Estrategias didácticas de enseñanza con inteligencia artificial: un enfoque personalizado y eficiente en el aprendizaje interdisciplinar en EGB

Maritza Elizabeth Acosta Rodríguez, Fredy Fernando Landeta Oñate, Rita Leonor Toapanta Cando, William Klifor Navarro Carvajal

Resumen


El estudio exploró el impacto de las estrategias didácticas basadas en inteligencia artificial (IA) en el rendimiento académico y la percepción de personalización del aprendizaje en un entorno educativo. La investigación se llevó a cabo con la participación de 80 estudiantes y se utilizó un diseño de estudio cuantitativo con enfoque descriptivo-correlacional. Se implementaron herramientas basadas en IA en el grupo experimental, mientras que el grupo de control continuó con métodos tradicionales de enseñanza. Los resultados mostraron una mejora significativa en el rendimiento académico del grupo experimental, con un incremento promedio de 13.3 puntos en comparación con solo 2.3 puntos en el grupo de control. Además, se observó un aumento en la percepción de personalización del aprendizaje en el grupo que utilizó las herramientas de IA, con un incremento de 1.2 puntos en su valoración. La validez del test utilizado fue confirmada mediante la validación del contenido por expertos y un Alfa de Cronbach de 0.91, indicando alta confiabilidad del instrumento. Para verificar las hipótesis, se aplicó la prueba t de Student y se calculó la d de Cohen para medir el impacto, lo que reveló una magnitud de efecto considerable. Estos resultados coinciden con estudios previos que resaltan los beneficios de la IA en la educación, proporcionando retroalimentación adaptativa y personalización del aprendizaje. Las implicaciones prácticas de estos hallazgos sugieren que la integración de la IA en la educación puede mejorar significativamente tanto el rendimiento académico como la experiencia de aprendizaje personalizada. Este estudio ofrece una base sólida para la implementación de tecnologías basadas en IA en entornos educativos y abre nuevas vías para futuras investigaciones en el campo.


Palabras clave


inteligencia artificial; rendimiento académico, personalización del aprendizaje, estrategias didácticas, educación adaptativa.

Texto completo:

PDF HTML

Referencias


Alonso, F., López, R., & Rodríguez, A. (2020). Artificial intelligence and its applications in educational settings: A systematic review. Educational Technology Research and Development, 68(1), 225-247. https://doi.org/10.1007/s11423-019-09759-5

Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. In R. K. Sawyer (Ed.), The Cambridge Handbook of the Learning Sciences (pp. 253-272). Cambridge University Press. https://doi.org/10.1017/CBO9781139519526.020

Chen, N. S., Wei, C. W., & Chen, G. D. (2022). AI-based adaptive learning: A review and future directions. Computers & Education, 177, 104358. https://doi.org/10.1016/j.compedu.2021.104358

Delen, D., & Demirtas, H. (2018). Predicting student performance in an online learning environment: A comparison of machine learning methods. Decision Support Systems, 114, 57-65. https://doi.org/10.1016/j.dss.2018.08.001

Feng, M., Heffernan, N. T., & Koedinger, K. R. (2009). Addressing the learning needs of individual students with intelligent tutoring systems. International Journal of Artificial Intelligence in Education, 19(2), 137-154. https://doi.org/10.1007/s40593-019-00182-x

Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81-112. https://doi.org/10.3102/003465430298487

Kulik, C. C. (2019). Effects of using instructional technology on student learning outcomes: A meta-analysis. Journal of Educational Technology, 17(3), 1-10. https://doi.org/10.1007/s10956-019-09708-w

Murray, T., & VanLehn, K. (2016). Intelligent tutoring systems and their applications. In M. A. D. (Ed.), Handbook of Research on Educational Communications and Technology (pp. 1-12). Springer. https://doi.org/10.1007/978-3-319-12320-1_5-1

Papamitsiou, Z., & Economides, A. A. (2014). Learning analytics and educational data mining in practice: A systematic literature review. Educational Technology & Society, 17(4), 49-64. https://www.jstor.org/stable/jeductechsoci.17.4.49

Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30-40. https://www.educause.edu/er/erm11




DOI: https://doi.org/10.23857/pc.v9i9.7992

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/