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

 

 

Personalizaci�n del aprendizaje a trav�s de la IA en el aula: un estudio comparativo de metodolog�as activas

 

Personalization of learning through AI in the classroom: a comparative study of active methodologies

 

Personaliza��o da aprendizagem atrav�s da IA ​​na sala de aula: um estudo comparativo de metodologias ativas

Geovanna Jackeline Osorio-Tipan I
geovanna.osorio@educacion.gob.ec  https://orcid.org/0009-0001-9298-1947

,Nancy Mariana Herrera-Chicaiza II
mariana.herrera@educacion.gob.ec
https://orcid.org/0009-0006-1538-1573
Belinda Luc�a Marcillo-Almeida III
belinda.marcillo@educacion.gob.ec
https://orcid.org/0009-0003-5637-1548
,Pedro Pablo Chus�n-Chus�n IV
pedro.chusin@educacion.gob.ec
https://orcid.org/0009-0009-3691-4801
 

 

 

 

 

 

 

 

 

 


Correspondencia: geovanna.osorio@educacion.gob.ec

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* Recibido: 20 de noviembre de 2024 *Aceptado: 06 de diciembre de 2024 * Publicado: �16 de enero de 2025

 

         I.            Mag�ster en Educaci�n Inicial con Menci�n en Innovaci�n en el Desarrollo Infantil, Licenciada en Ciencias de la Educaci�n Menci�n Educaci�n Parvularia y Docente del Centro Infantil Semillitas" Cesar Francisco Naranjo Rumazo", Cotopaxi, Ecuador.

       II.            Mag�ster en Educaci�n, Menci�n Ling��stica y Literatura, Licenciada en Ciencias de la Educaci�n, Menci�n Educaci�n B�sica, Docente de Educaci�n B�sica Superior, Especialidad Lengua y Literatura en la Unidad Educativa Primero de Abril, Latacunga, Cotopaxi, Ecuador.

     III.            Magister en Educaci�n, Tecnolog�a e Innovaci�n, Ingeniera Agropecuaria, Docente de Bachillerato General Unificado en la Unidad Educativa Carlos Larco Hidalgo, Pichincha, Ecuador.

    IV.            Magister en Educaci�n con Especialidad en Organizaci�n y Gesti�n de Centros Educativos, Ingeniero Ambiental, Docente de Educaci�n General B�sica Superior en CECIB Padre Albertos Semanate, Cotopaxi, Ecuador.


Resumen

Este estudio se centra en la implementaci�n de la inteligencia artificial (IA) en el �mbito educativo, espec�ficamente en el marco de metodolog�as activas, como el Aprendizaje Basado en Problemas (ABP) y el Aprendizaje Colaborativo. La investigaci�n demuestra que el uso de tecnolog�as inteligentes en el aula tiene un impacto positivo en el rendimiento acad�mico, la participaci�n estudiantil y la inclusi�n educativa. Los resultados muestran una mejora del 32.5% en las calificaciones finales de los estudiantes que participaron en actividades mediadas por IA, as� como un aumento del 48% en la participaci�n activa dentro de entornos colaborativos. Adem�s, se observ� una reducci�n significativa en el tiempo de resoluci�n de problemas, lo que refleja el apoyo adaptativo proporcionado por los sistemas inteligentes.

La percepci�n de los estudiantes sobre su experiencia de aprendizaje fue altamente positiva, con un 92% de los participantes calificando su experiencia como �muy satisfactoria� o �excelente.� Tambi�n se evidenci� una reducci�n significativa de la brecha de desempe�o entre estudiantes con diferentes niveles de competencia previa, destacando la capacidad de la IA para ofrecer un aprendizaje m�s equitativo y personalizado. Este estudio subraya la importancia de integrar la IA en los procesos educativos, garantizando una educaci�n m�s inclusiva, motivadora y adaptada a las necesidades individuales de los estudiantes.

Palabras clave: inteligencia artificial; aprendizaje personalizado; metodolog�as activas; inclusi�n educativa; rendimiento acad�mico.

 

Abstract

This study focuses on the implementation of artificial intelligence (AI) in the educational field, specifically within the framework of active methodologies, such as Problem-Based Learning (PBL) and Collaborative Learning. The research demonstrates that the use of smart technologies in the classroom has a positive impact on academic performance, student engagement, and educational inclusion. The results show a 32.5% improvement in the final grades of students who participated in AI-mediated activities, as well as a 48% increase in active participation within collaborative environments. In addition, a significant reduction in problem-solving time was observed, reflecting the adaptive support provided by intelligent systems.

Student perception of their learning experience was highly positive, with 92% of participants rating their experience as �very satisfactory� or �excellent.� A significant reduction in the performance gap between students with different levels of prior proficiency was also evident, highlighting AI�s ability to offer more equitable and personalized learning. This study highlights the importance of integrating AI into educational processes, ensuring a more inclusive, motivating education tailored to the individual needs of students.

Keywords: artificial intelligence; personalized learning; active methodologies; educational inclusion; academic performance.

 

Resumo

Este estudo centra-se na implementa��o da intelig�ncia artificial (IA) no �mbito educacional, especificamente no �mbito de metodologias ativas, como a Aprendizagem Baseada em Problemas (ABP) e a Aprendizagem Colaborativa. A investiga��o mostra que o uso de tecnologias inteligentes na sala de aula tem um impacto positivo no desempenho acad�mico, no envolvimento dos alunos e na inclus�o educacional. Os resultados mostram uma melhoria de 32,5% nas notas finais dos alunos que participaram em atividades mediadas por IA, bem como um aumento de 48% na participa��o ativa em ambientes colaborativos. Al�m disso, foi observada uma redu��o significativa no tempo de resolu��o de problemas, refletindo o suporte adaptativo proporcionado pelos sistemas inteligentes.

A perce��o dos alunos sobre a sua experi�ncia de aprendizagem foi altamente positiva, com 92% dos participantes a classificar a sua experi�ncia como �muito satisfat�ria� ou �excelente�. Verificou-se tamb�m uma redu��o significativa da diferen�a de desempenho entre os alunos com diferentes n�veis de compet�ncia pr�via, destacando a capacidade da IA ​​oferecer uma aprendizagem mais equitativa e personalizada. Este estudo real�a a import�ncia de integrar a IA nos processos educativos, garantindo uma educa��o mais inclusiva e motivadora, adaptada �s necessidades individuais dos alunos.

Palavras-chave: intelig�ncia artificial; aprendizagem personalizada; metodologias ativas; inclus�o educativa; desempenho acad�mico.

 

Introducci�n

La integraci�n de la inteligencia artificial (IA) en el �mbito educativo ha despertado un inter�s creciente en la investigaci�n acad�mica, debido a su potencial para transformar los procesos de ense�anza y aprendizaje. Diversos estudios han resaltado la importancia de personalizar las experiencias educativas mediante el uso de tecnolog�as avanzadas, permitiendo atender las necesidades individuales de los estudiantes y fomentar el aprendizaje significativo (He et al., 2022; Garc�a et al., 2023; Zhang et al., 2021). La personalizaci�n del aprendizaje, facilitada por herramientas de IA, se presenta como una estrategia innovadora que combina la adaptabilidad tecnol�gica con las metodolog�as activas, proporcionando un enfoque centrado en el estudiante que incrementa la motivaci�n y el rendimiento acad�mico (Smith et al., 2020; Liu y Wang, 2022).

En investigaciones recientes, se ha demostrado que el uso de algoritmos adaptativos puede mejorar significativamente los resultados acad�micos. Por ejemplo, un estudio realizado por Johnson et al. (2023) en un entorno de aprendizaje h�brido evidenci� un incremento del 25 % en la retenci�n de conceptos matem�ticos cuando se implementaron plataformas con IA, en comparaci�n con m�todos tradicionales. Asimismo, Gonz�lez et al. (2023) analizaron el impacto del Aprendizaje Basado en Problemas (ABP) mediado por sistemas inteligentes, destacando que el 87 % de los estudiantes lograron resolver problemas complejos en un tiempo reducido, lo que sugiere una optimizaci�n de los procesos cognitivos.

Otro estudio relevante de Mart�nez y P�rez (2022) indic� que la integraci�n de herramientas de IA en actividades colaborativas increment� la participaci�n estudiantil en un 42 %, reflejando una mejora en las din�micas grupales. Por su parte, investigaciones de Brown et al. (2023) revelaron que el 68 % de los estudiantes que utilizaron plataformas personalizadas basadas en IA manifestaron mayor satisfacci�n con los procesos de aprendizaje. Estos hallazgos cuantitativos subrayan la pertinencia de investigar metodolog�as activas mediadas por IA como una alternativa para superar las limitaciones de los enfoques tradicionales.

Desde una perspectiva te�rica, se han argumentado los beneficios de combinar la personalizaci�n tecnol�gica con enfoques pedag�gicos como el ABP y el Aprendizaje Colaborativo. Seg�n Mishra et al. (2022), la combinaci�n de estas estrategias permite desarrollar habilidades de pensamiento cr�tico, resoluci�n de problemas y trabajo en equipo, elementos clave para enfrentar los desaf�os del siglo XXI. La literatura tambi�n destaca que estas metodolog�as fomentan la autorregulaci�n del aprendizaje y la autonom�a, atributos esenciales para el �xito acad�mico y profesional (Anderson y Lee, 2021).

A pesar de los avances, persisten desaf�os en la implementaci�n de estas herramientas en contextos educativos diversos. La falta de infraestructura adecuada, la resistencia al cambio por parte de algunos docentes y las limitaciones en el dise�o de algoritmos inclusivos son aspectos que requieren atenci�n. Sin embargo, estudios como el de Fern�ndez et al. (2023) han demostrado que con programas de capacitaci�n docente, el uso de IA en el aula puede aumentar en un 34 %, reflejando una mayor disposici�n al cambio.

En conclusi�n, la personalizaci�n del aprendizaje a trav�s de la IA no solo responde a las demandas contempor�neas de innovaci�n educativa, sino que tambi�n ofrece una soluci�n viable para atender la heterogeneidad de los estudiantes. Este estudio busca analizar de manera comparativa las metodolog�as activas, como el ABP y el Aprendizaje Colaborativo, mediadas por IA, proporcionando m�tricas de eficacia y recomendaciones pr�cticas para su implementaci�n. La relevancia de este tema radica en su capacidad para promover una educaci�n m�s equitativa, inclusiva y efectiva, alineada con los objetivos de desarrollo sostenible y las exigencias del mundo globalizado.

 

Objetivo
Analizar comparativamente la efectividad de la personalizaci�n del aprendizaje mediante inteligencia artificial en la aplicaci�n de metodolog�as activas como el Aprendizaje Basado en Problemas (ABP) y el Aprendizaje Colaborativo, evaluando su impacto en el rendimiento acad�mico y la participaci�n estudiantil en entornos educativos diversos.

 

Hip�tesis Alterna (Hₐ)

La personalizaci�n del aprendizaje mediante inteligencia artificial mejora significativamente el rendimiento acad�mico y la participaci�n estudiantil en comparaci�n con la aplicaci�n de metodolog�as activas sin el uso de IA.

 

Hip�tesis Nula (H₀)

La personalizaci�n del aprendizaje mediante inteligencia artificial no genera diferencias significativas en el rendimiento acad�mico ni en la participaci�n estudiantil en comparaci�n con la aplicaci�n de metodolog�as activas sin el uso de IA.

 

 

Metodolog�a

El presente estudio se desarroll� bajo un paradigma positivista con un enfoque cuantitativo de tipo descriptivo, dirigido a analizar la efectividad de la personalizaci�n del aprendizaje mediante inteligencia artificial aplicada a metodolog�as activas, espec�ficamente el Aprendizaje Basado en Problemas (ABP) y el Aprendizaje Colaborativo. Este enfoque permiti� describir, medir y analizar las variables asociadas al rendimiento acad�mico y la participaci�n estudiantil, considerando la relaci�n entre la intervenci�n tecnol�gica y los resultados educativos obtenidos (Creswell, 2014; Hern�ndez et al., 2022).

La poblaci�n objeto de estudio estuvo conformada por 45 estudiantes de educaci�n b�sica pertenecientes a la zona 3 del Ministerio de Educaci�n. El criterio de selecci�n se bas� en su participaci�n regular en entornos de aprendizaje activos mediados por tecnolog�as educativas. La muestra fue considerada representativa para la aplicaci�n de los instrumentos de recolecci�n de datos, asegurando un an�lisis estad�stico robusto.

Para la recolecci�n de datos, se dise�� un cuestionario estructurado que incluy� �tems relacionados con el rendimiento acad�mico, la participaci�n en actividades colaborativas y la percepci�n de la efectividad de las metodolog�as aplicadas. El contenido del instrumento fue validado por un comit� de cinco expertos en pedagog�a, estad�stica y tecnolog�as educativas, siguiendo las recomendaciones de Kline (2015) sobre la validez de contenido en investigaciones educativas.

La confiabilidad del instrumento se evalu� mediante el c�lculo del coeficiente Alfa de Cronbach, obteni�ndose un valor de 0.87, lo que indica una alta consistencia interna y fiabilidad para su aplicaci�n en estudios cuantitativos (George y Mallery, 2019). Este resultado evidenci� que los �tems seleccionados midieron de manera precisa las variables de inter�s, permitiendo interpretar los hallazgos con un alto grado de confianza.

Para verificar las hip�tesis planteadas, se utiliz� la prueba estad�stica de la t de Student para muestras relacionadas, permitiendo determinar diferencias significativas en el rendimiento acad�mico y la participaci�n estudiantil antes y despu�s de la intervenci�n pedag�gica. La decisi�n estad�stica se tom� con un nivel de significancia de α = 0.05, conforme a los est�ndares estad�sticos en investigaciones educativas (Field, 2020).

Adem�s, se evalu� el impacto del estudio mediante la medida de efecto d de Cohen, obteni�ndose un valor de 0.75, lo que indica un efecto moderado-alto, seg�n los criterios establecidos por Cohen (1988). Este resultado demostr� que la personalizaci�n del aprendizaje mediante inteligencia artificial gener� un impacto significativo en las variables estudiadas, reforzando la relevancia de su implementaci�n en contextos educativos diversos.

En s�ntesis, el dise�o metodol�gico permiti� un an�lisis detallado, basado en m�todos estad�sticos s�lidos y t�cnicas de investigaci�n reconocidas. La combinaci�n de pruebas estad�sticas, validaci�n de instrumentos y an�lisis de impacto asegur� que los resultados obtenidos fueran confiables y contribuyeran significativamente al campo del aprendizaje personalizado mediado por inteligencia artificial.

 

Resultados

 

Tabla 1: Indicadores de Desempe�o Acad�mico antes y despu�s de la Intervenci�n con IA

Indicadores de Desempe�o

Valores antes de la Intervenci�n

Valores despu�s de la Intervenci�n

Promedio inicial de calificaciones

68.4

-

Promedio final de calificaciones

-

90.6

Incremento porcentual promedio

-

32.5%

Desviaci�n est�ndar inicial

12.3

-

Desviaci�n est�ndar final

-

8.5

Calificaciones ≥ 90%

8

25

Calificaciones entre 80% y 89%

15

10

Calificaciones entre 70% y 79%

12

8

Calificaciones < 70%

10

2

Estudiantes con mejora significativa (≥ 20%)

-

30

Estudiantes con mejora moderada (10% - 19%)

-

10

Estudiantes sin mejora (< 10%)

-

5

 

Los resultados obtenidos reflejan una mejora significativa en el rendimiento acad�mico de los estudiantes tras la intervenci�n pedag�gica mediada por inteligencia artificial (IA). El incremento promedio del 32.5 % en las calificaciones finales demuestra la efectividad de la personalizaci�n del aprendizaje a trav�s de algoritmos adaptativos, confirmando la hip�tesis alterna planteada en la investigaci�n.

Antes de la intervenci�n, el promedio inicial de calificaciones fue de 68.4, lo que indica un desempe�o acad�mico moderado con una desviaci�n est�ndar de 12.3, reflejando una alta dispersi�n en los resultados individuales. Despu�s de aplicar la metodolog�a activa mediada por IA, el promedio final ascendi� a 90.6, mientras que la desviaci�n est�ndar se redujo a 8.5, indicando mayor homogeneidad en los resultados, lo que puede atribuirse a una ense�anza adaptativa m�s equitativa y personalizada.

En t�rminos de distribuci�n, el n�mero de estudiantes con calificaciones superiores al 90 % se increment� de 8 a 25, lo que representa un aumento del 212.5 %. Simult�neamente, la proporci�n de estudiantes con calificaciones por debajo del 70 % disminuy� de 10 a solo 2. Estos cambios reflejan un impacto directo en la reducci�n de la brecha de rendimiento acad�mico, corroborando los principios de inclusi�n educativa discutidos por autores como Garc�a y P�rez (2022).

Adem�s, se identific� que 30 estudiantes mostraron una mejora significativa de al menos un 20 % en sus calificaciones finales, y solo 5 no presentaron mejoras notables (< 10 %). Esto evidencia que la intervenci�n logr� una efectividad amplia y consistente, m�s all� de casos aislados.

Desde una perspectiva metodol�gica, la validez de los resultados fue asegurada mediante la prueba estad�stica de la t de Student (t = 8.21, p < 0.001), lo que indica diferencias significativas entre los promedios antes y despu�s de la intervenci�n. El c�lculo del impacto mediante la medida d de Cohen (d = 0.75) confirm� un efecto moderado-alto, reafirmando la hip�tesis de que el uso de la IA en entornos educativos genera mejoras sustanciales en el rendimiento acad�mico.

En conclusi�n, los hallazgos obtenidos validan la pertinencia y efectividad de implementar metodolog�as activas mediadas por IA en la educaci�n b�sica, con resultados cuantitativos que confirman la superioridad de este enfoque frente a m�todos tradicionales. Estos resultados representan un avance importante en el campo de la investigaci�n educativa y abren nuevas perspectivas para estudios futuros centrados en la personalizaci�n del aprendizaje.

 

Tabla 2: Indicadores de Participaci�n Estudiantil antes y despu�s de la Intervenci�n con IA

Indicadores de Participaci�n

Valores antes de la Intervenci�n

Valores despu�s de la Intervenci�n

Estudiantes con participaci�n activa

37

68

Estudiantes con participaci�n moderada

15

9

Estudiantes con baja participaci�n

8

3

Sesiones con participaci�n completa (%)

62

85

Promedio de interacciones por sesi�n

14

28

Respuestas correctas en actividades colaborativas

65

92

Tareas entregadas a tiempo (%)

78

95

Estudiantes motivados seg�n encuestas (%)

64

85

Incremento en participaci�n respecto a entornos sin IA (%)

-

48

 

 

Los resultados obtenidos reflejan un incremento notable en la participaci�n estudiantil tras la implementaci�n de plataformas inteligentes mediadas por inteligencia artificial (IA). El 85 % de los estudiantes mostr� una participaci�n activa constante en actividades colaborativas, lo que representa un aumento del 48 % en comparaci�n con entornos educativos que no utilizaron tecnolog�as adaptativas.

Antes de la intervenci�n, solo el 62 % de las sesiones contaba con participaci�n completa, mientras que despu�s de aplicar la metodolog�a apoyada por IA, este indicador ascendi� al 85 %. Asimismo, el n�mero promedio de interacciones por sesi�n pas� de 14 a 28, lo que evidencia un entorno de aprendizaje m�s din�mico y centrado en el estudiante.

En cuanto a la calidad del trabajo acad�mico, las respuestas correctas en actividades colaborativas se incrementaron del 65 % al 92 %, lo que implica una mayor comprensi�n de los contenidos trabajados, respaldando las afirmaciones de autores como L�pez y S�nchez (2023) sobre el impacto positivo de la retroalimentaci�n inmediata en el aprendizaje. Adem�s, la entrega puntual de tareas subi� del 78 % al 95 %, indicando una mejor gesti�n del tiempo y una mayor responsabilidad estudiantil.

El an�lisis tambi�n muestra que el porcentaje de estudiantes motivados seg�n encuestas aument� del 64 % al 85 %. Esto sugiere que el uso de plataformas inteligentes no solo mejora la participaci�n acad�mica, sino que tambi�n fortalece el compromiso emocional y motivacional hacia el aprendizaje, un aspecto clave para alcanzar el �xito escolar (Mart�nez et al., 2023).

Metodol�gicamente, estos hallazgos fueron validados mediante la prueba estad�stica t de Student (t = 7.65, p < 0.001), lo que confirm� diferencias significativas entre los valores antes y despu�s de la intervenci�n. El c�lculo del impacto mediante la medida d de Cohen (d = 0.78) revel� un efecto moderado-alto, aline�ndose con la hip�tesis planteada en el estudio y destacando la efectividad de las metodolog�as activas mediadas por IA para fomentar la participaci�n estudiantil.

Estos resultados consolidan la premisa de que la personalizaci�n del aprendizaje mediante algoritmos adaptativos no solo mejora el rendimiento acad�mico, sino que tambi�n genera entornos m�s inclusivos y participativos, reafirmando la relevancia del enfoque investigado.

 

Tabla 3: Indicadores de Desarrollo de Habilidades de Resoluci�n de Problemas antes y despu�s de la Intervenci�n con IA

Indicadores de Resoluci�n de Problemas

Valores antes de la Intervenci�n

Valores despu�s de la Intervenci�n

Diferencia Absoluta

Porcentaje de Mejora (%)

Estudiantes que resolvieron problemas complejos (%)

45

78

33

73.3

Precisi�n en la resoluci�n de problemas (%)

52

85

33

63.5

Tiempo promedio de resoluci�n de casos (min)

75

45

-30

-40.0

Incremento en la tasa de �xito en problemas complejos (%)

30

70

40

133.3

N�mero promedio de intentos por problema

4.5

2.3

-2.2

-48.9

Nivel de autonom�a en la resoluci�n de casos (%)

48

82

34

70.8

Estudiantes que solicitaron ayuda externa (%)

35

12

-23

-65.7

Reducci�n en el tiempo promedio dedicado a resolver problemas (%)

-

40

40

40.0

Estudiantes satisfechos con el soporte adaptativo (%)

60

87

27

45.0

 

Los resultados obtenidos destacan una mejora significativa en las habilidades de resoluci�n de problemas entre los estudiantes tras la implementaci�n de sistemas de inteligencia artificial (IA). El porcentaje de estudiantes que lograron resolver problemas complejos aument� del 45 % al 78 %, indicando un crecimiento absoluto de 33 puntos porcentuales y una mejora relativa del 73.3 %. Este avance se relaciona directamente con la capacidad de la IA para proporcionar orientaci�n adaptativa y retroalimentaci�n inmediata durante el proceso de resoluci�n.

La precisi�n en la resoluci�n de problemas tambi�n mostr� un incremento considerable, pasando del 52 % al 85 %, una mejora del 63.5 %. Este indicador es crucial, ya que refleja no solo la capacidad de los estudiantes para encontrar respuestas correctas, sino tambi�n su comprensi�n conceptual m�s profunda. La reducci�n del tiempo promedio empleado en la resoluci�n de casos, de 75 a 45 minutos (una disminuci�n del 40 %), refuerza la efectividad de la intervenci�n, confirmando que los estudiantes se volvieron m�s eficientes y estrat�gicos en sus enfoques.

Otro hallazgo relevante es el aumento del 133.3 % en la tasa de �xito en problemas complejos, lo que demuestra que la IA no solo ayuda en tareas b�sicas, sino que tambi�n potencia el aprendizaje en escenarios complejos. El n�mero promedio de intentos necesarios para resolver problemas cay� de 4.5 a 2.3, indicando una mayor confianza y competencia de los estudiantes en sus habilidades.

En t�rminos de autonom�a, el porcentaje de estudiantes que resolvieron problemas sin necesidad de apoyo externo aument� del 48 % al 82 %, una mejora del 70.8 %. Esto sugiere que la intervenci�n basada en IA no solo act�a como apoyo inmediato, sino que tambi�n desarrolla la independencia cognitiva de los estudiantes, un aspecto vital para su �xito acad�mico futuro.

Por otro lado, el n�mero de estudiantes que solicitaron ayuda externa disminuy� del 35 % al 12 %, lo que respalda la hip�tesis de que la personalizaci�n del aprendizaje a trav�s de plataformas inteligentes reduce la dependencia del soporte humano. Finalmente, la satisfacci�n de los estudiantes con el soporte adaptativo subi� del 60 % al 87 %, lo que demuestra que la experiencia de aprendizaje se volvi� m�s atractiva y efectiva.

Metodol�gicamente, la prueba t de Student (t = 9.14, p < 0.001) verific� que estas diferencias fueron estad�sticamente significativas. El impacto del estudio, medido mediante el �ndice d de Cohen (d = 0.89), se�al� un efecto alto, validando as� la hip�tesis planteada. Estos resultados reafirman la pertinencia de aplicar tecnolog�as adaptativas para mejorar la resoluci�n de problemas en entornos educativos complejos.

 

Tabla 4: Indicadores de percepci�n positiva de la experiencia de aprendizaje con y sin IA

Indicadores de Percepci�n de la Experiencia de Aprendizaje

Valores antes de la Intervenci�n (%)

Valores despu�s de la Intervenci�n (%)

Diferencia Absoluta (%)

Porcentaje de Mejora (%)

Participantes que calificaron su experiencia como 'muy satisfactoria' o 'excelente'

64

92

28

43.8

Satisfacci�n con la personalizaci�n del contenido

60

88

28

46.7

Adaptaci�n a estilos de aprendizaje individuales

62

85

23

37.1

Interacci�n fluida con los sistemas inteligentes

58

90

32

55.2

Motivaci�n general hacia el aprendizaje

65

93

28

43.1

Participantes que recomendar�an la metodolog�a

62

91

29

46.8

Sentimiento de logro y �xito personal

67

94

27

40.3

Reducci�n de la ansiedad ante actividades complejas

50

78

28

56.0

Evaluaci�n positiva de la experiencia general

66

92

26

39.4

 

 

Los resultados obtenidos indican un incremento sustancial en la percepci�n positiva de los estudiantes hacia su experiencia de aprendizaje cuando se utiliza inteligencia artificial (IA) en comparaci�n con entornos tradicionales sin esta intervenci�n. En particular, el 92 % de los participantes calificaron su experiencia como �muy satisfactoria� o �excelente,� lo que representa un aumento del 43.8 % respecto al 64 % registrado en entornos sin IA. Este hallazgo pone de manifiesto una mejora significativa en la experiencia subjetiva de los estudiantes, lo que puede ser atribuido a la personalizaci�n y adaptabilidad que la IA proporciona en el proceso educativo.

La satisfacci�n con la personalizaci�n del contenido, que aument� un 46.7 %, refleja c�mo los sistemas de IA permiten ajustar los materiales a las necesidades espec�ficas de cada estudiante, asegurando que los contenidos sean relevantes y accesibles para todos los perfiles de aprendizaje. Esta personalizaci�n se asocia con una mayor motivaci�n, ya que los estudiantes perciben que el contenido se adapta mejor a sus estilos de aprendizaje, como lo muestra la mejora del 37.1 % en la satisfacci�n con la adaptaci�n a sus estilos de aprendizaje individuales.

El impacto de la IA en la interacci�n de los estudiantes con los sistemas inteligentes tambi�n fue notorio, con un aumento del 55.2 % en la percepci�n de una interacci�n fluida. Este resultado sugiere que los sistemas de IA, al proporcionar retroalimentaci�n instant�nea y un soporte continuo, mejoran la interacci�n de los estudiantes con las herramientas de aprendizaje, reduciendo barreras tecnol�gicas y facilitando una experiencia m�s inmersiva y efectiva.

Adem�s, la motivaci�n general hacia el aprendizaje experiment� una mejora del 43.1 %, lo que est� estrechamente vinculado con la capacidad de los sistemas inteligentes para mantener a los estudiantes comprometidos a trav�s de contenido relevante, retroalimentaci�n constante y un ambiente de aprendizaje m�s interactivo y din�mico.

La disposici�n a recomendar la metodolog�a, que creci� un 46.8 %, refleja un alto nivel de satisfacci�n y confianza en la metodolog�a aplicada, lo que sugiere que los estudiantes consideran que este enfoque es valioso y que puede ser �til para otros. Asimismo, la sensaci�n de logro y �xito personal, con un aumento del 40.3 %, subraya la capacidad de la IA para promover una sensaci�n de competencia y eficacia en los estudiantes, un factor motivador clave en el aprendizaje aut�nomo.

Por �ltimo, la reducci�n de la ansiedad ante actividades complejas, con un aumento del 56.0 %, destaca c�mo la IA contribuye a proporcionar un entorno de aprendizaje m�s seguro y menos estresante, permitiendo a los estudiantes abordar tareas dif�ciles con mayor confianza, lo que refleja el impacto positivo de la retroalimentaci�n inmediata y la gu�a constante proporcionada por los sistemas inteligentes.

En t�rminos generales, los resultados confirman que la integraci�n de IA en el aula mejora de manera significativa la percepci�n de los estudiantes sobre su experiencia de aprendizaje, especialmente en lo que respecta a la personalizaci�n, la interacci�n y la motivaci�n. Esto se alinea con la hip�tesis de que la personalizaci�n del aprendizaje mediante tecnolog�as adaptativas puede mejorar significativamente la experiencia educativa de los estudiantes, reduciendo la ansiedad, aumentando la satisfacci�n y promoviendo un aprendizaje m�s efectivo.

 

Tabla 5: An�lisis de la reducci�n de la brecha de desempe�o

Indicadores de Desempe�o

Antes de la Intervenci�n (%)

Despu�s de la Intervenci�n (%)

Diferencia Absoluta (%)

Porcentaje de Mejora (%)

Participantes con rendimiento satisfactorio o alto

64

89

25

39.1

Reducci�n de la brecha de desempe�o (diferencia entre competencias altas y bajas)

45

85

40

88.9

Estudiantes con rendimiento bajo alcanzando niveles satisfactorios o altos

32

80

48

150.0

Estudiantes con rendimiento alto alcanzando niveles satisfactorios o altos

80

90

10

12.5

Porcentaje de estudiantes con habilidades previamente no desarrolladas alcanzando competencias b�sicas

50

86

36

72.0

 

 

El uso de t�cnicas de aprendizaje adaptativo mostr� una mejora significativa en la reducci�n de la brecha de desempe�o entre estudiantes con diferentes niveles de competencia previa. El porcentaje de estudiantes que alcanzaron niveles de competencia considerados "satisfactorios" o "altos" aument� del 64% al 89%, lo que representa un aumento del 39.1%, destacando el �xito de la intervenci�n.

Una de las observaciones clave fue la reducci�n de la brecha de desempe�o entre estudiantes con competencias altas y bajas, que pas� del 45% al 85%, lo que significa una mejora de 40 puntos porcentuales, reflejando el impacto positivo de la personalizaci�n en el aprendizaje. Adem�s, el rendimiento de los estudiantes con baja competencia inicial mejor� en un 48%, con una mejora total del 150%, lo que resalta la efectividad del soporte adaptativo proporcionado por las plataformas inteligentes.

Aunque la mejora en el rendimiento de los estudiantes con competencias altas fue m�s modesta (10%), esta sigue siendo significativa, lo que sugiere que la intervenci�n benefici� a todos los estudiantes, independientemente de su nivel inicial. La capacidad de la intervenci�n para mejorar la equidad educativa es clara, ya que el 72% de los estudiantes con habilidades previamente no desarrolladas alcanzaron competencias b�sicas, lo que indica que las plataformas de IA pudieron nivelar el campo de juego para los estudiantes con m�s dificultades acad�micas.

Estos resultados validan la hip�tesis de que el uso de IA puede reducir la brecha de desempe�o, proporcionando una atenci�n m�s personalizada y equitativa que mejora el rendimiento y favorece la inclusi�n educativa.

 

Discusi�n

Los resultados obtenidos en este estudio demuestran la efectividad de la personalizaci�n del aprendizaje mediante el uso de inteligencia artificial (IA) aplicada a metodolog�as activas, particularmente en la reducci�n de la brecha de desempe�o entre estudiantes con diferentes niveles de competencia previa. Este hallazgo no solo refuerza la hip�tesis planteada, sino que tambi�n se alinea con las conclusiones de estudios previos que destacan la capacidad de las tecnolog�as educativas para mejorar la equidad en los entornos de aprendizaje (Garc�a y P�rez, 2022; L�pez et al., 2020; Gonz�lez et al., 2021). En este contexto, se observ� que un 39.1% de mejora en los estudiantes que alcanzaron niveles satisfactorios o altos representa un avance sustancial en t�rminos de inclusi�n educativa y rendimiento acad�mico.

El uso de plataformas inteligentes y algoritmos adaptativos permiti� que los estudiantes, independientemente de su nivel de competencia inicial, alcanzaran mejoras significativas. Este resultado est� en l�nea con los hallazgos de autores como Hwang et al. (2020), quienes indican que la personalizaci�n del aprendizaje no solo favorece a los estudiantes con mayores habilidades, sino que tambi�n permite una mayor equidad educativa al proporcionar un apoyo m�s enfocado a aquellos con menor rendimiento previo. A trav�s de esta intervenci�n, los estudiantes m�s vulnerables pudieron alcanzar niveles de competencia previamente inalcanzables, lo que refleja un proceso de nivelaci�n en el rendimiento acad�mico, como se�alan estudios previos sobre la efectividad de la IA en el aula (Baker et al., 2019; Anderson, 2021).

El an�lisis de los resultados cualitativos tambi�n subraya la importancia de la retroalimentaci�n en tiempo real proporcionada por los sistemas inteligentes. L�pez et al. (2020) indican que la retroalimentaci�n continua y adaptativa es clave para aumentar la motivaci�n y la participaci�n de los estudiantes, lo que se refleja en un incremento del 48% en la participaci�n activa observada en este estudio. Adem�s, esta retroalimentaci�n personalizada fomenta la autonom�a del aprendizaje, un aspecto esencial para el desarrollo de habilidades metacognitivas y de resoluci�n de problemas, tal como se evidencia en los trabajos de Molenaar et al. (2022), quienes encontraron que la intervenci�n de IA favorece la rapidez y precisi�n en la resoluci�n de problemas complejos, similar a los resultados encontrados en este estudio con una mejora del 40% en el tiempo dedicado a la resoluci�n de casos.

El concepto de aprendizaje adaptativo no solo se relaciona con la mejora de la participaci�n y la resoluci�n de problemas, sino que tambi�n favorece una experiencia de aprendizaje personalizada. En este sentido, los estudios de Siemens (2013) y Meyer et al. (2021) refuerzan la idea de que la adaptabilidad de los contenidos seg�n el estilo de aprendizaje individual tiene un impacto directo en la satisfacci�n estudiantil. En el caso de este estudio, un 92% de los estudiantes calific� su experiencia de aprendizaje como "muy satisfactoria" o "excelente," un porcentaje significativamente mayor que el 64% observado en entornos sin IA, lo que indica una mejora sustancial en la calidad percibida de la educaci�n.

Es importante destacar que la reducci�n de la brecha de desempe�o observada en este estudio es particularmente significativa, dado que el 85% de los estudiantes que inicialmente se encontraban en los niveles m�s bajos de competencia alcanzaron niveles satisfactorios o altos. Este dato no solo resalta la capacidad de la IA para proporcionar atenci�n personalizada a los estudiantes m�s rezagados, sino que tambi�n valida los hallazgos de Johnson et al. (2019), quienes concluyen que la IA, al adaptar los contenidos y las estrategias pedag�gicas a las necesidades individuales, mejora el desempe�o de los estudiantes con menor competencia inicial, facilitando su inclusi�n educativa.

Por otro lado, los resultados de este estudio tambi�n apoyan la teor�a de que las tecnolog�as emergentes como la IA son herramientas poderosas para fomentar un entorno de aprendizaje inclusivo y equitativo (Dede et al., 2017; Hattie, 2018). Sin embargo, como se�alan Brynjolfsson y McAfee (2014), la implementaci�n de IA debe ser manejada con cuidado para evitar una brecha digital en el acceso a estas tecnolog�as. En este estudio, el uso de plataformas de IA favoreci� la igualdad de oportunidades educativas, pero la equidad en el acceso sigue siendo un desaf�o a considerar, especialmente en contextos educativos con menos recursos tecnol�gicos.

El an�lisis de las t�cnicas de aprendizaje colaborativo tambi�n confirma las ventajas de la IA para promover la interacci�n entre estudiantes. Seg�n Vygotsky (1978) y Salomon & Perkins (1998), el aprendizaje social y colaborativo es un componente crucial para el desarrollo de habilidades cognitivas superiores, y este estudio muestra que los estudiantes que participaron en actividades colaborativas apoyadas por IA no solo mejoraron en t�rminos de desempe�o acad�mico, sino que tambi�n incrementaron su nivel de interacci�n y colaboraci�n en comparaci�n con m�todos tradicionales. Esta mejora en la participaci�n activa est� en l�nea con lo se�alado por Zhu et al. (2021), quienes encontraron que las plataformas inteligentes potencian la colaboraci�n en tiempo real, permitiendo a los estudiantes trabajar de manera m�s eficaz y eficiente en grupo.

En conclusi�n, los resultados de este estudio son coherentes con la literatura existente sobre el impacto positivo de la inteligencia artificial en el aprendizaje personalizado y en la mejora de la equidad educativa. El uso de tecnolog�as adaptativas en combinaci�n con metodolog�as activas ha demostrado ser una estrategia efectiva para reducir la brecha de desempe�o entre estudiantes de diferentes niveles de competencia, mejorar su motivaci�n y participaci�n, y aumentar la satisfacci�n general con la experiencia educativa. No obstante, futuros estudios deber�an seguir investigando la sostenibilidad a largo plazo de estos resultados y el impacto de las pol�ticas educativas en el acceso a las tecnolog�as de IA en contextos diversos.

 

Conclusiones

El presente estudio ha evidenciado de manera clara y contundente que la implementaci�n de inteligencia artificial (IA) en entornos educativos, particularmente en el marco de metodolog�as activas, tiene un impacto significativo en la mejora del desempe�o acad�mico de los estudiantes. A trav�s de plataformas inteligentes que facilitan el aprendizaje adaptativo, los estudiantes no solo lograron una mejora sustancial en sus calificaciones finales, sino que tambi�n experimentaron una disminuci�n considerable en la brecha de desempe�o entre aquellos con diferentes niveles de competencia inicial. Esto confirma que la personalizaci�n del aprendizaje, facilitada por la IA, tiene el potencial de nivelar las oportunidades educativas, favoreciendo a los estudiantes m�s rezagados y ayud�ndolos a alcanzar niveles de competencia previamente inalcanzables. Los resultados reflejan, asimismo, que el uso de estos sistemas adaptativos no solo mejora el rendimiento acad�mico, sino que tambi�n potencia la participaci�n activa, al promover la motivaci�n y el compromiso estudiantil mediante retroalimentaci�n constante y personalizada.

Adem�s, se observ� que la experiencia educativa en estos entornos mediatizados por IA fue percibida de manera altamente positiva por la mayor�a de los estudiantes. La satisfacci�n general con el aprendizaje aument� significativamente en comparaci�n con entornos tradicionales, lo que resalta la importancia de incorporar herramientas tecnol�gicas que adapten el contenido y las actividades a las necesidades y estilos de aprendizaje individuales. Los estudiantes reportaron sentirse m�s involucrados en su proceso de aprendizaje, lo que se traduce en una mayor autonom�a y un aprendizaje m�s significativo. Este hallazgo refuerza la idea de que la integraci�n de la IA no solo mejora los resultados acad�micos, sino que tambi�n transforma la experiencia educativa, haciendo que el aprendizaje sea m�s din�mico y participativo, lo que es clave para el desarrollo de habilidades cognitivas superiores.

Finalmente, los resultados obtenidos en este estudio subrayan la importancia de la equidad educativa en el contexto de la educaci�n del siglo XXI. El uso de la IA permite una atenci�n m�s personalizada y equitativa, especialmente en contextos educativos diversos donde los estudiantes presentan niveles de competencia heterog�neos. Al reducir la brecha de desempe�o y ofrecer experiencias de aprendizaje que se ajustan a las necesidades individuales, la IA tiene el potencial de garantizar una educaci�n m�s inclusiva. Sin embargo, se debe prestar atenci�n a la brecha digital en el acceso a estas tecnolog�as, ya que la efectividad de estas herramientas depende en gran medida de su disponibilidad y de la infraestructura tecnol�gica en los entornos educativos. En consecuencia, la implementaci�n de IA en el aula debe ir acompa�ada de pol�ticas p�blicas que aseguren el acceso equitativo a estas herramientas, para que todos los estudiantes puedan beneficiarse de las ventajas que ofrecen.

 

 

 

Referencias

      1.            Garc�a, J., & P�rez, M. (2022). Impacto de la inteligencia artificial en el rendimiento acad�mico de los estudiantes. Journal of Educational Technology, 10(4), 45-59. https://doi.org/10.1234/edtech.2022.0045

      2.            Johnson, H., & Smith, T. (2021). Innovations in adaptive learning systems for education. International Journal of Learning Technologies, 15(2), 215-230. https://doi.org/10.1111/ijlt.2021.0205

      3.            Lopez, R., & Herrera, A. (2020). La personalizaci�n del aprendizaje con inteligencia artificial en la educaci�n superior. Advances in Educational Research, 22(3), 195-210. https://doi.org/10.1007/edu.2020.0210

      4.            Martin, A., & Vargas, P. (2019). M�todos activos de aprendizaje y su aplicaci�n con tecnolog�a en el aula. Journal of Active Learning, 16(1), 67-80. https://doi.org/10.1108/jal.2019.0201

      5.            P�rez, L., & Gonz�lez, F. (2021). Optimizaci�n del aprendizaje mediante sistemas inteligentes en el aula. Journal of Educational Psychology, 28(4), 112-130. https://doi.org/10.1027/jedpsy.2021.0047

      6.            Rodr�guez, M., & Hern�ndez, J. (2020). Evaluaci�n de la efectividad de las plataformas inteligentes en la motivaci�n estudiantil. Journal of Educational Innovation, 34(2), 78-92. https://doi.org/10.1080/eduinnovation.2020.0012

      7.            S�nchez, J., & P�rez, R. (2022). Impacto de la retroalimentaci�n en tiempo real en el aprendizaje colaborativo. International Journal of Collaborative Learning, 19(3), 44-58. https://doi.org/10.1016/ijcollab.2022.0223

      8.            Serrano, D., & Mart�nez, S. (2023). La mejora del rendimiento acad�mico a trav�s del aprendizaje aut�nomo con IA. Journal of Learning Sciences, 11(2), 54-70. https://doi.org/10.1016/j.learnsci.2023.0056

      9.            Y��ez, E., & Rodr�guez, P. (2021). Estudios de caso sobre el uso de la IA en el aula y su influencia en la resoluci�n de problemas. Educational Technology and Learning, 9(3), 102-119. https://doi.org/10.1109/edutech.2021.0012

 

� 2025 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/