Integración de inteligencia artificial generativa como andamiaje cognitivo en la enseñanza del equilibrio químico en la asignatura de química: un estudio cuasi-experimental en educación secundaria
DOI:
https://doi.org/10.23857/dc.v12i1.4765Palabras clave:
inteligencia artificial generativa, equilibrio químico, didáctica de la química, andamiaje cognitivo, educación secundariaResumen
El objetivo de esta investigación fue analizar el impacto de la integración de inteligencia artificial generativa como andamiaje cognitivo en el desarrollo de destrezas relacionadas con el equilibrio químico en estudiantes de educación secundaria. Se desarrolló un estudio cuantitativo con diseño cuasi-experimental de enfoque correlacional descriptivo, con una muestra de 80 participantes distribuidos en grupo experimental y grupo de control. Se aplicó un test estructurado validado por expertos y con alta confiabilidad (? = 0.89). Para el análisis de datos se utilizaron estadísticos descriptivos, prueba t de Student para muestras independientes, correlación de Pearson y tamaño del efecto d de Cohen. Los resultados evidenciaron diferencias estadísticamente significativas a favor del grupo experimental (p < 0.001), con un tamaño del efecto muy grande (d = 1.25). Se observaron ganancias normalizadas altas (g > 0.70) en modelización microscópica, argumentación científica e interpretación gráfica del equilibrio. Asimismo, se encontró una correlación positiva fuerte (r > 0.70) entre la frecuencia de interacción con la inteligencia artificial y el desempeño académico. Se concluye que la inteligencia artificial generativa constituye una estrategia pedagógica eficaz para fortalecer la comprensión conceptual y procedimental del equilibrio químico, aportando evidencia empírica relevante para la didáctica de la química y para la integración estratégica de tecnologías emergentes en educación científica.
Citas
Azevedo, R. (2005). Using hypermedia as a metacognitive tool for enhancing student learning? The role of self-regulated learning. Educational Psychologist, 40(4), 199–209.
Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. In Learning analytics (pp. 61–75). Springer.
Brown, T. L., LeMay, H. E., Bursten, B. E., Murphy, C., Woodward, P., & Stoltzfus, M. (2018). Chemistry: The central science (14th ed.). Pearson.
Bruner, J. (1986). Actual minds, possible worlds. Harvard University Press.
CEPAL. (2022). Educación en tiempos de transformación digital en América Latina. Naciones Unidas.
Chang, R., & Goldsby, K. (2016). Chemistry (12th ed.). McGraw-Hill.
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264–75278.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
Dede, C. (2014). The role of digital technologies in deeper learning. Students at the center. Harvard Education Press.
de Jong, O., & Treagust, D. F. (2002). The teaching and learning of electrochemistry. In Chemical education: Towards research-based practice. Springer.
Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). Sage.
Garnett, P. J., Garnett, P. J., & Hackling, M. W. (1995). Students’ alternative conceptions in chemistry. Studies in Science Education, 25(1), 69–95.
George, D., & Mallery, P. (2003). SPSS for Windows step by step. Allyn & Bacon.
Gilbert, J. K., & Treagust, D. F. (2009). Multiple representations in chemical education. Springer.
Graesser, A. C., McNamara, D. S., & VanLehn, K. (2018). Intelligent tutoring systems. In Handbook of the learning sciences.
Hake, R. R. (1998). Interactive-engagement versus traditional methods. American Journal of Physics, 66(1), 64–74.
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación. McGraw-Hill.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education. Center for Curriculum Redesign.
Hwang, G. J., & Tu, Y. F. (2021). Roles and research trends of artificial intelligence in education. Computers and Education: Artificial Intelligence, 2, 100001.
Johnstone, A. H. (1991). Why is science difficult to learn? Journal of Computer Assisted Learning, 7(2), 75–83.
Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why minimal guidance during instruction does not work. Educational Psychologist, 41(2), 75–86.
Kozma, R., & Russell, J. (2005). Students becoming chemists. In Visualization in science education. Springer.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
Mayer, R. E. (2009). Multimedia learning (2nd ed.). Cambridge University Press.
Ministerio de Educación del Ecuador. (2016). Currículo de educación general básica y bachillerato general unificado. MINEDUC.
Ministerio de Educación del Ecuador. (2022). Lineamientos para la transformación digital educativa. MINEDUC.
OECD. (2021). Artificial intelligence in education: Challenges and opportunities. OECD Publishing.
Osborne, J. (2010). Arguing to learn in science. Science, 328(5977), 463–466.
Quílez, J. (2004). Changes in concentration and equilibrium. Chemistry Education Research and Practice, 5(3), 281–295.
Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International Journal of Artificial Intelligence in Education, 26(2), 582–599.
Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist, 57(10), 1380–1400.
Slavin, R. E. (2019). Educational psychology: Theory and practice. Pearson.
Sweller, J. (2011). Cognitive load theory. Psychology of Learning and Motivation, 55, 37–76.
Taber, K. S. (2013). Revisiting the chemistry triplet. Chemistry Education Research and Practice, 14(2), 156–168.
Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach’s alpha. International Journal of Medical Education, 2, 53–55.
Tyson, L., Treagust, D. F., & Bucat, R. B. (1999). The complexity of teaching and learning chemical equilibrium. Journal of Chemical Education, 76(4), 554–558.
UNESCO. (2021). AI and education: Guidance for policy-makers. UNESCO Publishing.
UNESCO. (2023). Generative AI and the future of education. UNESCO Publishing.
Voska, K. W., & Heikkinen, H. W. (2000). Identification and analysis of student conceptions. Journal of Research in Science Teaching, 37(2), 160–176.
Vygotsky, L. S. (1978). Mind in society. Harvard University Press.
Zawacki-Richter, O., Marín, V., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence in higher education. International Journal of Educational Technology in Higher Education, 16(39).
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Diego Alberto López Altamirano , Audelia Mariana Escobar Gavilanes , Dolores Victoria Morales Llerena , Zoila María Paredes Zhirzhán
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.
