudiantes. Esta perspectiva permite que los
estudiantes accedan a recursos educativos y establezcan conexiones que favorecen la comprensión
profunda de diversos temas.
En este contexto, los resultados del estudio muestran que la aplicación de la inteligencia artificial en las
clases no solo mejoró significativamente el rendimiento de los estudiantes en matemáticas, sino que
también fortaleció su compromiso y motivación con el proceso educativo, especialmente en el grupo
experimental.
REFERENCIAS BIBLIOGRÁFICAS
Aguilar, G. M. F., Gavilanes, D. C. A., Freire, E. M. A., & Quincha, M. L. (2023). Inteligencia artificial
y la educación universitaria: Una revisión sistemática. Magazine de las ciencias: Revista de
Investigación e Innovación, 8(1), 109-131.
https://revistas.utb.edu.ec/index.php/magazine/article/view/2935
Arias y Covinos (2021). Diseño y metodología de la investigación. Enfoques Consulting EIRL, 1(1),
66-78. chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/
https://gc.scalahed.com/recursos/files/r161r/w26022w/Arias_S2.pdf
DISCUSIÓN
Tras examinar los resultados tanto descriptivos como inferenciales, se pudo destacar que al aplicar las
herramientas de inteligencia artificial ayuda a fortalecer el proceso pedagógico de la asignatura de
matemática. Este modelo resultó particularmente eficaz en el grupo experimental, evidenciándose
mejoras notables en el dominio de los contenidos y destrezas del tronco común del área de matemática.
Los hallazgos obtenidos refuerzan y validan la mencionado por Tipán et al. (2021), quienes afirmaron
que el uso de herramientas implementadas en un modelo pedagógico enfocado para alguna asignatura
tiene un impacto positivo en el proceso de enseñanza-aprendizaje. Estos resultados complementan la
idea de que una herramienta tecnología bien usada ayuda a fortalecer el proceso educativo.
CONCLUSIONES
Las herramientas de inteligencia artificial se integran perfectamente con los principios del
Conectivismo, una teoría educativa que destaca cómo el uso adecuado de la tecnología y la interacción
en redes y nodos puede potenciar el aprendizaje de los estudiantes. Esta perspectiva permite que los
estudiantes accedan a recursos educativos y establezcan conexiones que favorecen la comprensión
profunda de diversos temas.
En este contexto, los resultados del estudio muestran que la aplicación de la inteligencia artificial en las
clases no solo mejoró significativamente el rendimiento de los estudiantes en matemáticas, sino que
también fortaleció su compromiso y motivación con el proceso educativo, especialmente en el grupo
experimental.
REFERENCIAS BIBLIOGRÁFICAS
Aguilar, G. M. F., Gavilanes, D. C. A., Freire, E. M. A., & Quincha, M. L. (2023). Inteligencia artificial
y la educación universitaria: Una revisión sistemática. Magazine de las ciencias: Revista de
Investigación e Innovación, 8(1), 109-131.
https://revistas.utb.edu.ec/index.php/magazine/article/view/2935
Arias y Covinos (2021). Diseño y metodología de la investigación. Enfoques Consulting EIRL, 1(1),
66-78. chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/
https://gc.scalahed.com/recursos/files/r161r/w26022w/Arias_S2.pdf
pág. 2534
Cantú, P. C. (2024). Inteligencia artificial y sus connotaciones éticas. Revista Iberoamericana de
Bioética, (25), 01-11. https://revistas.comillas.edu/index.php/bioetica-revista-
iberoamericana/article/view/21380/19268
Castrillo, C. J. H. (2022). Metodologías para el aprendizaje por competencias de Ecuaciones
Diferenciales aplicadas en Física al utilizar tecnología en la carrera Física Matemática. Revista
Torreón Universitario, 11(32). https://camjol.info/index.php/torreon/article/view/15065
Castro Maldonado, J. J., Gómez Macho, L. K., & Camargo Casallas, E. (2023). La investigación
aplicada y el desarrollo experimental en el fortalecimiento de las competencias de la sociedad del
siglo XXI. Tecnura, 27(75), 140-174.
Congreso, E., Opini, X. S., & Expansi, E. V. (2022). Inegi : Población usuaria de internet. 9-16.
https://n9.cl/0xzwy
Flores, F. A. I., Sanchez, D. L. C., Urbina, R. O. E., Coral, M. Á. V., Medrano, S. E. V., & Gonzales, D.
G. E. (2022). Inteligencia artificial en educación: una revisión de la literatura en revistas
científicas internacionales. Apuntes universitarios, 12(1), 353-372.
Hernández, S. A., Acosta, W. R. R., & Marrón, B. S. (2021). Funciones matemáticas a través del enfoque
Ciencia, Tecnología, Ingeniería, Arte y Matemática (CTIAM). NÚMEROS, 108.
Hernández Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación. En Mc Graw Hill
(Vol. 1, Número Mexico).
López, C. E., López, M. L., Morocho, T. M., & Warusha-Sanchim, R. O. (2024). La didáctica de la
matemática en interacción con la Tecnología de la Información y Comunicación. MQRInvestigar,
8(1), 3308-3328. https://www.investigarmqr.com/ojs/index.php/mqr/article/view/1057
Manosalvas, S. L. R., & Ronquillo, N. D. P. Y. (2023). Material concreto y su importancia en el
fortalecimiento de la matemática: Una revisión documental. MENTOR revista de investigación
educativa y deportiva, 2(4), 69-87.
Monzón, M. Á. C. (2024). Inteligencia Artificial en el aula: oportunidades y desafíos para la enseñanza
de matemáticas y física universitaria. Revista Internacional de Pedagogía e Innovación Educativa
, 4 (1), 193-207.
Cantú, P. C. (2024). Inteligencia artificial y sus connotaciones éticas. Revista Iberoamericana de
Bioética, (25), 01-11. https://revistas.comillas.edu/index.php/bioetica-revista-
iberoamericana/article/view/21380/19268
Castrillo, C. J. H. (2022). Metodologías para el aprendizaje por competencias de Ecuaciones
Diferenciales aplicadas en Física al utilizar tecnología en la carrera Física Matemática. Revista
Torreón Universitario, 11(32). https://camjol.info/index.php/torreon/article/view/15065
Castro Maldonado, J. J., Gómez Macho, L. K., & Camargo Casallas, E. (2023). La investigación
aplicada y el desarrollo experimental en el fortalecimiento de las competencias de la sociedad del
siglo XXI. Tecnura, 27(75), 140-174.
Congreso, E., Opini, X. S., & Expansi, E. V. (2022). Inegi : Población usuaria de internet. 9-16.
https://n9.cl/0xzwy
Flores, F. A. I., Sanchez, D. L. C., Urbina, R. O. E., Coral, M. Á. V., Medrano, S. E. V., & Gonzales, D.
G. E. (2022). Inteligencia artificial en educación: una revisión de la literatura en revistas
científicas internacionales. Apuntes universitarios, 12(1), 353-372.
Hernández, S. A., Acosta, W. R. R., & Marrón, B. S. (2021). Funciones matemáticas a través del enfoque
Ciencia, Tecnología, Ingeniería, Arte y Matemática (CTIAM). NÚMEROS, 108.
Hernández Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación. En Mc Graw Hill
(Vol. 1, Número Mexico).
López, C. E., López, M. L., Morocho, T. M., & Warusha-Sanchim, R. O. (2024). La didáctica de la
matemática en interacción con la Tecnología de la Información y Comunicación. MQRInvestigar,
8(1), 3308-3328. https://www.investigarmqr.com/ojs/index.php/mqr/article/view/1057
Manosalvas, S. L. R., & Ronquillo, N. D. P. Y. (2023). Material concreto y su importancia en el
fortalecimiento de la matemática: Una revisión documental. MENTOR revista de investigación
educativa y deportiva, 2(4), 69-87.
Monzón, M. Á. C. (2024). Inteligencia Artificial en el aula: oportunidades y desafíos para la enseñanza
de matemáticas y física universitaria. Revista Internacional de Pedagogía e Innovación Educativa
, 4 (1), 193-207.
pág. 2535
. Tipán, E. A. C., Suarez, M. F. N., Macías, G. L. F., & Quistial, S. B. L. (2021). Metodología Flipped
Classroom para el fortalecimiento del proceso de enseñanza-aprendizaje en la asignatura de
matemática. Serie Científica de la Universidad de las Ciencias Informáticas, 14(9), 106-120.
https://dialnet.unirioja.es/servlet/articulo?codigo=8590646
Ruiz, M. (2020). Importancia del cambio digital en la educación. Obtenido de:
https://www.flup.es/importancia-transformacion-digital-educacion
Sandoval Martínez, J., Gante Casas, A. D., Gómez Pérez, M. Á., & López Aguilar, R. M. (2022).
Estrategias de afrontamiento del ciberbullying en estudiantes de secundaria pública y privada.
Diálogos sobre educación. Temas actuales en investigación educativa, 13(24). chrome-
extension://efaidnbmnnnibpcajpcglclefindmkaj/
https://www.scielo.org.mx/pdf/dsetaie/v13n24/2007-2171-dsetaie-13-24-00010.pdf
Silva, M., Correa, R., & Mc-Guire, P. (2024). Metodologías activas con inteligencia artificial y su
relación con la enseñanza de la matemática en la educación superior en Chile: estado del arte. TE
& ET. https://sedici.unlp.edu.ar/handle/10915/168188
. Tipán, E. A. C., Suarez, M. F. N., Macías, G. L. F., & Quistial, S. B. L. (2021). Metodología Flipped
Classroom para el fortalecimiento del proceso de enseñanza-aprendizaje en la asignatura de
matemática. Serie Científica de la Universidad de las Ciencias Informáticas, 14(9), 106-120.
https://dialnet.unirioja.es/servlet/articulo?codigo=8590646
Ruiz, M. (2020). Importancia del cambio digital en la educación. Obtenido de:
https://www.flup.es/importancia-transformacion-digital-educacion
Sandoval Martínez, J., Gante Casas, A. D., Gómez Pérez, M. Á., & López Aguilar, R. M. (2022).
Estrategias de afrontamiento del ciberbullying en estudiantes de secundaria pública y privada.
Diálogos sobre educación. Temas actuales en investigación educativa, 13(24). chrome-
extension://efaidnbmnnnibpcajpcglclefindmkaj/
https://www.scielo.org.mx/pdf/dsetaie/v13n24/2007-2171-dsetaie-13-24-00010.pdf
Silva, M., Correa, R., & Mc-Guire, P. (2024). Metodologías activas con inteligencia artificial y su
relación con la enseñanza de la matemática en la educación superior en Chile: estado del arte. TE
& ET. https://sedici.unlp.edu.ar/handle/10915/168188