Integración de la inteligencia artificial como andamiaje cognitivo en la enseñanza de la monotonía de funciones racionales en matemáticas: un estudio cuasi-experimental en educación secundaria
DOI:
https://doi.org/10.23857/dc.v12i1.4756Palabras clave:
inteligencia artificial educativa, monotonía de funciones racionales, andamiaje cognitivo, pensamiento variacional, ChatGPT en educaciónResumen
El objetivo de la investigación fue determinar la incidencia de la integración de la inteligencia artificial como andamiaje cognitivo en el desarrollo de las destrezas relacionadas con la monotonía de funciones racionales en estudiantes de educación secundaria. Se desarrolló un estudio cuantitativo de tipo cuasi experimental con alcance correlacional descriptivo, con una muestra de 80 estudiantes distribuidos en un grupo de control y un grupo experimental. El grupo experimental trabajó con la plataforma adaptativa MathAI-Monotonic 4.0, mientras que el grupo control utilizó metodología tradicional. Se aplicó un test estructurado validado por expertos y con alta confiabilidad (? = 0.89). Los datos fueron analizados mediante estadística descriptiva, prueba t de Student para muestras independientes, correlación de Pearson y tamaño del efecto d de Cohen. Los resultados evidenciaron diferencias estadísticamente significativas (p < 0.001) a favor del grupo experimental, una correlación positiva alta (r = 0.78) entre interacción con la IA y rendimiento académico, y un tamaño del efecto muy grande (d = 1.89). Se concluye que la inteligencia artificial, cuando se integra como andamiaje cognitivo adaptativo, fortalece significativamente el razonamiento analítico, el pensamiento variacional y la comprensión estructural de la monotonía en funciones racionales, constituyéndose en una estrategia didáctica innovadora con alto impacto pedagógico y relevancia científica en el campo de la educación matemática.
Citas
Aleven, V., McLaughlin, E. A., Glenn, R., & Koedinger, K. R. (2016). Instruction based on adaptive learning technologies. In R. E. Mayer & P. A. Alexander (Eds.), Handbook of research on learning and instruction (2nd ed., pp. 522–560). Routledge.
Artigue, M. (1994). Didactical engineering as a framework for the conception of teaching products. In R. Biehler et al. (Eds.), Didactics of mathematics as a scientific discipline (pp. 27–39). Kluwer Academic Publishers.
Borba, M. C. (2021). The future of mathematics education since COVID-19: Humans-with-media or humans-with-non-living-things. Educational Studies in Mathematics, 108(1–2), 385–400.
Bruner, J. (1986). Actual minds, possible worlds. Harvard University Press.
CEPAL. (2022). La transformación digital en América Latina: desafíos y oportunidades para la educación. Naciones Unidas.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
Cohen, J., Cohen, P., West, S., & Aiken, L. (2007). Applied multiple regression/correlation analysis for the behavioral sciences (3rd ed.). Lawrence Erlbaum Associates.
Confrey, J., & Smith, E. (1995). Splitting, covariation and their role in the development of exponential functions. Journal for Research in Mathematics Education, 26(1), 66–86.
Duval, R. (2006). A cognitive analysis of problems of comprehension in a learning of mathematics. Educational Studies in Mathematics, 61(1–2), 103–131.
Ferguson, R. (2012). Learning analytics: Drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5–6), 304–317.
Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). Sage.
Hattie, J. (2009). Visible learning. Routledge.
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education. Center for Curriculum Redesign.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
Ma, W., Adesope, O., Nesbit, J., & Liu, Q. (2014). Intelligent tutoring systems and learning outcomes: A meta-analysis. Journal of Educational Psychology, 106(4), 901–918.
Mayer, R. E. (2005). The Cambridge handbook of multimedia learning. Cambridge University Press.
Ministerio de Educación del Ecuador. (2023). Lineamientos para la innovación educativa digital. MINEDUC.
Nunnally, J., & Bernstein, I. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
Piaget, J. (1970). Genetic epistemology. Columbia University Press.
Rittle-Johnson, B., Schneider, M., & Star, J. (2017). Not a one-way street: Bidirectional relations between procedural and conceptual knowledge. Educational Psychology Review, 29(4), 587–597.
Sfard, A. (1991). On the dual nature of mathematical conceptions. Educational Studies in Mathematics, 22(1), 1–36.
Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist, 57(10), 1380–1400.
Tall, D. (1992). The transition to advanced mathematical thinking. In D. Grouws (Ed.), Handbook of research on mathematics teaching and learning (pp. 495–511). Macmillan.
Thompson, P. (1994). The development of the concept of speed and its relationship to concepts of rate. In G. Harel & J. Confrey (Eds.), The development of multiplicative reasoning (pp. 179–234). SUNY Press.
UNESCO. (2021). Artificial intelligence and education: Guidance for policy-makers. UNESCO Publishing.
UNESCO. (2022). Reimagining our futures together: A new social contract for education. UNESCO Publishing.
UNESCO. (2023). Generative AI and education: Policy guidance. UNESCO Publishing.
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems and other tutoring systems. Educational Psychologist, 46(4), 197–221.
Vygotsky, L. (1978). Mind in society. Harvard University Press.
Zawacki-Richter, O., Marín, V., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16(39), 1–27.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Diego Alberto López Altamirano , Sandra Geoconda Galarza Paredes, Silvana Del Carmen Valencia Carrillo , Ligia Carolina Llerena Chacón
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.
