Aplicación de modelos predictivos en la enseñanza de la programación: un enfoque basado en inteligencia artificial

Autores/as

DOI:

https://doi.org/10.23857/dc.v12i1.4761

Palabras clave:

Inteligencia Artificial, programación, aprendizaje personalizado, estudio cuasi experimental, modelos predictivos

Resumen

El objetivo de este estudio fue evaluar la efectividad de los modelos predictivos basados en inteligencia artificial (IA) en la enseñanza de la programación, personalizando las lecciones según las dificultades individuales de los estudiantes. La metodología seguida fue un estudio cuasi experimental con un enfoque correlacional descriptivo, en el que participaron 80 estudiantes divididos en dos grupos: experimental y de control. El grupo experimental utilizó un sistema de aprendizaje basado en IA, mientras que el grupo de control recibió enseñanza tradicional. Se diseñó un test validado por expertos para medir las destrezas en programación, que fue evaluado con el coeficiente alfa de Cronbach (0.89), indicando alta confiabilidad. Se realizaron análisis de correlación de Pearson y t-student para muestras independientes, lo que permitió comparar el rendimiento de ambos grupos. Los resultados mostraron que el grupo experimental presentó una mejora significativa en todas las áreas evaluadas, como la comprensión de algoritmos, resolución de problemas y aplicación de estructuras de datos. En conclusión, la implementación de modelos predictivos basados en IA demostró ser altamente efectiva en la mejora de las destrezas de programación, proporcionando una enseñanza más personalizada y eficiente. Esta investigación contribuye a la integración de la tecnología en el ámbito educativo, especialmente en disciplinas técnicas como la programación.

Biografía del autor/a

Darwin Fernando Núñez Collantes , Instituto Superior Universitario Vida Nueva

Ingeniero en Informática y Sistemas Computacionales, Magister en Ciberseguridad, Docente de Ciberseguridad y Ciberdelitos en la Carrera de Desarrollo de Software en el Instituto Superior Universitario Vida Nueva, Pichincha, Ecuador.

Mario Danilo Herrera Ramírez , Unidad Educativa Pujili

Master Universitario en Formación Internacional Especializada del Profesorado, Magister en Gerencia Educativa, Docente de Educación Para la Ciudadanía en Primero y Segundo Bachillerato, Rector, de la Unidad Educativa Pujili, Cotopaxi, Ecuador.

María Del Carmen Paredes Acosta , Unidad Educativa Belisario Quevedo

Licenciada en Ciencias de la Educación Mención Educación Básica, Docente del Nivel Elemental en la Unidad Educativa Belisario Quevedo, Cotopaxi, Ecuador.

María Liliana Oña Viera , Unidad Educativa Canchagua

Magíster en Planeamiento y Administración Educativos, Licenciada en Ciencias de la Educación, Mención Educación Básica, Docente de Educación General Básica de la Unidad Educativa Canchagua, Cotopaxi, Ecuador.

Citas

Baker, R. S., & Wilson, M. (2018). The role of AI in education. Educational Technology, 18(3), 45-50.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Academic Press.

Dufresne, R. J., Mestre, J. P., Hart, D. M., & Rath, K. A. (2017). Modeling in the education of science: The role of artificial intelligence. International Journal of Artificial Intelligence in Education, 27(4), 390-403.

Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). Sage.

Lakens, D. (2013). Calculating and reporting effect sizes. The International Journal of Social Research Methodology, 16(2), 61-68.

Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.

Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach’s alpha. International Journal of Medical Education, 2, 53-55.

Woolf, B. P. (2020). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.

Zhang, L., Xie, H., & Zhang, J. (2020). A survey of machine learning in education: From learning behavior analysis to intelligent tutoring systems. Journal of Educational Technology & Society, 23(4), 14-25.

UNESCO. (2020). Artificial Intelligence in education: Challenges and opportunities. UNESCO Report.

Descargas

Publicado

2026-03-24

Cómo citar

Núñez Collantes , D. F., Herrera Ramírez , M. D., Paredes Acosta , M. D. C., & Oña Viera , M. L. (2026). Aplicación de modelos predictivos en la enseñanza de la programación: un enfoque basado en inteligencia artificial. Dominio De Las Ciencias, 12(1), 2173–2187. https://doi.org/10.23857/dc.v12i1.4761

Número

Sección

Artí­culos Cientí­ficos