����������������������������������������������������������������������������������
Integration of Artificial Intelligence and Scratch in Secondary Mathematics Teaching: Innovation in Computational Thinking and Problem Solving
Integra��o de Intelig�ncia Artificial e Scratch no Ensino Secund�rio de Matem�tica: Inova��o no Pensamento Computacional e Resolu��o de Problemas
![]() |
|||
![]() |
Correspondencia: castillocecibel@yahoo.com
Ciencias de la Educaci�n
Art�culo de Investigaci�n
* Recibido: 08 de agosto de 2024 *Aceptado: 20 de septiembre de 2024 * Publicado: �23 de octubre de 2024
I. Mag�ster en Gerencia Educativa, Docente en la Unidad Educativa Provincia de Cotopaxi, Cotopaxi, Ecuador.
II. Mag�ster en Educaci�n y Desarrollo Social, Docente de Educaci�n Inicial en la Unidad Educativa Ram�n Barba Naranjo, Cotopaxi, Ecuador.
III. Licenciada en Ciencias de la Educaci�n Menci�n Ingl�s, docente de Lengua Extranjera en la Unidad Educativa Ram�n Barba Naranjo, Cotopaxi, Ecuador.
IV. Mag�ster en Pedagog�a Menci�n en Educaci�n T�cnica y Tecnolog�a Docente de Estudios Sociales, Educaci�n para la Ciudadan�a de la Unidad Educativa Ram�n Barba Naranjo, Cotopaxi, Ecuador.
Resumen
Este estudio investiga la integraci�n de la inteligencia artificial y Scratch en la ense�anza de matem�ticas en secundaria, centr�ndose en su impacto en el desarrollo del pensamiento computacional y la mejora de las habilidades de resoluci�n de problemas. A trav�s de un enfoque cuantitativo con dise�o descriptivo correlacional, participaron 76 estudiantes en la investigaci�n. Se valid� el contenido del test mediante expertos, obteniendo un Alfa de Cronbach de 0.87, lo que indica alta confiabilidad del instrumento. Los resultados revelaron una correlaci�n positiva significativa entre el uso de herramientas de inteligencia artificial y Scratch, as� como mejoras notables en la resoluci�n de problemas matem�ticos tras la intervenci�n. El an�lisis de regresi�n lineal mostr� que estas herramientas explican un 32% de la varianza en el rendimiento matem�tico, mientras que el tama�o del efecto (d de Cohen) fue de 0.88, indicando un impacto considerable. Adem�s, se identific� que la motivaci�n de los estudiantes correlaciona significativamente con el rendimiento, sugiriendo que el compromiso emocional tambi�n es crucial en el proceso de aprendizaje. En conclusi�n, la combinaci�n de inteligencia artificial y Scratch no solo mejora las habilidades matem�ticas, sino que tambi�n fomenta un entorno de aprendizaje m�s din�mico y efectivo, lo que sugiere la necesidad de adoptar metodolog�as pedag�gicas innovadoras en el aula.
Palabras clave: inteligencia artificial; matem�ticas; pensamiento computacional; Scratch; resoluci�n de problemas.
Abstract
This study investigates the integration of artificial intelligence and Scratch in secondary mathematics teaching, focusing on its impact on the development of computational thinking and the improvement of problem-solving skills. Through a quantitative approach with a descriptive correlational design, 76 students participated in the research. The content of the test was validated by experts, obtaining a Cronbach's Alpha of 0.87, which indicates high reliability of the instrument. The results revealed a significant positive correlation between the use of artificial intelligence tools and Scratch, as well as notable improvements in mathematical problem solving after the intervention. The linear regression analysis showed that these tools explained 32% of the variance in mathematical performance, while the effect size (Cohen's d) was 0.88, indicating a considerable impact. Furthermore, it was identified that student motivation correlates significantly with performance, suggesting that emotional commitment is also crucial in the learning process. In conclusion, the combination of artificial intelligence and Scratch not only improves mathematical skills, but also fosters a more dynamic and effective learning environment, suggesting the need to adopt innovative pedagogical methodologies in the classroom.
Keywords: artificial intelligence; math; computational thinking; Scratch; problem solving.
Resumo
Este estudo investiga a integra��o da intelig�ncia artificial e do Scratch no ensino secund�rio de matem�tica, focando no seu impacto no desenvolvimento do pensamento computacional e na melhoria das compet�ncias de resolu��o de problemas. Atrav�s de uma abordagem quantitativa com desenho correlacional descritivo, participaram da pesquisa 76 estudantes. O conte�do do teste foi validado por especialistas, obtendo Alfa de Cronbach de 0,87, o que indica alta confiabilidade do instrumento. Os resultados revelaram uma correla��o positiva significativa entre o uso de ferramentas de intelig�ncia artificial e o Scratch, bem como melhorias not�veis na resolu��o de problemas matem�ticos ap�s a interven��o. A an�lise de regress�o linear mostrou que essas ferramentas explicaram 32% da vari�ncia no desempenho matem�tico, enquanto o tamanho do efeito (d de Cohen) foi de 0,88, indicando um impacto consider�vel. Al�m disso, identificou-se que a motiva��o dos alunos se correlaciona significativamente com o desempenho, sugerindo que o comprometimento emocional tamb�m � crucial no processo de aprendizagem. Concluindo, a combina��o da intelig�ncia artificial e do Scratch n�o s� melhora as habilidades matem�ticas, mas tamb�m promove um ambiente de aprendizagem mais din�mico e eficaz, sugerindo a necessidade de ado��o de metodologias pedag�gicas inovadoras em sala de aula.
Palavras-chave: intelig�ncia artificial; matem�tica; pensamento computacional; Arranhar; resolu��o de problemas.
Introducci�n
La ense�anza de las matem�ticas ha experimentado una transformaci�n significativa en las �ltimas d�cadas, impulsada por el avance de la tecnolog�a y el desarrollo de herramientas educativas innovadoras. En este contexto, la inteligencia artificial (IA) ha emergido como una herramienta clave para optimizar los procesos de ense�anza y aprendizaje, permitiendo a los educadores abordar de manera m�s efectiva los desaf�os pedag�gicos en la ense�anza de las matem�ticas. En particular, la integraci�n de la IA junto con plataformas de programaci�n como Scratch ofrece una oportunidad �nica para mejorar el pensamiento computacional y la resoluci�n de problemas, habilidades esenciales en el curr�culo de la educaci�n secundaria.
El uso de IA en la educaci�n permite personalizar los procesos de aprendizaje, adapt�ndose al ritmo y estilo de cada estudiante, lo que resulta en una ense�anza m�s eficaz y eficiente. Estudios previos han demostrado que el uso de algoritmos basados en IA puede aumentar el rendimiento acad�mico al proporcionar retroalimentaci�n en tiempo real y al identificar �reas en las que los estudiantes necesitan mayor apoyo. Por ejemplo, investigaciones de Wang y Wu (2022) evidenciaron que los estudiantes que utilizaron herramientas de IA en la ense�anza de matem�ticas desarrollaron una mayor comprensi�n conceptual y mejoraron sus habilidades de resoluci�n de problemas en un 15% en comparaci�n con aquellos que utilizaron m�todos tradicionales. Asimismo, un estudio llevado a cabo por Zhang et al. (2023) mostr� que la IA, cuando se combina con herramientas visuales como Scratch, fomenta el desarrollo del pensamiento l�gico y la creatividad, elementos fundamentales en la formaci�n matem�tica de los estudiantes de secundaria.
La relevancia de esta investigaci�n radica en su enfoque en la integraci�n de la IA y Scratch como herramientas pedag�gicas, no solo para ense�ar conceptos abstractos de las matem�ticas, sino tambi�n para desarrollar competencias transversales como el pensamiento computacional. El pensamiento computacional se ha convertido en una habilidad esencial en el siglo XXI, no solo para aquellos que se especializan en �reas tecnol�gicas, sino tambi�n para cualquier persona que enfrenta problemas complejos en la vida diaria. Al integrar la IA en la ense�anza de las matem�ticas, los estudiantes pueden beneficiarse de un enfoque m�s interactivo, din�mico y personalizado, que promueve una mayor autonom�a en el aprendizaje y los prepara mejor para los retos del futuro laboral.
La importancia de esta investigaci�n tambi�n reside en el hecho de que aborda la necesidad urgente de innovaci�n en las metodolog�as de ense�anza de las matem�ticas. El uso de Scratch, una herramienta de programaci�n visual, permite a los estudiantes interactuar de manera m�s directa y tangible con los conceptos matem�ticos, visualizando los problemas y sus soluciones a trav�s de algoritmos y simulaciones. Esta integraci�n no solo mejora la comprensi�n matem�tica, sino que tambi�n fomenta una cultura de experimentaci�n y exploraci�n entre los estudiantes. Como resultado, se espera que los estudiantes no solo dominen los contenidos matem�ticos, sino que tambi�n desarrollen habilidades esenciales como la creatividad, el razonamiento l�gico y la capacidad para resolver problemas de manera aut�noma.
El aporte de este estudio al campo educativo es significativo. En primer lugar, se proporciona un marco te�rico y pr�ctico para la integraci�n de la IA y Scratch en el aula de matem�ticas, lo que puede servir como modelo para futuras investigaciones y aplicaciones pedag�gicas. Adem�s, se propone una metodolog�a que puede ser replicada en diferentes contextos educativos, permitiendo a docentes de diversas regiones y niveles educativos implementar estas herramientas de manera efectiva. Por �ltimo, este estudio contribuye al debate sobre el papel de la tecnolog�a en la educaci�n, destacando c�mo la IA y herramientas como Scratch pueden ser utilizadas no solo como medios para facilitar la ense�anza, sino tambi�n como catalizadores para una transformaci�n m�s amplia de los paradigmas educativos.
En resumen, la integraci�n de la IA y Scratch en la ense�anza de matem�ticas en secundaria no solo representa una innovaci�n en las metodolog�as did�cticas, sino que tambi�n ofrece una oportunidad para repensar el papel de la tecnolog�a en la educaci�n matem�tica. Esta investigaci�n busca demostrar que la combinaci�n de estas herramientas puede no solo mejorar el aprendizaje matem�tico, sino tambi�n preparar a los estudiantes para enfrentar los desaf�os de un mundo cada vez m�s digitalizado, impulsando su capacidad para pensar de manera l�gica, resolver problemas complejos y adaptarse a un entorno en constante cambio.
Objetivo de la investigaci�n
Evaluar el impacto de la integraci�n de la inteligencia artificial y Scratch en la ense�anza de matem�ticas en estudiantes de secundaria, midiendo su influencia en el desarrollo del pensamiento computacional y la mejora en la resoluci�n de problemas matem�ticos.
Hip�tesis alterna (H1)
La integraci�n de la inteligencia artificial y Scratch en la ense�anza de matem�ticas mejora significativamente el desarrollo del pensamiento computacional y las habilidades de resoluci�n de problemas en estudiantes de secundaria.
Hip�tesis nula (H0)
La integraci�n de la inteligencia artificial y Scratch en la ense�anza de matem�ticas no mejora significativamente el desarrollo del pensamiento computacional ni las habilidades de resoluci�n de problemas en estudiantes de secundaria.
Metodolog�a
Este estudio se enmarca en un enfoque cuantitativo con un dise�o descriptivo-correlacional, cuyo objetivo es evaluar el impacto de la integraci�n de la inteligencia artificial y Scratch en la ense�anza de matem�ticas en estudiantes de secundaria, y su relaci�n con el desarrollo del pensamiento computacional y la mejora en la resoluci�n de problemas matem�ticos. La investigaci�n se realiz� en la zona 3 del Ministerio de Educaci�n de Ecuador, contando con la participaci�n de 76 estudiantes de secundaria de una instituci�n educativa p�blica.
Para garantizar la validez y confiabilidad del instrumento de medici�n utilizado, se dise�� un test espec�fico para medir el pensamiento computacional y las habilidades de resoluci�n de problemas matem�ticos. El contenido de este instrumento fue sometido a un proceso de validaci�n por un panel de expertos en pedagog�a, matem�ticas e inteligencia artificial, siguiendo las recomendaciones metodol�gicas de autores como Delgado (2018) y Hern�ndez, Fern�ndez y Baptista (2014), quienes destacan la importancia de la validez de contenido en estudios de corte experimental y correlacional. Una vez validado, se calcul� el Alfa de Cronbach, obteniendo un valor de 0.87, lo que indica que el instrumento presenta un alto nivel de confiabilidad, siguiendo los criterios de Nunnally y Bernstein (1994), quienes sugieren que un coeficiente superior a 0.80 es adecuado para estudios educativos. Este resultado asegura que el test es aplicable de manera universal, tanto en contextos locales como globales.
El proceso de recolecci�n de datos consisti� en la aplicaci�n del test a los 76 estudiantes antes y despu�s de la intervenci�n did�ctica, en la que se utiliz� inteligencia artificial y Scratch para la ense�anza de matem�ticas. El an�lisis de los datos se realiz� mediante t�cnicas estad�sticas avanzadas. Para comprobar la hip�tesis planteada, se utiliz� la prueba t de Student, un m�todo com�n en estudios que buscan determinar si existen diferencias significativas entre dos grupos relacionados o mediciones antes y despu�s de una intervenci�n, como lo sugieren Field (2017) y Cohen et al. (2018). Esta prueba permiti� comparar los resultados obtenidos antes y despu�s de la intervenci�n, verificando si hubo una mejora significativa en las competencias evaluadas.
Adicionalmente, para medir el impacto del tama�o del efecto, se calcul� el d de Cohen, una medida ampliamente utilizada en estudios educativos para cuantificar el efecto de las intervenciones pedag�gicas. Seg�n Cohen (1988), un valor de d de 0.2 se considera un efecto peque�o, 0.5 un efecto moderado, y 0.8 o superior un efecto grande. En este estudio, se obtuvo un valor de d que indica un impacto significativo de la intervenci�n, lo que confirma la relevancia de la integraci�n de la inteligencia artificial y Scratch en el aprendizaje de las matem�ticas.
Resultados
Tabla 1: Correlaciones entre el Uso de IA/Scratch y el Desarrollo del Pensamiento Computacional
Variable |
Media (M) |
Desviaci�n Est�ndar (DE) |
n |
r (Correlaci�n) |
p-valor |
Intervalo de Confianza (95%) |
Uso de IA/Scratch |
4.2 |
0.85 |
76 |
|||
Pensamiento Computacional |
75.3 |
10.5 |
76 |
0.65 |
< 0.01 |
[0.45, 0.80] |
Motivaci�n del Estudiante |
3.8 |
0.90 |
76 |
0.52 |
< 0.01 |
[0.30, 0.70] |
Resoluci�n de Problemas Matem�ticos |
72.1 |
11.2 |
76 |
0.60 |
< 0.01 |
[0.40, 0.75] |
Nota:
n representa el n�mero de participantes en cada medici�n.
r indica el coeficiente de correlaci�n de Pearson.
p-valor indica la significancia estad�stica de la correlaci�n.
El an�lisis de los resultados demuestra una correlaci�n positiva significativa (r = 0.65, p < 0.01) entre el uso de herramientas de inteligencia artificial y Scratch en la ense�anza y el desarrollo del pensamiento computacional en estudiantes de secundaria. Esta correlaci�n sugiere que los estudiantes que participan en actividades educativas que integran estas tecnolog�as son m�s propensos a mostrar habilidades avanzadas en el pensamiento computacional, lo que incluye la capacidad para resolver problemas de manera efectiva y aplicar algoritmos en diversas situaciones matem�ticas.
El coeficiente de correlaci�n de 0.65 indica una relaci�n fuerte entre las variables, lo que implica que un aumento en la frecuencia y calidad de la interacci�n de los estudiantes con las herramientas tecnol�gicas est� directamente relacionado con un mejor desempe�o en el pensamiento computacional. Esto respalda la hip�tesis de que la integraci�n de la inteligencia artificial y Scratch no solo apoya el aprendizaje de conceptos matem�ticos, sino que tambi�n fomenta habilidades esenciales para el siglo XXI, como la resoluci�n de problemas y el pensamiento cr�tico.
Adem�s, el an�lisis del intervalo de confianza (IC 95%) de [0.45, 0.80] proporciona una visi�n m�s clara de la magnitud de esta correlaci�n, indicando que se puede tener un alto nivel de confianza en que la relaci�n observada es consistente y no es producto del azar. Este intervalo resalta la robustez de los resultados y la significancia del impacto que estas herramientas tienen en el aprendizaje de los estudiantes.
Por otro lado, la motivaci�n del estudiante tambi�n mostr� una correlaci�n positiva con el rendimiento en la resoluci�n de problemas matem�ticos (r = 0.52, p < 0.01), lo que sugiere que la motivaci�n juega un papel crucial en el aprendizaje. Esta relaci�n resalta la importancia de fomentar un entorno de aprendizaje atractivo que no solo utilice tecnolog�a, sino que tambi�n inspire a los estudiantes a comprometerse con su educaci�n. La motivaci�n, al estar relacionada con el uso de IA/Scratch, puede ser un mediador importante que amplifica el impacto positivo de estas herramientas en el pensamiento computacional y en la capacidad de resoluci�n de problemas.
La correlaci�n entre la resoluci�n de problemas matem�ticos y el uso de IA/Scratch (r = 0.60, p < 0.01) tambi�n indica que la implementaci�n de estas tecnolog�as en el aula mejora directamente la capacidad de los estudiantes para abordar y resolver problemas matem�ticos complejos. Esto es particularmente relevante en un contexto educativo donde se busca preparar a los estudiantes para desaf�os futuros, tanto en su vida acad�mica como profesional.
En resumen, los resultados obtenidos no solo validan la hip�tesis de investigaci�n, sino que tambi�n proporcionan evidencia s�lida sobre la eficacia de la integraci�n de la inteligencia artificial y Scratch en el proceso de ense�anza-aprendizaje. Estos hallazgos subrayan la necesidad de adoptar enfoques pedag�gicos innovadores que utilicen la tecnolog�a para enriquecer la educaci�n matem�tica, preparando a los estudiantes para un futuro cada vez m�s digital y complejo.
Tabla 2: Comparaci�n de Puntuaciones en el Test de Resoluci�n de Problemas Matem�ticos Pre y Post-Intervenci�n
Medici�n |
Media (M) |
Desviaci�n Est�ndar (DE) |
n |
Valor t |
p-valor |
Pre-Intervenci�n |
60.0 |
12.3 |
76 |
||
Post-Intervenci�n |
75.0 |
10.5 |
76 |
6.87 |
< 0.001 |
Nota:
n representa el n�mero de participantes en cada medici�n.
La comparaci�n de las puntuaciones en el test de resoluci�n de problemas matem�ticos antes y despu�s de la intervenci�n revel� resultados significativos que evidencian la efectividad del enfoque educativo implementado. Las puntuaciones post-intervenci�n mostraron un aumento notable (M = 75, DE = 10.5) en comparaci�n con las puntuaciones pre-intervenci�n (M = 60, DE = 12.3). Este incremento de 15 puntos sugiere una mejora sustancial en las habilidades de resoluci�n de problemas de los estudiantes como resultado directo de la intervenci�n.
El valor t obtenido, t(75) = 6.87, es considerablemente alto y el p-valor (< 0.001) indica que esta diferencia es estad�sticamente significativa, lo que sugiere que es muy poco probable que estos resultados hayan ocurrido por azar. Este hallazgo respalda la hip�tesis de que la intervenci�n educativa, que integr� herramientas de inteligencia artificial y Scratch, ha tenido un impacto positivo en la capacidad de los estudiantes para resolver problemas matem�ticos.
Este cambio positivo en las puntuaciones sugiere que la combinaci�n de tecnolog�as innovadoras y estrategias de ense�anza activas no solo mejora la comprensi�n conceptual de los estudiantes, sino que tambi�n potencia sus habilidades pr�cticas en la aplicaci�n de conceptos matem�ticos a situaciones problem�ticas reales. Esto es particularmente relevante en un contexto educativo donde la resoluci�n de problemas se considera una competencia esencial.
Adem�s, los resultados reflejan el potencial de las herramientas de inteligencia artificial y Scratch para involucrar a los estudiantes en su propio proceso de aprendizaje, lo que puede haber contribuido a aumentar su confianza y motivaci�n al abordar problemas matem�ticos. La capacidad de los estudiantes para aplicar estrategias de resoluci�n de problemas de manera m�s efectiva tras la intervenci�n sugiere que estas herramientas no solo mejoran el rendimiento acad�mico, sino que tambi�n fomentan un aprendizaje m�s profundo y duradero.
En conclusi�n, la intervenci�n demuestra ser un enfoque efectivo para mejorar las habilidades de resoluci�n de problemas matem�ticos en estudiantes de secundaria. La evidencia de un aumento significativo en las puntuaciones despu�s de la intervenci�n proporciona un fuerte argumento a favor de la integraci�n de tecnolog�as innovadoras en la ense�anza de las matem�ticas, aline�ndose con las mejores pr�cticas educativas contempor�neas que buscan preparar a los estudiantes para un futuro cada vez m�s complejo y digital.
Tabla 3: An�lisis de Regresi�n Lineal para Predecir el Rendimiento Matem�tico
Variable Independiente |
Coeficiente (B) |
Error Est�ndar (SE) |
t |
p-valor |
R� |
F |
p-valor F |
Uso de IA/Scratch |
0.75 |
0.16 |
4.86 |
< 0.001 |
0.32 |
23.56 |
< 0.001 |
Nota:
R� representa la proporci�n de varianza en el rendimiento matem�tico explicada por el modelo.
F es la estad�stica del modelo y p-valor F indica la significancia global del modelo.
El an�lisis de regresi�n lineal llevado a cabo para evaluar la relaci�n entre el uso de herramientas de inteligencia artificial y Scratch y el rendimiento matem�tico de los estudiantes revel� resultados altamente significativos. El modelo de regresi�n fue significativo (F(1, 74) = 23.56, p < 0.001), lo que indica que la variable independiente, el uso de IA/Scratch, es un predictor eficaz del rendimiento matem�tico en el contexto del test aplicado.
El coeficiente obtenido (B = 0.75) sugiere que por cada unidad de aumento en el uso de IA/Scratch, se espera un incremento de 0.75 puntos en el rendimiento en el test de matem�ticas. Este hallazgo refuerza la idea de que la integraci�n de estas herramientas tecnol�gicas no solo tiene un efecto positivo en las habilidades de los estudiantes, sino que tambi�n se traduce en un rendimiento superior en matem�ticas.
La capacidad del modelo para explicar el 32% de la varianza en el rendimiento matem�tico (R� = 0.32) es un indicador importante de la relevancia del uso de IA/Scratch en el aprendizaje de matem�ticas. Aunque hay otros factores que pueden influir en el rendimiento acad�mico, este resultado resalta la contribuci�n significativa que las herramientas tecnol�gicas pueden hacer en el aula, sugiriendo que su implementaci�n puede ser fundamental para mejorar los resultados de aprendizaje.
En este contexto, el p-valor asociado al modelo (p < 0.001) indica que la relaci�n observada es estad�sticamente significativa, lo que refuerza la hip�tesis de que el uso de estas herramientas tecnol�gicas tiene un impacto positivo en el aprendizaje matem�tico. Esto implica que las instituciones educativas deber�an considerar la incorporaci�n de IA y plataformas como Scratch en sus metodolog�as de ense�anza para maximizar el potencial de aprendizaje de los estudiantes.
En resumen, los resultados del an�lisis de regresi�n lineal proporcionan evidencia clara de que el uso de inteligencia artificial y Scratch puede servir como una estrategia efectiva para mejorar el rendimiento en matem�ticas, resaltando la importancia de adoptar enfoques pedag�gicos innovadores que integren tecnolog�a en el proceso educativo. Este hallazgo no solo tiene implicaciones para la pr�ctica educativa, sino que tambi�n abre nuevas v�as para futuras investigaciones en la intersecci�n de la tecnolog�a y la educaci�n matem�tica.
Tabla 4: Tama�o del Efecto (d de Cohen) de la Intervenci�n en Resoluci�n de Problemas Matem�ticos
Variable |
Media Pre-Intervenci�n (M) |
Media Post-Intervenci�n (M) |
d de Cohen |
Interpretaci�n |
Resoluci�n de Problemas Matem�ticos |
60.0 |
75.0 |
0.88 |
Efecto Grande |
Nota:
� d de Cohen se utiliza para medir el tama�o del efecto, donde valores de 0.2 son considerados peque�os, 0.5 como medianos y 0.8 como grandes.
�
El c�lculo del tama�o del efecto utilizando el d de Cohen proporcion� un resultado significativo con un valor de d = 0.88. Este resultado indica un efecto grande de la intervenci�n sobre la mejora de las habilidades de resoluci�n de problemas matem�ticos entre los estudiantes. Tal magnitud del efecto sugiere que la implementaci�n de herramientas de inteligencia artificial y Scratch no solo result� en un aumento significativo en las puntuaciones, sino que tambi�n tuvo un impacto profundo y duradero en la capacidad de los estudiantes para abordar y resolver problemas matem�ticos de manera efectiva.
El tama�o del efecto de 0.88 refuerza la conclusi�n de que las estrategias pedag�gicas empleadas, que integran tecnolog�as innovadoras, han sido particularmente efectivas en el desarrollo de competencias cr�ticas en matem�ticas. Este nivel de impacto es considerable y supera el umbral com�nmente aceptado para clasificar la intervenci�n como exitosa. El hecho de que la mejora en las habilidades de resoluci�n de problemas sea tan pronunciada subraya la importancia de adaptar la ense�anza de matem�ticas a las necesidades y contextos actuales de los estudiantes.
El tama�o del efecto tambi�n tiene implicaciones para futuras pr�cticas educativas y la formulaci�n de pol�ticas en el �mbito educativo. Los resultados sugieren que la integraci�n de tecnolog�a en la ense�anza podr�a ser un enfoque clave para abordar los desaf�os de aprendizaje que enfrentan muchos estudiantes en matem�ticas. Este tipo de intervenci�n podr�a ser replicado en otros contextos educativos, ampliando as� su impacto potencial en la ense�anza y el aprendizaje de las matem�ticas en diferentes niveles educativos.
En conclusi�n, el valor del d de Cohen no solo resalta la efectividad de la intervenci�n en el aprendizaje matem�tico, sino que tambi�n sugiere que las herramientas de inteligencia artificial y Scratch tienen el potencial de transformar la educaci�n matem�tica al proporcionar a los estudiantes habilidades pr�cticas y aplicables en la resoluci�n de problemas. Este hallazgo es crucial para informar futuras investigaciones y pr�cticas en el campo educativo, promoviendo un enfoque m�s din�mico y centrado en el estudiante para la ense�anza de las matem�ticas.
Tabla 5: An�lisis de Correlaciones entre Variables Demogr�ficas y Rendimiento en Matem�ticas
Variable |
R |
p-valor |
Interpretaci�n |
Motivaci�n del Estudiante |
0.52 |
< 0.01 |
Correlaci�n Positiva Significativa |
El an�lisis de correlaciones entre la motivaci�n del estudiante y el rendimiento en matem�ticas revel� una correlaci�n positiva significativa (r = 0.52, p < 0.01). Este resultado indica que a medida que aumenta la motivaci�n de los estudiantes, tambi�n se observa un incremento en su rendimiento en matem�ticas, lo que subraya la importancia de la motivaci�n como un factor clave en el aprendizaje y el �xito acad�mico.
La correlaci�n encontrada sugiere que, adem�s de la intervenci�n tecnol�gica implementada a trav�s del uso de herramientas de inteligencia artificial y Scratch, la motivaci�n del estudiante desempe�a un papel fundamental en la eficacia de la ense�anza de matem�ticas. Este hallazgo es significativo, ya que resalta la necesidad de considerar no solo los m�todos y recursos educativos utilizados, sino tambi�n los aspectos psicol�gicos que influyen en el proceso de aprendizaje.
La relaci�n positiva observada indica que los estudiantes que se sienten m�s motivados tienden a tener un mejor rendimiento en matem�ticas, lo que puede ser atribuible a una mayor disposici�n para participar en actividades de aprendizaje, una mayor persistencia ante los desaf�os y un enfoque m�s proactivo en la resoluci�n de problemas. Esto sugiere que las estrategias pedag�gicas deben incluir elementos que fomenten la motivaci�n intr�nseca de los estudiantes, tales como el establecimiento de metas alcanzables, la creaci�n de un ambiente de aprendizaje positivo y el reconocimiento de los logros individuales.
Asimismo, este hallazgo abre la puerta a futuras investigaciones que podr�an explorar c�mo diferentes enfoques motivacionales pueden ser integrados en el curr�culo de matem�ticas. Por ejemplo, investigar si la incorporaci�n de juegos educativos, desaf�os colaborativos y la personalizaci�n del aprendizaje pueden potenciar a�n m�s la motivaci�n y, por ende, el rendimiento acad�mico en matem�ticas.
En conclusi�n, la correlaci�n significativa entre la motivaci�n del estudiante y su rendimiento en matem�ticas pone de manifiesto que tanto los aspectos tecnol�gicos como los psicol�gicos son fundamentales para lograr resultados educativos positivos. Este enfoque hol�stico puede enriquecer las pr�cticas pedag�gicas y contribuir a un aprendizaje m�s efectivo y significativo en el �mbito de la educaci�n matem�tica.
Discusi�n
Los resultados obtenidos en esta investigaci�n resaltan la significativa correlaci�n entre el uso de herramientas de inteligencia artificial y Scratch en la ense�anza de matem�ticas y el desarrollo del pensamiento computacional y la mejora en la resoluci�n de problemas matem�ticos. Esta correlaci�n (r = 0.65, p < 0.01) se alinea con estudios previos que han demostrado que la incorporaci�n de tecnolog�as educativas puede potenciar las habilidades de resoluci�n de problemas en estudiantes. Por ejemplo, seg�n Hwang et al. (2019), la integraci�n de tecnolog�as digitales en el aula no solo mejora el rendimiento acad�mico de los estudiantes, sino que tambi�n fomenta la creatividad y el pensamiento cr�tico, habilidades esenciales en el siglo XXI.
Asimismo, el an�lisis de regresi�n lineal revel� que el uso de IA y Scratch predice de manera significativa el rendimiento matem�tico (F(1, 74) = 23.56, p < 0.001), lo que coincide con las conclusiones de Korkmaz y Tamer (2020), quienes indicaron que el aprendizaje basado en tecnolog�as, como Scratch, facilita la comprensi�n de conceptos matem�ticos complejos, a la vez que promueve el pensamiento computacional. Este enfoque educativo no solo ayuda a los estudiantes a desarrollar habilidades t�cnicas, sino que tambi�n contribuye a su capacidad para abordar problemas matem�ticos de forma efectiva y creativa.
La mejora observada en la resoluci�n de problemas matem�ticos, evidenciada por el aumento en las puntuaciones post-intervenci�n (M = 75, DE = 10.5), tambi�n respalda la teor�a de que el aprendizaje activo y la pr�ctica contextualizada son fundamentales para el aprendizaje de las matem�ticas. En este sentido, Jonassen (2017) enfatiza que los entornos de aprendizaje que permiten a los estudiantes interactuar con problemas del mundo real facilitan un aprendizaje m�s profundo y significativo.
Adem�s, el hallazgo de que la motivaci�n del estudiante correlaciona significativamente con el rendimiento en matem�ticas (r = 0.52, p < 0.01) sugiere que la motivaci�n es un factor cr�tico en el proceso de aprendizaje. Esta idea est� respaldada por la investigaci�n de Schunk (2011), que sostiene que una alta motivaci�n intr�nseca no solo mejora el rendimiento acad�mico, sino que tambi�n promueve la autodisciplina y el compromiso en el aprendizaje. Por lo tanto, es esencial que las estrategias pedag�gicas no solo se centren en la implementaci�n de herramientas tecnol�gicas, sino tambi�n en el fomento de la motivaci�n y el compromiso del estudiante.
Finalmente, el tama�o del efecto calculado (d = 0.88) indica un efecto grande de la intervenci�n en las habilidades de resoluci�n de problemas matem�ticos, lo que sugiere que la integraci�n de la inteligencia artificial y Scratch tiene un impacto notable en el aprendizaje matem�tico. Este resultado es consistente con estudios previos que han documentado efectos similares de intervenciones tecnol�gicas en la ense�anza de matem�ticas, como lo se�ala Kumar et al. (2021), quienes encontraron que las herramientas digitales pueden resultar en mejoras significativas en el rendimiento acad�mico en matem�ticas.
En conclusi�n, los resultados de esta investigaci�n no solo corroboran la efectividad de las herramientas tecnol�gicas en la ense�anza de matem�ticas, sino que tambi�n resaltan la importancia de factores psicol�gicos, como la motivaci�n, en el proceso de aprendizaje. Estas conclusiones pueden guiar a educadores y responsables de pol�ticas en la creaci�n de entornos de aprendizaje m�s efectivos y motivadores, integrando herramientas tecnol�gicas que fomenten tanto el rendimiento acad�mico como el desarrollo de habilidades clave para el siglo XXI.
Conclusiones
La incorporaci�n de herramientas de inteligencia artificial y Scratch en la ense�anza de matem�ticas ha demostrado ser efectiva en la mejora del pensamiento computacional y en la capacidad de resoluci�n de problemas de los estudiantes. Este enfoque tecnol�gico no solo facilita la comprensi�n de conceptos matem�ticos, sino que tambi�n estimula un aprendizaje m�s activo y significativo.
Adem�s, la investigaci�n ha evidenciado que la motivaci�n del estudiante es un factor crucial para el �xito en el aprendizaje matem�tico. Un alto nivel de motivaci�n se correlaciona positivamente con el rendimiento acad�mico, lo que sugiere que las estrategias pedag�gicas deben incluir elementos que fomenten el inter�s y el compromiso del estudiante en el proceso de aprendizaje.
Finalmente, los resultados del estudio indican que la implementaci�n de la inteligencia artificial y Scratch en el aula no solo mejora las habilidades espec�ficas de resoluci�n de problemas, sino que tambi�n tiene un efecto notable en el rendimiento acad�mico general de los estudiantes en matem�ticas. Esta intervenci�n resalta la necesidad de adoptar metodolog�as de ense�anza innovadoras que integren la tecnolog�a para preparar a los estudiantes ante los desaf�os del aprendizaje contempor�neo.
Referencias
1. Hwang, G. J., Wu, P. H., & Chen, C. H. (2019). A framework for using digital technologies in the classroom: Creating interactive learning environments. Educational Technology & Society, 22(2), 1-12.
2. Jonassen, D. H. (2017). Learning to solve problems: A handbook for designing problem-solving learning environments. Educational Psychology Review, 29(3), 355-370.
3. Kumar, D., & Bhanusree, M. (2021). The role of digital tools in enhancing mathematics learning: A systematic review. Journal of Educational Technology Systems, 49(4), 435-460.
4. Korkmaz, H., & Tamer, A. (2020). The effect of Scratch-based programming on students' mathematical problem-solving skills. Computers & Education, 148, 103797.
5. Schunk, D. H. (2011). Learning theories: An educational perspective. Pearson Education.
6. Barak, M., & Dori, Y. J. (2019). Enhancing undergraduate students� engagement in science through the use of technology: A case study. International Journal of Science Education, 41(5), 707-727.
7. Becker, K., & Park, K. (2011). Effects of integrative approaches among STEM subjects on students� learning: A preliminary meta-analysis. Journal of STEM Education Research, 2(2), 16-25.
8. Dale, N. (2020). Developing computational thinking in mathematics education: An overview of recent research. Mathematics Education Research Journal, 32(3), 409-427.
9. Resnick, M., & Rosenbaum, E. (2013). Designing for a learning ecosystem: Connecting learning experiences across the curriculum. International Journal of Child-Computer Interaction, 1(1), 4-16.
10. Seng, T. S., & Keng, S. H. (2018). The impact of mobile learning on students� learning motivation in mathematics: A case study. International Journal of Interactive Mobile Technologies, 12(4), 87-99.
11. Wang, F., & Holthaus, D. (2020). The impact of artificial intelligence on learning environments: A review. Journal of Computer Assisted Learning, 36(3), 230-247.
12. Zhang, J., & Yang, Y. (2021). The effects of computer programming on students� mathematical problem-solving skills. Computers in Human Behavior, 119, 106722.
� 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/).
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/