����������������������������������������������������������������������������������

 

 

Inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior

 

Artificial intelligence for learning mathematics in higher education

 

Intelig�ncia artificial para aprender matem�tica no ensino superior

 

 

 

 

 

 

 

 

 

 

Correspondencia: cristianl.inca@espoch.edu.ec

 

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

��

* Recibido: 39 de diciembre de 2023 *Aceptado: 10 de enero de 2024 * Publicado: �21 de febrero de 2024

 

        I.            Escuela Superior Polit�cnica de Chimborazo (ESPOCH), Ecuador.

 

Resumen

Una de las disciplinas claves para el �xito de carreras de ingenier�a y tecnolog�a es la matem�tica, no obstante� el inter�s de los estudiantes y su desempe�o es deficiente debido a los abstracta de la misma, sin embargo con el crecimiento de la tecnolog�a se han desarrollado aplicaciones que facilitan el trabajo y el tiempo para la resoluci�n de problemas matem�ticos lo que aumento el inter�s por su estudio, en este sentido el objetivo de esta revisi�n bibliogr�fica fue analizar los hallazgos que destacan la importancia de la inteligencia artificial para el aprendizaje de las matem�ticas en la educaci�n superior. Para ello se llev� a cabo una revisi�n sistem�tica, mediante la revisi�n de 300 art�culos cient�ficos en revistas cient�ficas incluidas en base de datos como Scopus, Google acad�mico, Latindex y Researchgate, durante el periodo 2017-2023, de los cuales se seleccionaron 28 donde se analizaron las ventajas y desventajas del uso de la inteligencia artificial en la educaci�n con �nfasis en las matem�ticas. Los resultados revelan que ha existido un crecimiento exponencial del uso de aplicaciones como redes neuronales y algoritmos automatizado que ha mejorado el desempe�o de los estudiantes en matem�ticas debido a cono realizar tareas en un menor tiempo, resolver ejercicios complejos, acceso a la informaci�n, manejo de gran cantidad de datos y aplicaciones para la soluci�n� de problemas reales, sin embargo su implementaci�n se ve limitada por el alto costo de los programas, el requerimiento de infraestructura tecnol�gica, docentes preparados y la resistencia al cambio por el temor de los profesionales de la educaci�n de ser desplazados por las maquinas.

Palabras clave: Algoritmos; Automatizaci�n; Educaci�n redes neuronales; Tecnolog�a.

 

Abstract

One of the key disciplines for the success of engineering and technology careers is mathematics, however the interest of students and their performance is poor due to its abstract nature, however with the growth of technology applications have been developed. that facilitate work and time for solving mathematical problems, which increased interest in their study. In this sense, the objective of this bibliographic review was to analyze the findings that highlight the importance of artificial intelligence for learning mathematics in higher education. To this end, a systematic review was carried out by reviewing 300 scientific articles in scientific journals included in databases such as Scopus, Google Academic, Latindex and Researchgate, during the period 2017-2023, of which 28 were selected where They analyzed the advantages and disadvantages of using artificial intelligence in education with an emphasis on mathematics. The results reveal that there has been an exponential growth in the use of applications such as neural networks and automated algorithms that have improved the performance of students in mathematics due to performing tasks in a shorter time, solving complex exercises, access to information, management of large amount of data and applications to solve real problems, however its implementation is limited by the high cost of the programs, the requirement for technological infrastructure, trained teachers and resistance to change due to the fear of education professionals. from being moved by machines.

Keywords: Algorithms; Automation; Neural networks education; Technology.

 

Resumo

Uma das disciplinas chave para o sucesso das carreiras de engenharia e tecnologia � a matem�tica, no entanto o interesse dos alunos e o seu desempenho � fraco devido ao seu car�cter abstracto, no entanto com o crescimento da tecnologia foram desenvolvidas aplica��es que facilitam o trabalho e o tempo de resolu��o problemas matem�ticos, o que aumentou o interesse pelo seu estudo.Nesse sentido, o objetivo desta revis�o bibliogr�fica foi analisar os achados que destacam a import�ncia da intelig�ncia artificial para a aprendizagem da matem�tica no ensino superior. Para tanto foi realizada uma revis�o sistem�tica atrav�s da revis�o de 300 artigos cient�ficos em revistas cient�ficas inclu�das em bases de dados como Scopus, Google Academic, Latindex e Researchgate, durante o per�odo 2017-2023, dos quais foram selecionados 28 onde analisaram as vantagens e desvantagens do uso da intelig�ncia artificial na educa��o com �nfase em matem�tica. Os resultados revelam que houve um crescimento exponencial na utiliza��o de aplica��es como redes neurais e algoritmos automatizados que melhoraram o desempenho dos alunos em matem�tica devido � realiza��o de tarefas em menor tempo, resolu��o de exerc�cios complexos, acesso � informa��o, gest�o de grande quantidade de dados e aplica��es para resolver problemas reais, por�m sua implementa��o � limitada pelo alto custo dos programas, pela exig�ncia de infraestrutura tecnol�gica, professores capacitados e pela resist�ncia �s mudan�as devido ao medo dos profissionais da educa��o de serem movidos por m�quinas.

Palavras-chave: Algoritmos; Automa��o; Educa��o em redes neurais; Tecnologia.

 

 

 

Introducci�n

La inteligencia artificial (IA) se define como la parte computacional de la capacidad para alcanzar metas en el mundo, la cual tiene como prop�sito� crear programas inform�ticos y m�quinas inteligentes ( Chen et al.,., 2020; Luan et al., 2020), entre las que destacan aplicaciones de contenido inteligente; sistemas de lecciones inteligentes; sistemas de ense�anza inteligentes; programas de creaci�n de subt�tulos; modos de aprendizaje personalizados; traductores de idiomas; sistemas de evaluaci�n; sistemas de producci�n de voz; programas de mejora del rendimiento; herramientas de realidad virtual; entornos virtuales de aprendizaje simulaci�n de datos de los estudiantes y aprendizaje en entorno de realidad virtual (VR) o realidad aumentada (RA).

La IA viene a revolucionar el mundo de la tecnolog�a e informaci�n, considerando que anteriormente, el acceso a la Informaci�n era complicado y los estudiantes para llevar a cabo una investigaci�n, deb�an buscar la informaci�n entre miles de libros visitando bibliotecas para acceder a la informaci�n (Zhang y Lu, 2021), `por dl contrario con las aplicaciones de IA este proceso se ha vuelto mucho m�s f�cil y r�pido llegar a la informaci�n deseada mediante comandos de voz� o escritos, usando ordenadores o dispositivos m�viles (Yoza et al., 2022), teniendo como ventaja, la rapidez para la b�squeda de la informaci�n y menores costos (Zhao et al., 2019), cuya aplicaci�n se ha visto reflejada en campos como la medicina (Kaul et al., 2020), la ingenier�a (Pan y Zhang, 2021), las comunicaciones (L�pez y Calvo, 2019) y la educaci�n (Flores et al., 2022), el cual es el tema central de esta revisi�n.

En el campo educativo se abordaran las aplicaciones de IA en el campo de las matem�ticas como los algoritmos automatizados (Sanusi et al., 2023), las redes neuronales (Zakaryan, 2021) y los sistemas de aprendizaje profundo (Aguiar et al., 2021), vistas desde del papel que tienen para facilitar el manejo de datos y al resoluci�n de problemas complejos en matem�ticas, destacando la importancia que han tenido en el mejoramiento del rendimiento de los estudiantes, al incrementar su motivaci�n e inter�s por el estudios de las matem�ticas, proceso que es clave en carreras universitaria de tecnolog�a e ingenier�a.

Este tipo de desarrollo tecnol�gico ha consolidado el desarrollo de la educaci�n a distancia, dado que el crecimiento de la tecnolog�a y las computadoras ha permitido un acceso m�s f�cil a las aplicaciones educativas (Abeliuk y Guti�rrez, 2021), bien sea de manera sincr�nica o asincr�nica, y las cuales jugaron un papel clave durante la pandemia por COVID-19 para dar continuidad al proceso educativo a pesar de las restricciones sanitarias para evitar la propagaci�n de enfermedad (Tarik et al,2021), lo cual adem�s marco un antes y un despu�s del uso de la tecnolog�a en la educaci�n, incluyendo las aplicaciones de IA.

Una de las ventajas de este tipo de educaci�n es que permite la personalizaci�n en Educaci�n (De la Cruz et al., 2023), dado que, en los sistemas tradicionales, los docentes en el aula no podiancumplir con las expectativas de todos estudiantes, sin embargo, con la llegada de la IA, se le puede proporcionar a un educador herramientas para abordar para cada estudiante, proceso que es clave en �reas abstractas y de dif�cil compresi�n como las matem�ticas (S�nchez et al., 2023).

Otras de las ventajas, es el conocimiento global, dado que a trav�s de las aplicaciones de IA,� la informaci�n� un idioma diferente se pueda traducir al idioma materno y as� poder obtener r�pidamente la informaci�n requerida (Canavilhas,), as� mismo se puede hacer� seguimiento de asistencia de estudiantes con sensores inteligentes en la entrada y salida de la instituci�n educativa (Zamora, 2021), es posible promover la protecci�n ambiental (De Souza et al., 2019), dado que con� el uso de recursos electr�nicos se ha reducido el uso del papel, adem�s que al requerir menos presencialidad se disminuye la movilidad vehicular, mitigando la emisi�n de los gases nocivos liberados (Akhtar Moridpour, 2021).

En t�rminos globales, quiz�s una de las mayores ventajas de la IA en el campo educativo es la eliminaci�n de barreras geogr�ficas (Fadel et al., 2020), temporales (Lagos et al., 2019) y de inclusi�n de grupos vulnerables haciendo m�s f�cil para los estudiantes discapacitados, la posibilidad de acceder a la informaci�n (Alvarado e Izquierdo, 2022) e integrase en condiciones de igualdad al sistema educativo formal, reduciendo as� las desigualdades.

Quiz�s en el campo y particularmente en el campo de las matem�ticas, unas de las ventajas m�s importante es la reducci�n de errores, dado que la inteligencia artificial minimiza los errores tanto como sea posible, dado que carece de emociones humanas, puede tomar decisiones m�s profesionales y justas, de all� que una de las aplicaciones m�s usadas sean los sistemas de clasificaci�n basados en algoritmos automatizados (Davies et al., 2021) y redes neuronales (Weinan et al., 2020), adem�s de la precisi�n en el campo matem�tico las ventajas se ven reflejadas en la posibilidad de manejar gran cantidad de informaci�n (Gao y Liu, 2021), resolver problemas reales (Hwang y Tu, 2021), dado que disminuye la complejidad de la soluci�n de problemas y minimiza el tiempo de soluci�n.

A pesar de las bondades expresadas anteriormente los sistemas de IA no se han masificado entre otras razones por su alto costo (Bhbosale et al., 2020), el requerimiento de una infraestructura tecnolog�a moderna (Rana et al., 2022) y la resistencia al cambio por los docentes, que siente temor de ser desplazados de sus puestos de trabajo (Corvalan, 2019), adem�s de que existen quienes manifiestan problemas derivados del uso de la IA como� la adicci�n a la tecnolog�a por parte de los estudiantes (Cortes y Herrera, 2022), la automatizaci�n de proceso de aprendizaje y la deshumanizaci�n al usar sistemas carentes de emociones, creando profesionales netamente tecnol�gicos, sin sensibilidad para la resoluci�n de los problemas de las comunidades ( Marcos, 2022).

En funci�n de lo explicado en los p�rrafos anteriores el objetivo de esta revisi�n fue documentar las experiencias del uso de la� inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior, destacando las aplicaciones usadas con mayor regularidad como son los algoritmos automatizados, redes neuronales y sistemas de aprendizaje profundo, describiendo l ventajas del uso de la mismas, como las desventajas que manifiestan los usuarios para la posibilidad que estas herramientas sean adoptadas de manera masivas por docentes y estudiante,

 

Materiales y m�todos

Tipo de investigaci�n

El presente art�culo corresponde a una investigaci�n predominantemente cualitativa ya que se fundamenta en la revisi�n de los principales resultados sobre la importancia de la inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior, de acuerdo a su alcance es una investigaci�n de tipo descriptiva por que pretende definir la importancia de la inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior.

Los art�culos seleccionados se analizaron mediante el m�todo hermen�utico, el cual permite comparar los hallazgos de diferentes autores desde sus diferentes perspectivas y definir el estado actual del arte y las futuras l�neas de investigaci�n en relaci�n a la tem�tica que se aborda como tema central de la revisi�n de literatura, referida a la importancia de la inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior.

B�squeda de informaci�n

Para el desarrollo de la presente investigaci�n se aplic� la metodolog�a de revisi�n bibliogr�fica a trav�s de la t�cnica de exploraci�n documental, referidos la importancia de los modelos matem�ticos aplicados al diagn�stico de enfermedades mentalesSe identific� la existencia de trabajos similares con objetivos y otros aspectos de relevancia (Hidalgo et al., 2021; Garc�a et al., 2024). La investigaci�n se realiz� en dos etapas; la etapa bibliometrica para la b�squeda y selecci�n de articulos etapa hermeneutica en la que se identificaron las fuentes de la informaci�n para el desarrollo del presente trabajo.

T�cnicas empleadas para selecci�n de art�culos

La b�squeda bibliogr�fica y la localizaci�n fue exhaustiva y profesional. Una vez localizadas las publicaciones, se analiz� cada secci�n y se identificaron los temas claves para categorizar el impacto para brindar una evaluaci�n directa y profunda de cada publicaci�n, para luego extraer la informaci�n m�s relevante y hacer las comparaciones adecuadas.

Criterios de inclusi�n.

Art�culos en espa�ol e ingl�s, donde se aborda la inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior e incluyan aplicaciones de IA como algoritmos automatizados, redes neuronales y sistemas de aprendizaje profundo publicados en los �ltimos cinco a�os en revistas indexadas que est�n en base de datos reconocida como Scopus, Scielo; Latindex, y Researchgate.

Criterios de exclusi�n

Art�culos con solo resumen, datos generados de cinco a�os o m�s, publicaciones no indexadas en base de datos reconocidas, as� mismos no se consideran reportes de inteligencia artificial para el aprendizaje de matem�ticas en educaci�n primaria o secundaria u otras estrategias de aprendizaje usadas en la ense�anza de las matem�ticas.

An�lisis de la informaci�n

La fase hermen�utica, que sintetiz� la informaci�n y se generaron comentarios en funci�n de los fundamentos te�ricos (P�rez y Nieto, 2022). El m�todo utilizado en la investigaci�n permiti� analizar las publicaciones de diferentes autores y realizar comparaciones sobre los temas. Se detallan las diversas fuentes que posibilitaron la recopilaci�n de informaci�n bibliogr�fica, desde sus diferentes perspectivas y estrategias utilizadas para la investigaci�n y la hermen�utica, y se explican las similitudes y diferencias entre diferentes autores con caracter�sticas similares en sus temas de investigaci�n.

 

Resultados

De la consulta en las bases de datos, usando las palabras claves para la revisi�n sistem�tica sobre la inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior, se encontraron en total 10 art�culos, (tabla 1), que citan de manera directa distintas estrategias educativas para el aprendizaje de matem�ticas en educaci�n superior.

Tabla 1 estrategias educativas para el aprendizaje de matem�ticas en educaci�n superior

articulo	Autores	a�o	Base de dato
Challenges during the pandemic: use of e-learning in mathematics learning in higher education	Irfan et al.,	2020	Scopus
Tablet‐based AR technology: Impacts on students� conceptions and approaches to learning mathematics according to their self‐efficacy	Cai et al.,	2019	Scopus
Mathematics teachers' difficulties in implementing online learning during the COVID-19 Pandemic.	Yohannes et al.,	2021	Scopus
E-learning in the teaching of mathematics: An educational experience in adult high school.	Moreno et al.,	2020	Scopus
Engineering students' readiness to transition to emergency online learning in response to COVID-19: Case of Qatar.	Naji et al.,	2020	Scopus
University students� readiness for using digital media and online learning�Comparison between Germany and the USA	K�sel et al.,	2020	Scopus
COVID-19 and the use of digital technology in mathematics education	Alabdulaziz,	2021	Scopus
How do students prepare in the pre-class setting of a flipped undergraduate math course? A latent profile analysis of learning behavior and the impact of achievement goals.	Sun y Xie	2020	Scopus
Optimization under uncertainty in the era of big data and deep learning: When machine learning meets mathematical programming.	Ning y You	2019	Scopus
Gamification and machine learning inspired approach for classroom engagement and learning	Duggal et al.,	2021	Scopus

 

Irfan et al., 2020 al referirse� a las estrategias educativas para el aprendizaje de matem�ticas en educaci�n superior, se�alan la plataforma basada en un sistema de gesti�n del aprendizaje es la m�s utilizada (google class y Edmodo), mientras que la videoconferencia es la segunda opci�n (Zoom y Skype),las cuales en el �rea de matem�ticas enfrentan obst�culos como las limitaciones de escribir s�mbolos matem�ticos y las capacidades b�sicas limitadas del sistema de gesti�n del aprendizaje y el software multimedia para respaldar el aprendizaje en l�nea.

Sin embargo, contrario a esta afirmaci�n Cai et al., 2019 al analizar los resultados muestra de las aplicaciones de Realidad aumentada en los cursos de matem�ticas, encontraron que los mismos pueden ayudar a los estudiantes con mayor autoeficacia a prestar m�s atenci�n. a concepciones de nivel superior. Tambi�n puede ayudar a los estudiantes con mayor autoeficacia a aplicar m�s Estrategias avanzadas al aprender matem�ticas.

A pesar de estos resultados satisfactorios Yohannes et al., 2021, con base en los factores de los estudiantes, los docentes, encontraron que las limitaciones m�s frecuentes son la dificultad de los estudiantes para comprender material; quejas de los estudiantes sobre la electricidad y costos de internet; la falta de medios tecnol�gicos de los estudiantes para aprender en l�nea; y la baja motivaci�n de los estudiantes que sent�an que el aprendizaje en l�nea no les dio resultados �ptimos. Por otro lado, los obst�culos fueron la dificultad interactuar con los estudiantes y dificultad para hacer y retroalimentando los factores de los docentes

Mientras que Moreno et al., 2020, se�alan los obst�culos que enfrentan los docentes fueron que las escuelas no proporcionaban informaci�n clara orientaci�n sobre los aspectos t�cnicos del aprendizaje en l�nea, y todav�a hab�a escuelas con internet inadecuado instalaciones. Desde el factor curricular, las dificultades experimentado por los profesores fueron inapropiados evaluaci�n del desempe�o de los estudiantes en el plan de estudios para evaluaci�n del aprendizaje en l�nea, dificultad de comprensi�n Material que utiliza el aprendizaje en l�nea y dificultad para ense�ar. la materia utilizando el aprendizaje en l�ne

A pesar de estas dificultades Naji et al., 2020, se�alan que los resultados son positivos, dado que el uso del m�todo e-learning influye positivamente en la motivaci�n, la autonom�a, la participaci�n, las matem�ticas. conceptos, resultados y calificaciones. Se puede concluir que el m�todo e-learning conduce a una mejora en estudiantes adultos

Para consolidar el �xito de las estrategias educativas para el aprendizaje de matem�ticas en educaci�n superior, mediados por la tecnologia, K�sel et al., 2020 se�alan que existen cuatro factores, que se deben considerar que incluyen la preparaci�n inicial y la motivaci�n para el aprendizaje en l�nea, las creencias de autoeficacia sobre el aprendizaje en l�nea, el aprendizaje autodirigido en l�nea y el apoyo.

De los cuatros factores analizados previamente, Alabdulaziz y Jabbar, 2021, afirman que los principales problemas aqu� fueron la infraestructura t�cnica de estudiantes y universidades de todo el mundo. Sin embargo, tener una buena infraestructura t�cnica no significa que todo el mundo est� preparado para utilizarla. El 97% afirm� que el uso de la educaci�n en l�nea en las escuelas se hab�a ampliado enormemente tras el brote de coronavirus.

No obstante, todas las limitaciones reportadas, Sun y Xie 2020, se�alan que se han propuesto el uso de diversas formas de software para facilitar la comunicaci�n entre profesores y estudiantes, incluidas tecnolog�as m�viles, pantallas t�ctiles y tabletas gr�ficas, bibliotecas digitales y dise�o de objetos de aprendizaje en educaci�n matem�tica, cursos masivos abiertos en l�nea (MOOC) en matem�ticas y sistemas de �lgebra inform�tica. (CAS) como Mathematical, Maple, MuPAD, MathCAD, Derive y Maxima.

Adem�s del mejoramiento de los programas inform�ticos Ning y You (2019) indica que se debe hacer �nfasis en las orientaciones de objetivos percibidas por los estudiantes dan forma a sus comportamientos de aprendizaje previos a la clase. Se discuten las implicaciones te�ricas e instructivas y se brindan sugerencias de dise�o espec�ficas para mejorar la preparaci�n previa a la clase de los estudiantes en el aula de matem�ticas invertida

Mientras que Duggal et al., (2021) se�alan que las investigaci�n futuras deben orientarse hacia el dise�o de medidas de retroalimentaci�n para cerrar el ciclo de la sistema basado en datos y sistema basado en modelos, aprovechando el poder de los modelos generativos profundos para la optimizaci�n basada en escenarios basada en datos y el desarrollo de matem�ticas basadas en datos ,arcos de programaci�n con aprendizaje en l�nea para datos en tiempo real, que logren una mejor participaci�n de un grupo de estudiantes bajo el sistema gamificado inteligente propuesto en comparaci�n con el grupo de control, respaldando as� el �xito del modelo.

Luego de analizar las estrategias educativas para el aprendizaje de matem�ticas en educaci�n superior, el segundo grupo de art�culos abordan las revisiones sistem�ticas que abordan el uso de inteligencia artificial para el proceso de aprendizaje en educaci�n superior, cuyos hallazgos se presentan en la tabla 2 y analizan a continuaci�n.

Tabla 2. Revisiones sistem�ticas que abordan el uso inteligencia artificial para el proceso de aprendizaje en educaci�n superior

articulo	Autores	a�o	Base de dato
Artificial intelligence in online higher education: A systematic review of empirical research from 2011 to 2020.	Ouyang et al.,	2022	Scopus
Systematic review of research on artificial intelligence applications in higher education�where are the educators?	Zawacki et al.,	2019	Scopus
Artificial intelligence in education: A review	Chen et al.,	2020	Google Scholar
ChatGPT: Bullshit spewer or the end of traditional assessments in higher education?	Rudolph, et al.,	2023	Google Scholar
Technological advancements in education 4.0.	Halili,	2019	Google Scholar
Vision, challenges, roles and research issues of Artificial Intelligence in Education	Hwang, et al.,	2020	Scopus

 

En primer lugar Ouyang et al.,2022, plantean la integraci�n de teor�as educativas y de aprendizaje en el aprendizaje en l�nea habilitado por IA; que se basa en la adopci�n de tecnolog�as avanzadas de inteligencia artificial para recopilar y analizar datos de procesos en tiempo real y la implementaci�n de m�s investigaciones emp�ricas para probar los efectos reales de las aplicaciones de IA en la educaci�n superior en l�nea. elaboraci�n de perfiles y predicci�n, valoraci�n y evaluaci�n, sistemas adaptativos y personalizaci�n, y sistema de tutor�a inteligente

Por su parte Zawacki et al., 2019, destaca la importancia de los sistemas que aprovechan el aprendizaje autom�tico y La adaptabilidad, el plan de estudios y el contenido se han personalizado y personalizado de acuerdo con las necesidades de los estudiantes. lo que ha fomentado la adopci�n y retenci�n, mejorando as� la experiencia de los estudiantes y la calidad general de aprendiendo.

Para que estas herramientas puedan ser adoptadas de manera exitosa Chen et al. 2020, que se debe estar al tanto de las pol�ticas de integridad acad�mica y entender las consecuencias de lo acad�mico mala conducta; tener alfabetizaci�n digital y dominar las herramientas de inteligencia artificial, para que la misma sea vista como una forma de mejorar las habilidades de escritura y generar nuevos ideas, en lugar de simplemente copiar y pegar texto; la cual debe emplear fuentes de alta calidad y tenga cuidado con fuentes deficientes, desinformaci�n y desinformaci�n que desmeriten su utilizaci�n.

En este sentido Rudolph, et al., 2023, que, para lograr un impacto positivo de la IA, se debe leer amplia y vorazmente para mejorar la cr�tica. y pensamiento creativo; aprender a utilizar herramientas de lenguaje de IA como ChatGPT para escribir y depurar c�digo y practicar el uso de herramientas de lenguaje de inteligencia artificial (como ChatGPT) para resolver problemas del mundo real, lo cual mejora sustancialmente la motivaci�n de los estudiante

Afortunadamente Halili, 2019, reportan el crecimiento de los avances tecnol�gicos en IR4.0, los cuales consisten en la impresi�n 3D, realidad aumentada, virtual. realidad, computaci�n en la nube, holograma, biometr�a, pantalla LCD multit�ctil, internet de las cosas, artificial inteligencia, big data y c�digo qr con fines educativos, los cuales ayudan a los estudiantes a comprender los contenidos de aprendizaje de manera efectiva que utilizando el enfoque tradicional.

Dado estos avances Hwang, et al., 2020, afirman que el avance de la IA ha llevado la educaci�n asistida por computadora a una nueva era. Al incorporar la inteligencia humana, un sistema inform�tico podr�a servir como tutor, herramienta o alumno inteligente, adem�s de facilitar la toma de decisiones en entornos educativos, destacando que la integraci�n de la IA y la educaci�n abrir� nuevas oportunidades para mejorar enormemente la calidad de la ense�anza y el aprendizaje.

Una vez analizadas las revisiones sistem�ticas que abordan el uso de la inteligencia artificial para el proceso de aprendizaje en educaci�n superior, el tercer grupo de art�culos abordan las revisiones sistem�ticas que abordan el uso de inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior, cuyos hallazgos se presentan en la tabla 3 y analizan a continuaci�n.

Tabla 3. Revisiones sistem�ticas que abordan el uso de inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior

articulo	Autores	A�o	Base de dato
An analysis prospective mathematics teachers' perception on the use of artificial intelligence (AI) in mathematics education.	Shin	2020	Google Scholar
Roles and research trends of artificial intelligence in mathematics education: A bibliometric mapping analysis and systematic review.	Hwang, G. J., & Tu	2021	Scopus
Artificial intelligence, computational thinking, and mathematics education.	Gadanidis	2017	Google Scholar
Review on Modern Mathematics in the Analysis of Artificial Intelligence Data and Innovative Devices.	Aljamal	2021	Researchgate
Artificial intelligence: A powerful paradigm for scientific research	Xu et al.,	2021	Google Scholar
Measuring mathematical problem solving with the math dataset	Hendrycks et al.,	2021	Google Scholar

 

El crecimiento de las aplicaciones de inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior, de acuerdo con Shin 2020, se debe a que las funciones de los profesores que los futuros profesores creen que eran impartir una lecci�n, interacci�n emocional, evaluaci�n no estructurada y asesoramiento, y las de la IA eran aprendizaje individualizado. aprendizaje de memoria, evaluaci�n estructurada y trabajos administrativos.

Considerando lo se�alado previamente Hwang y Tu 2021, afirman que las aplicaciones de IA. podr�an ser valiosas en actividades de aprendizaje de programas de matem�ticas avanzadas, como geometr�a y topolog�a, matem�ticas aplicadas, alfabetizaci�n matem�tica y cursos interdisciplinarios, �tiles en carreras universitarias de ingenier�a y tecnolog�a, que se integran a �reas como la rob�tica y la mecatr�nica para la simulaci�n de experiencias reales

A pesar de estos logros, Gadanidis 2017, considera que� es importante investigar la eficacia del uso de la IA en actividades de aprendizaje de matem�ticas desde diferentes perspectivas, teniendo en cuenta focos de investigaci�n rara vez considerados, como la carga cognitiva, las competencias de colaboraci�n y comunicaci�n y la ansiedad por el aprendizaje, las cuales pueden ser limitaciones para la incorporaci�n de la tecnologia al aprendizaje de las matem�ticas, en cualquiera de los niveles educativo

Aljamal (2021), destacan que adem�s de las consideraciones educativas, el �xito de la IA, depende de la infraestructura tecnol�gica, destacando que el uso de unidades (GPU) y Puertas l�gicas programables (FPGA) Estos aceleradores emplear estrategias como mejorar la memoria uso y aritm�tica de baja precisi�n para acelerar operaciones computacionales y computaci�n rendimiento

A pesar de la utilidad de la IA y el avance de la tecnologia inform�tica, Xu et al., 2021, se�alan que han permitido que la IA se ha utilizado de manera generalizada en una amplia gama de aplicaciones, todav�a existen riesgos de seguridad de los algoritmos automatizados y modelos de redes neuronales, lo cual puede afectar la calidad de estos� sistemas, dado depende en gran medida de los datos utilizados para entrenarlo, estos datos de entrada son cruciales para la seguridad del sistema de ML.

En este orden de ideas, Hendrycks et al., 2021, se�ala que los resultados muestran que la precisi�n de los modelos de IA, a�n� sigue siendo relativamente baja, incluso con modelos de transformadores enormes. Adem�s, encontramos que simplemente aumentar los presupuestos y los recuentos de par�metros del modelo no ser� pr�ctico para lograr un razonamiento matem�tico s�lido si contin�an las tendencias de escala.

Finalmente, despu�s de que se discutieron, las revisiones sistem�ticas que abordan el uso de inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior, el �ltimo grupo de art�culos abordan Revisiones sistem�ticas que abordan las ventajas y desventajas del uso de la inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior, cuyos hallazgos se presentan en la tabla 4 y analizan a continuaci�n.

Tabla 4. Revisiones sistem�ticas que abordan las ventajas y desventajas del uso de la inteligencia artificial para el aprendizaje de matem�ticas en educaci�n superior.

articulo	Autores	A�o	Base de datos
Advantages and disadvantages of artificial intelligence and machine learning: A literature review.	Khanzode, K. C. A., & Sarode	2020	Google Scholar
Artificial intelligence and education, challenges, and disadvantages for the teacher.	Tao y Guerra	2019	Researchgate
Advantages and disadvantages of artificial intellegence.	Bhbosale et al.,	2020	Researchgate
The importance of artificial intelligence in education: a short review.	Nalbant,	2021	Researchgate
Benefits and Limitations of the Artificial with Respect to the Traditional Learning of Mathematics.	Voskoglou, M. G., & Salem	2020	Scopus
Technological methods in teaching mathematics	Qizi, A. M. A., & Muydinjonovna	2020	Google Scholar

 

En relaci�n a las ventajas de la IA Khanzode y Sarode 2020, se�alan que esta permite que la tarea sea terminada m�s r�pido que un humano, que� el trabajo sea menos estresante y complejo y se completa f�cilmente, que aquellos trabajos dif�ciles sean realizados en un per�odo corto, que se pueden realizar varias funciones a la vez, que el �ndice de �xito es alto, que se comentan menos errores en la tarea y defectos tambi�n, se aumenta la eficiencia en poco tiempo, se usa menos espacio u menos tama�o, se pueden hacer c�lculo de situaciones complejas y de largo plazo, y se pueden descubrir situaciones inexploradas. es decir, el espacio exterior.

Sin embargo estos autores se�alan que la IA, en alg�n momento puede ser mal utilizado y provocar una destrucci�n a gran escala, debido a la falta de coincidencia del programa en alg�n momento se realiza de manera opuesta al comando, empleos humanos afectados, que incrementa el problema del desempleo, su uso est� limitado a la creatividad del programador, carece del toque humano, la generaci�n m�s joven se vuelve perezosa, su implementaci�n requieren mucho tiempo y dinero, y puede aumentar la dependencia tecnol�gica.

En este mismo orden de ideas Tao y Guerra� 2019, se�alan que el uso de robots e instrumentos de inteligencia artificial puede generar desconexi�n con las emociones, estudiantes y profesores afirman que un robot no es imitable porque tambi�n carece de emociones, adem�s existen m�s peligros y desventajas que con la� Aplicaci�n indiscriminada de la rob�tica y la inteligencia artificial dado que en la educaci�n, la programaci�n, la auto escritura, la auto modificaci�n, causan que el hombre sienta una carga sobre �l.

A pesar de estas desventajas Bhbosale et al., 2020, destacan que la inteligencia artificial es como una mano de obra barata, y al utilizar esta mano de obra nuestro trabajo ser� r�pido y la ganancia ser� aument�, adem�s de que se puede implementar f�cilmente, las m�quinas se pueden reprogramar para trabajar durante mucho tiempo, la ciencia de la rob�tica y la inteligencia artificial se puede implementar en la miner�a y otros procesos que se puede implementar en actividades industriales, cuyo campo de aplicaci�n es abordado en carreras de tecnologia e ingenier�a.

Dado estas ventajas Nalbant,2021, afirman que la inteligencia artificial encierra una gran esperanza y un futuro para la educaci�n, dado que, si se utiliza para apoyar tanto la ense�anza formal, se puede lograr que el aprendizaje sea permanente. flexible, inclusivo, personalizado, apasionante y eficaz, adem�s de que las herramientas educativas en inteligencia artificial hacen que el aprendizaje sea m�s accesible y agradable, particularmente si se usan Artificial Se utilizan m�todos de inteligencia como el aprendizaje gamificado y el aprendizaje basado en proyectos.

En el futuro Voskoglou y Salem 2020, afirman que en la ingenier�a del conocimiento, deben converger, t�cnicas de aprendizaje autom�tico y tecnolog�a educativa, lo cual crear� una nueva generaci�n de sistemas inteligentes de aprendizaje y tutor�a que mejorar�n a�n m�s los procesos de ense�anza, aprendizaje y formaci�n en l�nea, apoyando as� el crecimiento continuo del aprendizaje electr�nico en el futuro como parte inseparable de la vida acad�mica y profesional. educaci�n.

De acuerdo a Qizi y� Muydinjonovna 2020, la convergencia de la tecnologia y la educaci�n hacen tangibles las ideas abstractas, lo que le permite a los profesores desarrollar m�s f�cilmente los conocimientos y habilidades previos de los estudiantes, enfatizar las conexiones entre conceptos matem�ticos, conecta abstracciones con entornos del mundo real y donde� la tecnolog�a es utilizada no s�lo para complementar la ense�anza y el aprendizaje de las matem�ticas, sino que tambi�n preparan a todos los estudiantes para sus vidas futuras al resolver problemas reales, que aumentan su inter�s por el estudio de las matem�ticas.

 

Discusi�n

Con la pandemia el desarrollo de herramientas digitales aumento exponencialmente, sin embargo, los hallazgos demuestran que de estas, la inteligencia artificial es las que m�s se ha desarrollado ( Alcivar et al., 2021), mediante aplicaciones como los algoritmos automatizados ( Bravo et al., 2020), las redes neuronales ( Arango et al., 2020) y aprendizaje profundo ( Hanna et al., 2023), cuya aplicaci�n en el campo educativo ha sido aplicado de manera exitosa como herramienta de apoyo para la redacci�n de textos y b�squeda de informaci�n.

La inteligencia ratificar tambi�n ha sido de gran utilidad, cuando se combina en otras �reas como la rob�tica y la mecatr�nica (Andreu et al., 2018), sobre todo en el campo m�dico y de la ingenier�a, para simular situaciones reales mediante el uso de realidad aumentada y realidad virtual ( Calder�n et al., 2020; Cortes et al., 2020), lo� cual constituye un logro, dado que permite de manera asincr�nica, que el estudiante realice el an�lisis de casos con gran similitud a la realidad con menores costos y permitiendo que lo haga independientemente de limitaciones geogr�ficas y de tiempo.

En el campo de la matem�tica el uso de la inteligencia artificial, tambi�n ha empezado a usarse y cuyo principal beneficio ha sido el de resolver problemas que resultan complejo para los estudiantes, con mayor facilidad reduciendo considerablemente el tiempo para ello, y en muchos casos pudiendo manejar un gran cantidad de datos, para la resoluci�n de problemas reales, especialmente en estudiantes de ingenier�a y tecnolog�a, lo cual aumenta el inter�s y motivaci�n por el estudio de las matem�ticas (Davies et al., 2020; Hendrycks et al., 2021; Pae y Kim,2021).

A pesar de los beneficios que ofrece la inteligencia artificial, los hallazgos demuestran que existen debilidades para su implantaci�n, como el alto costos de los equipos de computaci�n, que requieren a su vez que est�n actualizados, adem�s de que los docentes deben estar capacitados y preparados para asumir estos sistemas sin temor a ser remplazados, siendo quiz�s la mayor amenaza de los sistemas de inteligencia artificial, que llevan a estudiantes a abandonar sus habilidades creativas y convertirlos en seres m�s aut�matas y menos sensibles antes los problemas de la sociedad ( Tao et al., 2019; Al Rawashdeh et al., 2021; Alisherovna, 2023).

 

Finalmente esta investigaci�n ,lleva a la conclusi�n de que las aplicaciones basadas en inteligencia artificial, as� como otras herramientas digitales si bien en un momento respondieron a una situaci�n coyuntural las mismas llegaron para quedarse en el tiempo y por lo tanto deben hacerse las inversiones tecnol�gicas y de capacitaci�n para la adopci�n se los� mismos y en el caso particular aplicadas las en la ense�anza de las matem�ticas, la cual es una de las �reas de� mayor importancia por su aplicaci�n en otras disciplinas, pero de un bajo inter�s y motivaci�n para su estudio por parte de los estudiantes.

 

Conclusiones

A pesar de la importancia de las matem�ticas en el desarrollo de la tecnolog�a su comprensi�n y aprendizaje se hace dif�cil, debido a que resulta abstracta para la mayor�a de los estudiantes sin embargo las innovaciones tecnol�gicas, cuyo uso masificado ha crecido con el avance de la inform�tica y tuvo un crecimiento exponencial en la coyuntura de la pandemia aumentando el uso de aplicaciones tecnol�gicas como las basadas en IA, lo que hace que la matem�tica se convierta en una disciplina tangible lo cual facilita a los estudiantes el acceso y desarrollo del conocimiento.

El uso de la inteligencia artificial se ha consolidado en el campo educativo, debido a las grandes ventajas que ofrece a los estudiantes como realizar tareas en un menor tiempo, resolver ejercicios complejos, acceso a la informaci�n, manejo de gran cantidad de datos y aplicaciones para la soluci�n de problemas reales, lo que aumenta la motivaci�n por el estudio de esta disciplina.

A pesar de las ventajas que ofrece la inteligencia artificial, su implementaci�n tiene ciertas limitaciones como el alto costo de los programas, el requerimiento de preparaci�n t�cnica previa, aumento de la desconexi�n de los usuarios con emociones, lo cual genera profesionales con una menor sensibilidad social y existe el riego de una dependencia tecnol�gica y la resistencia al uso por el temor de los docentes de ser desplazados de sus puestos de trabajo.

 

Referencias

Alto, M., L�pez , J., y Benavente, A. (2013). Un sistema de clasificaci�n de los dise�os de investigaci�n en psicolog�a. Anales de Psicolog�a, 29(3). https://dx.doi.org/10.6018/analesps.29.3.178511

Ca�izares, J. y Carbonero, C. (2018). Desarrollo de la condici�n f�sica en el escolar. Wanceulen S.L.

Cort�s, D. y Noaba, R. (2022). Propuesta de una definici�n integral de autoconcepto. [Tesis de grado profesional, Universidad de Antoquia]. Creative commons. https://bibliotecadigital.udea.edu.co/bitstream/10495/26396/7/CortesDavid_2022_DefinicionIntegralAutoconcepto.pdf

Duclos, G., Laporte, D. y Ross, J. (2019). La autoestima en los adolescentes. Medici.

Fox, K. & Corbin, C. (1989). The Physical Self-Perception Profile: Development and preliminary validation. Journal of Sports & Exercise Psychology(11), 408-430. 10.1123/jsep.11.4.408

Garaigordobil Landazabal, M. (2017). Juegos cooperativos y creativos para grupos de ni�os de 8 a 10 a�os. Pir�mides.

Garc�s, H. (2018). Investigaci�n Cient�fica. Quito: Abya Yala.

Garvi, P., Garc�a , L. y Fern�ndez , J. (2022). Aprendizaje Cooperativo. Materiales curriculares para Educaci�n Secundaria en Educaci�n F�sica. Universidad de Castilla-La Mancha. https://www.google.com.ec/books/edition/Aprendizaje_cooperativo_Materiales_curri/bDiMEAAAQBAJ?hl=es-419&gbpv=1&dq=trabajos+cooperativos+en+educacion+fisica&printsec=frontcover

Giraldo, J. (2017). Juegos Cooperativos. Jugar para que todos ganen. Oc�ano Ambar.

Linares-Manrique, M., Linares-Girela, D., Schmidt, J., Mato, O., Fern�ndez, R. y Cruz, F. (2016). Relaci�n entre autoconcepto f�sico, ansiedad e IMC en estudiantes universitarios mexicanos. Revista Internacional de Medicina y Ciencias de la Actividad F�sica y el Deporte, 16(62), 497-519. http://cdeporte.rediris.es/revista/revista63/artautoconcepto719.htm

M�ndez, A., Cechinni, J. y Rodr�guez, P. (2020). Competencia percibida (tridimensional), regulaciones motivacionales y autoeficacia en educaci�n f�sica. Revista Latinoamericana de Psicolog�a, 52(6), 51-62. https://doi.org/10.14349/rlp.2020.v52.6

Men�ndez Vega, C. (2020). Intervenci�n Socioeducativa con j�venes. Ediciones Paraninfo, S.A.

Miranda, D. y V�squez, S. (2020). Relaci�n entre disfrute de la actividad f�sica y el autoconcepto f�sico de los escolares. Universidad Andr�s Bello.

Molina D�az, R. (2016). Los juegos cooperativos y su determinaci�n en el autoconcepto f�sico del alumnado de 10-12 a�os. Revista Digital. Buenos Aires, 21(220). https://efdeportes.com/efd220/los-juegos-cooperativos-y-el-autoconcepto-fisico.htm

Moreno, J. y Cervell�, E. (2005). Physical self-perception in spanish adolescents: gender and involvement in physical activity effects. Journal of Human Movement Studies(48), 291-311. https://www.researchgate.net/publication/288359063_Physical_self-perception_in_Spanish_adolescents_Effects_of_gender_and_involvement_in_physical_activity

Moro Calder�n, R. (2021). Los juegos cooperativos en Educaci�n F�sica: propuesta de intervenci�n. Tesis de maestr�a. [Tesis de grado profesional, Universidad de Valladolid]. Uvadoc. https://uvadoc.uva.es/handle/10324/47423

Mu�oz Rocha, C. (2015). Metodolog�a de la investigaci�n. Oxford University Press.

Navarro, R., Rego, B. y Garc�a, M. (2018). Incidencia de los juegos cooperativos en el autoconcepto f�sico de escolares de educaci�n primaria. Retos(34), 14-18. https://dialnet.unirioja.es/servlet/articulo?codigo=6736342

Palacios, J. y Cove�as, J. (2019). Predominancia del autoconcepto en estudiantes con conductas antisociales del Callao. Prop�sitos y Representaciones, 7(2), 325 - 352.http://dx.doi.org/10.20511/pyr2019.v7n2.278

Revuelta, L., Esnaola, I. y Go�i, A. (2016). Relaciones entre el autoconcepto f�sico y la actividad f�sico-deportiva adolescente. Revista Internacional de Medicina y Ciencias de la Actividad F�sica y el Deporte, 16(62), 561-581. http://cdeporte.rediris.es/revista/revista63/artrelaciones726.htm

Robles, I. (2014). Manual pedag�gico Al comPAZ con los y las j�venes. Corporaci�n Humanas-Centro Regional de Derechos Humanos y Justicia de G�nero .

Rueda, A., Fr�as, G., Quintana, R. y Portilla, J. (2020). La condici�n f�sica en la Educaci�n Secundaria. Una propuesta de desarrollo pr�ctico hacia la autonom�a del alumnado. INDE.

Ru�z, J. y Ome�aca, R. (2019). Juegos cooperativos y educaci�n f�sica. Paidotribo.

Tuapanta, J., Duque, M. y Mena, A. (2017). Alfa de Cronbach para validar un cuestionario de uso de TIC en Docentes Universitarios. mktDESCUBRE, 7(11), 37-48. http://revistas.espoch.edu.ec/index.php/mktdescubre11/article/view/50

Vel�zquez Callado, C. (2016). Aprendizaje cooperativo en Educaci�n F�sica. Fundamentos y aplicaciones pr�cticas. INDE.

Ylarragorry, E. (2018). Juegos cooperativos y su relaci�n con las habilidades sociales. [Tesis de pregrado, Universidad Cat�lica Argentina]. Biblioteca digital. https://repositorio.uca.edu.ar/bitstream/123456789/563/1/doc.pdf

Yugsi, E., Jarrin, S. y Astudillo, X. (2023). Los Juegos cooperativos y su influencia en el autoconcepto f�sico en estudiantes de b�sica superior. Pacha, 10, 1-18. https://doi.org/10.46652/pacha.v4i10.181

 

 

� 2024 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).