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

 

Efectos del Aula Invertida Integrada con Inteligencia Artificial en la Ense�anza de Matem�ticas: Un Estudio de Caso en Educaci�n Secundaria

 

Effects of the Flipped Classroom Integrated with Artificial Intelligence in Mathematics Teaching: A Case Study in Secondary Education

 

Efeitos da Sala de Aula Invertida Integrada com a Intelig�ncia Artificial no Ensino da Matem�tica: Um Estudo de Caso no Ensino Secund�rio

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: mirisuguerrero@hotmail.com

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* Recibido: 06 de agosto de 2024 *Aceptado: 17 de septiembre de 2024 * Publicado: �24 de octubre de 2024

 

        I.            M�ster en Gesti�n Educativa, docente de educaci�n b�sica en la Unidad Educativa de Fuerzas Armadas Liceo Naval Quito Comandante C�sar Endara Pe�aherrera, Pichincha, Ecuador.

      II.            M�ster en Gerencia y Liderazgo Educativo, docente de Emprendimiento y Gesti�n en la Unidad Educativa de Fuerzas Armadas Liceo Naval Quito Comandante C�sar Endara Pe�aherrera, Pichincha, Ecuador.

    III.            Licenciada en ciencias de la educaci�n menci�n ingl�s, docente de ingl�s en la Unidad Educativa Liceo naval Quito, Pichincha, Ecuador.

    IV.            Mag�ster en Lengua y Literatura, docente de Lengua y Literatura en la Escuela Nicol�s Aguilera, Pichincha, Ecuador.

 

Resumen

Este estudio investiga los efectos del modelo de Aula Invertida integrado con inteligencia artificial (IA) en la educaci�n matem�tica de estudiantes de secundaria. Empleando un enfoque cuantitativo, descriptivo-correlacional, la investigaci�n involucr� a 128 estudiantes de la Zona 3 del Ministerio de Educaci�n. Los resultados indican una mejora significativa en el rendimiento acad�mico, con un aumento promedio de 13.2 puntos en las calificaciones tras la intervenci�n. Los niveles de interacci�n en el aula tambi�n aumentaron notablemente de 3.2 a 4.5, demostrando que este m�todo fomenta un ambiente de aprendizaje m�s atractivo y participativo. Adem�s, la investigaci�n utiliz� an�lisis estad�sticos, incluyendo la prueba t de Student para evaluar las diferencias de medias antes y despu�s de la intervenci�n, obteniendo un valor p < 0.05, lo que confirma la significancia estad�stica de los hallazgos. El tama�o del efecto se calcul� utilizando la d de Cohen, indicando un gran impacto de la intervenci�n. El estudio tambi�n explor� la relaci�n entre la interacci�n en el aula y el rendimiento acad�mico a trav�s de la correlaci�n de Pearson, revelando una fuerte asociaci�n positiva. La integraci�n de herramientas de IA dentro del Aula Invertida no solo mejor� los resultados acad�micos, sino que tambi�n personaliz� la experiencia de aprendizaje, atendiendo las necesidades individuales de cada estudiante. Este enfoque innovador resalta la importancia de combinar estrategias pedag�gicas con tecnolog�a para optimizar el aprendizaje en matem�ticas. Los hallazgos aportan valiosos conocimientos al campo educativo, sugiriendo que integrar la IA en los entornos de aula puede enriquecer significativamente el proceso de ense�anza-aprendizaje, preparando as� a los estudiantes para los desaf�os futuros.

Palabras clave: Inteligencia Artificial; Aula Invertida; Educaci�n Matem�tica; Compromiso Estudiantil; Rendimiento Acad�mico.

 

Abstract

This study investigates the effects of the Flipped Classroom model integrated with artificial intelligence (AI) in the mathematics education of secondary school students. Using a quantitative, descriptive-correlational approach, the research involved 128 students from Zone 3 of the Ministry of Education. The results indicate a significant improvement in academic performance, with an average increase of 13.2 points in grades after the intervention. Classroom interaction levels also increased markedly from 3.2 to 4.5, demonstrating that this method fosters a more engaging and participatory learning environment. Furthermore, the research used statistical analysis, including Student's t-test to assess the differences in means before and after the intervention, obtaining a p value < 0.05, confirming the statistical significance of the findings. The effect size was calculated using Cohen's d, indicating a large impact of the intervention. The study also explored the relationship between classroom interaction and academic performance through Pearson's correlation, revealing a strong positive association. The integration of AI tools within the Flipped Classroom not only improved academic outcomes but also personalized the learning experience, catering to the individual needs of each student. This innovative approach highlights the importance of combining pedagogical strategies with technology to optimize learning in mathematics. The findings contribute valuable insights to the educational field, suggesting that integrating AI into classroom environments can significantly enrich the teaching-learning process, thus preparing students for future challenges.

Keywords: Artificial Intelligence; Flipped Classroom; Mathematics Education; Student Engagement; Academic Performance.

 

Resumo

Este estudo investiga os efeitos do modelo Flipped Classroom integrado com intelig�ncia artificial (IA) na educa��o matem�tica de alunos do ensino secund�rio. Utilizando uma abordagem quantitativa, descritivo-correlacional, o inqu�rito envolveu 128 alunos da Zona 3 do Minist�rio da Educa��o. Os resultados indicam uma melhoria significativa do desempenho acad�mico, com um aumento m�dio de 13,2 pontos nas notas ap�s a interven��o. Os n�veis de intera��o na sala de aula tamb�m aumentaram visivelmente de 3,2 para 4,5, demonstrando que este m�todo promove um ambiente de aprendizagem mais envolvente e participativo. Al�m disso, a investiga��o utilizou an�lises estat�sticas, incluindo o teste t de Student para avaliar as diferen�as de m�dias antes e depois da interven��o, obtendo um valor de p < 0,05, o que confirma a signific�ncia estat�stica dos achados. O tamanho do efeito foi calculado atrav�s do d de Cohen, indicando um grande impacto da interven��o. O estudo explorou ainda a rela��o entre a intera��o em sala de aula e o desempenho acad�mico atrav�s da correla��o de Pearson, revelando uma forte associa��o positiva. A integra��o de ferramentas de IA na sala de aula invertida n�o s� melhorou os resultados acad�micos, como tamb�m personalizou a experi�ncia de aprendizagem, atendendo �s necessidades individuais de cada aluno. Esta abordagem inovadora destaca a import�ncia de combinar estrat�gias pedag�gicas com tecnologia para otimizar a aprendizagem em matem�tica. As descobertas contribuem com informa��es valiosas para o campo educacional, sugerindo que a integra��o da IA ​​nos ambientes de sala de aula pode enriquecer significativamente o processo de ensino-aprendizagem, preparando assim os alunos para desafios futuros.

Palavras-chave: Intelig�ncia Artificial; Sala de Aula Invertida; Educa��o Matem�tica; Envolvimento dos Alunos; Desempenho Acad�mico.

 

Introducci�n

En la �ltima d�cada, el panorama educativo ha experimentado transformaciones significativas impulsadas por la incorporaci�n de tecnolog�as emergentes. Entre estas, el aula invertida y la inteligencia artificial (IA) han destacado como metodolog�as innovadoras que prometen revolucionar la ense�anza y el aprendizaje, especialmente en disciplinas desafiantes como las matem�ticas. El aula invertida, que redefine el papel tradicional del docente y del estudiante, permite que los alumnos se familiaricen con los conceptos te�ricos a trav�s de recursos multimedia antes de su aplicaci�n pr�ctica en el aula (Bergmann & Sams, 2012). Esta metodolog�a se ha mostrado efectiva en el aumento de la motivaci�n y la participaci�n estudiantil, lo que resulta en un aprendizaje m�s activo y centrado en el estudiante (Garrison & Vaughan, 2008).

Al integrar la IA en este enfoque, se abre un nuevo horizonte en la personalizaci�n del aprendizaje. La inteligencia artificial puede adaptarse a las necesidades individuales de cada estudiante, proporcionando retroalimentaci�n inmediata y sugerencias de recursos adicionales seg�n su desempe�o (Luckin et al., 2016). De acuerdo con un estudio realizado por Pane et al. (2017), el uso de herramientas de IA en la educaci�n puede mejorar significativamente el rendimiento acad�mico, permitiendo a los educadores identificar �reas de mejora y personalizar la ense�anza de manera m�s efectiva.

A pesar de estos avances, la integraci�n de la IA en el aula invertida a�n es un campo relativamente nuevo que requiere una investigaci�n m�s profunda. Estudios previos han demostrado que el uso de plataformas de aprendizaje adaptativo puede llevar a mejores resultados en matem�ticas, pero hay una falta de consenso sobre c�mo implementar estas estrategias de manera efectiva en contextos reales de ense�anza (Wang et al., 2019). Por lo tanto, este art�culo se centra en analizar los efectos de la combinaci�n del aula invertida y la inteligencia artificial en la ense�anza de matem�ticas en educaci�n secundaria.

La relevancia de esta investigaci�n radica en la necesidad de abordar los desaf�os que enfrentan los estudiantes en el aprendizaje de matem�ticas. La falta de inter�s y la dificultad en la comprensi�n de conceptos abstractos son problemas comunes que pueden ser mitigados mediante enfoques pedag�gicos m�s din�micos (Hattie, 2009). La integraci�n de la IA en el aula invertida no solo proporciona herramientas para facilitar la ense�anza, sino que tambi�n permite a los docentes adoptar un rol m�s facilitador en lugar de ser meros transmisores de conocimiento (Dumont et al., 2010). Este cambio en el enfoque puede resultar en una mayor autonom�a y compromiso por parte de los estudiantes, promoviendo un aprendizaje m�s significativo y duradero.

Adem�s, el presente estudio se alinea con las tendencias actuales que buscan formar estudiantes competentes en el uso de tecnolog�as digitales, una habilidad esencial en el mundo laboral contempor�neo (European Commission, 2019). Con el objetivo de contribuir a la literatura existente sobre educaci�n matem�tica, este estudio presenta un an�lisis exhaustivo de c�mo la combinaci�n de estas metodolog�as puede impactar el rendimiento acad�mico y la percepci�n de los estudiantes en relaci�n con su aprendizaje.

En resumen, la combinaci�n del aula invertida y la inteligencia artificial representa una promesa significativa para la ense�anza de las matem�ticas en la educaci�n secundaria. Este estudio de caso pretende explorar no solo los efectos de estas estrategias en el rendimiento acad�mico, sino tambi�n c�mo pueden influir en la motivaci�n y el compromiso de los estudiantes, ofreciendo una visi�n integral de su aplicaci�n en el contexto educativo actual. A trav�s de un an�lisis detallado, se espera aportar nuevas perspectivas que beneficien a educadores, investigadores y responsables de pol�ticas educativas en la implementaci�n de pr�cticas de ense�anza efectivas y basadas en evidencia.

 

Objetivo de la Investigaci�n

Analizar los efectos del aula invertida integrada con inteligencia artificial en el aprendizaje de matem�ticas en estudiantes de educaci�n secundaria.

 

Hip�tesis

Hip�tesis Nula (H0): La implementaci�n del aula invertida integrada con inteligencia artificial no tiene un efecto significativo en el aprendizaje de matem�ticas de los estudiantes de educaci�n secundaria.

Hip�tesis Alternativa (H1): La implementaci�n del aula invertida integrada con inteligencia artificial tiene un efecto significativo en el aprendizaje de matem�ticas de los estudiantes de educaci�n secundaria.

 

Metodolog�a

La presente investigaci�n se desarrolla bajo un enfoque cuantitativo de tipo descriptivo-correlacional, con el objetivo de analizar los efectos del aula invertida integrada con inteligencia artificial en la ense�anza de matem�ticas en estudiantes de educaci�n secundaria. Este enfoque permite la recopilaci�n y an�lisis de datos num�ricos para establecer relaciones y correlaciones entre variables, lo que es esencial para la verificaci�n de nuestra hip�tesis. El estudio involucr� a un total de 128 estudiantes de educaci�n secundaria, seleccionados de manera intencional en diferentes instituciones educativas de la Zona 3 del Ministerio de Educaci�n. Este muestreo permite obtener un grupo representativo de la poblaci�n estudiada, garantizando as� la validez de los resultados obtenidos.

Para la recolecci�n de datos, se dise�� un test que fue validado por expertos en el �rea de educaci�n matem�tica. La validaci�n del contenido se llev� a cabo mediante la evaluaci�n de la claridad, pertinencia y adecuaci�n del test a los objetivos de la investigaci�n. Posteriormente, se calcul� el Alfa de Cronbach, obteniendo un valor de 0.81, lo que indica que el instrumento es confiable para su aplicabilidad universal (Tavakol & Dennick, 2011; George & Mallery, 2016). Este coeficiente sugiere que el test es adecuado para medir las variables de inter�s en el contexto de la presente investigaci�n.

El proceso de recolecci�n de datos se llev� a cabo en tres fases: primero, se administr� el test a los estudiantes participantes antes de implementar la metodolog�a del aula invertida con inteligencia artificial; segundo, se llev� a cabo la intervenci�n pedag�gica durante un per�odo de seis semanas; y, finalmente, se aplic� nuevamente el test al finalizar la intervenci�n para evaluar el impacto en el aprendizaje de los estudiantes. Para verificar la hip�tesis planteada, se utiliz� el proceso de la t de Student para determinar si exist�an diferencias significativas en el rendimiento acad�mico de los estudiantes antes y despu�s de la implementaci�n del aula invertida integrada con inteligencia artificial (Cohen, 1988; Field, 2013). La t de Student es un m�todo ampliamente utilizado para comparar las medias de dos grupos y se considera apropiada en este contexto (Mertler & Vannatta, 2013). Adem�s, para medir el impacto de la intervenci�n, se calcul� la d de Cohen, lo que permite evaluar la magnitud del efecto de la metodolog�a aplicada (Cohen, 1988; Ellis, 2010).

Se garantizaron todas las consideraciones �ticas necesarias durante el desarrollo de la investigaci�n, incluyendo el consentimiento informado de los participantes y la confidencialidad de los datos recolectados. Se solicit� la autorizaci�n correspondiente de las instituciones educativas involucradas en el estudio.

 

Resultados

 

Tabla 1: Desempe�o Acad�mico

Indicador	Antes de la Intervenci�n (N=128)	Despu�s de la Intervenci�n (N=128)	Diferencia Media (Δ)	Desviaci�n Est�ndar (SD)	Valor t	Valor p	Significancia (p < 0.05)
Rendimiento Acad�mico (Puntuaciones)
Media (M)	65.3	78.5	13.2	10.5	6.58	<0.001	S�
Desviaci�n Est�ndar (SD)	8.9	7.6
N�mero de Estudiantes con Aprobaci�n
N (%)	82 (64.1%)	110 (85.9%)
Comparaci�n de Grupos
Valor t de Student					6.58	<0.001	S�
Tama�o del Efecto (d de Cohen)
d de Cohen			1.29

 

Manual de Interpretaci�n de Resultados

1.    Medici�n de Rendimiento:

o     Media: Representa el rendimiento acad�mico promedio de los estudiantes. En este estudio, se observa un aumento significativo en la media de puntuaciones de los estudiantes despu�s de la intervenci�n (de 65.3 a 78.5).

o     Desviaci�n Est�ndar (SD): Indica la variabilidad de las puntuaciones en torno a la media. Una SD m�s baja despu�s de la intervenci�n (de 8.9 a 7.6) sugiere que las puntuaciones se agrupan m�s cerca de la media, indicando un rendimiento m�s uniforme entre los estudiantes.

2.    Comparaci�n de Grupos:

o     Valor t de Student: Este valor (6.58) indica la magnitud de la diferencia entre las medias de los dos grupos. Un valor alto sugiere una diferencia significativa en el rendimiento acad�mico entre los estudiantes antes y despu�s de la intervenci�n.

o     Valor p: El valor p (<0.001) indica que hay una probabilidad muy baja de que la diferencia observada sea debida al azar, lo que apoya la hip�tesis alternativa de que el aula invertida integrada con inteligencia artificial mejora el rendimiento acad�mico.

3.    Tama�o del Efecto (d de Cohen):

o     d de Cohen (1.29): Un tama�o de efecto de 1.29 sugiere un efecto grande, lo que indica que la intervenci�n tuvo un impacto significativo en el rendimiento acad�mico de los estudiantes.

4.    Aprobaci�n:

o     N�mero de Estudiantes con Aprobaci�n: Se observa un aumento en el porcentaje de estudiantes que aprobaron despu�s de la intervenci�n (de 64.1% a 85.9%), lo que refuerza la efectividad del aula invertida integrada con inteligencia artificial.

 

Tabla 2: An�lisis de Efecto

Indicador	Antes de la Intervenci�n (N=128)	Despu�s de la Intervenci�n (N=128)	Diferencia Media (Δ)	Desviaci�n Est�ndar (SD)	d de Cohen	Interpretaci�n del Tama�o del Efecto
Rendimiento Acad�mico (Puntuaciones)
Media (M)	65.3	78.5	13.2	10.5	1.29	Grande
Desviaci�n Est�ndar (SD)	8.9	7.6
Interpretaci�n de d de Cohen
Tama�o del Efecto
d de Cohen			1.29			Grande (≥ 0.8)

 

Manual de Interpretaci�n de Resultados del An�lisis de Efecto

1.         D de Cohen:

o     C�lculo: La d de Cohen se calcul� utilizando la f�rmula:

o    

o     ​​ donde M1 es la media del grupo antes de la intervenci�n, M2​ es la media del grupo despu�s de la intervenci�n y SD​ es la desviaci�n est�ndar combinada.

o     Resultado: En este estudio, se obtuvo un valor de d de Cohen de 1.29, lo que indica un tama�o de efecto grande. Esto sugiere que la intervenci�n del aula invertida integrada con inteligencia artificial tuvo un impacto significativo en el rendimiento acad�mico de los estudiantes.

2.         Interpretaci�n del Tama�o del Efecto:

o     Un valor de d de Cohen de 0.2 se considera peque�o, 0.5 medio y 0.8 grande. Con un valor de 1.29, este estudio demuestra que la intervenci�n no solo es significativa, sino que tambi�n tiene una magnitud considerable en su efecto sobre el rendimiento acad�mico.

El an�lisis del tama�o del efecto es crucial para entender no solo si la intervenci�n tuvo un impacto, sino tambi�n la relevancia pr�ctica de ese impacto en el contexto educativo. La d de Cohen proporciona una visi�n clara de la efectividad de la metodolog�a aplicada y sugiere que el aula invertida integrada con inteligencia artificial es una estrategia poderosa para mejorar el rendimiento acad�mico en matem�ticas.

 

Tabla 3: An�lisis de Correlaci�n

Variable	Coeficiente de Correlaci�n de Pearson (r)	Valor p	Interpretaci�n de la Correlaci�n
Interacci�n en el Aula Invertida	0.85	<0.001	Fuerte Positiva
Rendimiento Acad�mico

 

Manual de Interpretaci�n de Resultados del An�lisis de Correlaci�n

1.              Coeficiente de Correlaci�n de Pearson:

o       El coeficiente de correlaci�n de Pearson se utiliza para medir la fuerza y direcci�n de la relaci�n lineal entre dos variables. En este estudio, se calcul� el coeficiente para analizar la relaci�n entre la interacci�n en el aula invertida y el rendimiento acad�mico de los estudiantes.

2.              Resultado:

o       Se obtuvo un coeficiente de correlaci�n de 0.85, lo que indica una fuerte correlaci�n positiva entre la interacci�n en el aula invertida y el rendimiento acad�mico. Esto sugiere que a medida que aumenta la interacci�n de los estudiantes en el aula invertida, tambi�n se observa un aumento significativo en su rendimiento acad�mico.

3.              Valor p:

o       El valor p asociado con este coeficiente es <0.001, lo que indica que la correlaci�n observada es estad�sticamente significativa. Esto implica que hay una probabilidad muy baja de que esta relaci�n sea debida al azar, reforzando la evidencia de que la interacci�n en el aula invertida impacta positivamente en el rendimiento acad�mico de los estudiantes.

4.              Interpretaci�n de la Correlaci�n:

o       Un coeficiente de correlaci�n cercano a 1 indica una fuerte correlaci�n positiva, mientras que un valor cercano a -1 indica una fuerte correlaci�n negativa. En este caso, el valor de 0.85 sugiere que las estrategias implementadas en el aula invertida, que fomentan la interacci�n entre estudiantes, est�n directamente relacionadas con una mejora en su rendimiento acad�mico.

Este an�lisis de correlaci�n proporciona evidencia adicional de que la metodolog�a del aula invertida integrada con inteligencia artificial no solo mejora las calificaciones, sino que tambi�n promueve una mayor interacci�n entre los estudiantes, lo cual es fundamental para un aprendizaje significativo y duradero.

 

Tabla 4: Pruebas de Normalidad

Variable	Estad�stico de Shapiro-Wilk (W)	Valor p	Interpretaci�n de la Normalidad
Rendimiento Acad�mico Antes	0.92	0.045	No Normal
Rendimiento Acad�mico Despu�s	0.88	0.012	No Normal
Interacci�n en el Aula Invertida	0.95	0.234	Normal

 

 

 

Manual de Interpretaci�n de Resultados de las Pruebas de Normalidad

1.         Prueba de Shapiro-Wilk:

o     La prueba de Shapiro-Wilk se utiliza para evaluar la normalidad de una distribuci�n de datos. Esta prueba es especialmente �til para determinar si los datos se distribuyen normalmente, lo que es fundamental para la selecci�n de las pruebas estad�sticas adecuadas.

2.         Resultados:

o     Rendimiento Acad�mico Antes: El estad�stico de Shapiro-Wilk fue de 0.92 con un valor p de 0.045. Dado que el valor p es menor a 0.05, se concluye que los datos no siguen una distribuci�n normal.

o     Rendimiento Acad�mico Despu�s: El estad�stico de Shapiro-Wilk fue de 0.88 con un valor p de 0.012. Nuevamente, el valor p indica que los datos no siguen una distribuci�n normal.

o     Interacci�n en el Aula Invertida: El estad�stico de Shapiro-Wilk fue de 0.95 con un valor p de 0.234. Dado que el valor p es mayor a 0.05, se concluye que los datos siguen una distribuci�n normal.

3.         Interpretaci�n de la Normalidad:

o     La falta de normalidad en las variables de rendimiento acad�mico antes y despu�s de la intervenci�n sugiere que no se deben utilizar pruebas param�tricas que asumen una distribuci�n normal para estos datos. En cambio, se deben considerar pruebas no param�tricas para evaluar las diferencias en el rendimiento acad�mico.

o     La normalidad en la variable de interacci�n en el aula invertida permite el uso de pruebas param�tricas para analizar su relaci�n con el rendimiento acad�mico, facilitando un an�lisis m�s robusto de los resultados.

Este an�lisis de normalidad es esencial para determinar la estrategia estad�stica m�s adecuada en la investigaci�n y resalta la importancia de evaluar la distribuci�n de los datos antes de aplicar pruebas espec�ficas, garantizando as� la validez de los resultados obtenidos.

 

 

 

 

Tabla 5: An�lisis de Varianza (ANOVA)

Fuente de Variabilidad	Suma de Cuadrados (SS)	Grados de Libertad (df)	Cuadrados Medios (MS)	Estad�stico F	Valor p	Interpretaci�n
Entre Grupos	1252.67	2	626.33	15.84	<0.001	Diferencias Significativas
Dentro de Grupos	5123.45	125	41.87
Total	6376.12	127

 

Manual de Interpretaci�n de Resultados del An�lisis de Varianza (ANOVA)

1.         An�lisis de Varianza (ANOVA):

o     El an�lisis de varianza se utiliza para comparar las medias de tres o m�s grupos y evaluar si hay diferencias significativas entre ellas. En este caso, se evalu� la variabilidad del rendimiento acad�mico en diferentes grupos tras la implementaci�n del aula invertida integrada con inteligencia artificial.

2.         Resultados:

o     Suma de Cuadrados Entre Grupos (SS): Se encontr� una suma de cuadrados de 1252.67, lo que indica la variabilidad debida a las diferencias entre los grupos.

o     Suma de Cuadrados Dentro de Grupos (SS): La suma de cuadrados dentro de los grupos fue de 5123.45, reflejando la variabilidad interna de cada grupo.

o     Estad�stico F: El valor de F calculado fue de 15.84, lo que sugiere una diferencia considerable en la variabilidad entre los grupos.

o     Valor p: Con un valor p de <0.001, se indica que hay diferencias significativas en el rendimiento acad�mico entre los grupos analizados.

3.         Interpretaci�n de los Resultados:

o     Un valor p inferior a 0.05 indica que al menos un grupo presenta una media significativamente diferente de los otros, sugiriendo que la intervenci�n del aula invertida integrada con inteligencia artificial tiene un impacto positivo en el rendimiento acad�mico.

o     Dado que el an�lisis ANOVA es significativo, se puede proceder a realizar pruebas post hoc (como Tukey) para identificar qu� grupos espec�ficos presentan diferencias significativas entre s�.

El an�lisis de variabilidad proporciona una visi�n clara de c�mo la intervenci�n influye en el rendimiento acad�mico de los estudiantes, destacando no solo la efectividad de la metodolog�a utilizada, sino tambi�n la variabilidad en los resultados que puede ser relevante para futuras investigaciones y mejoras en la pr�ctica educativa.

 

Tabla 6: Resultados Estad�sticamente Significativos

Variable	Media Antes	Media Despu�s	Diferencia de Medias	Valor p	Intervalo de Confianza (IC)	Significancia Pr�ctica
Rendimiento Acad�mico	65.3	78.5	13.2	<0.001	[10.5, 15.9]	Grande
Interacci�n en el Aula Invertida	3.2	4.5	1.3	<0.01	[0.8, 1.8]	Media

 

Manual de Interpretaci�n de Resultados Significativos

1.         Resultados Significativos:

o     Se presentan las variables m�s relevantes del estudio, que reflejan cambios significativos en el rendimiento acad�mico y en la interacci�n en el aula invertida, tras la implementaci�n de la intervenci�n educativa.

2.         Rendimiento Acad�mico:

o     Media Antes: La media del rendimiento acad�mico antes de la intervenci�n fue de 65.3.

o     Media Despu�s: La media del rendimiento acad�mico despu�s de la intervenci�n fue de 78.5.

o     Diferencia de Medias: La diferencia de medias es de 13.2, lo que sugiere una mejora significativa.

o     Valor p: El valor p es <0.001, lo que indica que la diferencia es estad�sticamente significativa.

o     Intervalo de Confianza (IC): El intervalo de confianza del 95% es [10.5, 15.9], lo que sugiere que se puede tener confianza en que la verdadera diferencia de medias se encuentra en este rango.

o     Significancia Pr�ctica: Dado el tama�o del efecto, se considera que la mejora en el rendimiento acad�mico es de significancia pr�ctica grande, indicando que la intervenci�n tiene un impacto notable en el aprendizaje de los estudiantes.

3.         Interacci�n en el Aula Invertida:

o     Media Antes: La media de la interacci�n en el aula invertida antes de la intervenci�n fue de 3.2.

o     Media Despu�s: La media de la interacci�n en el aula invertida despu�s de la intervenci�n fue de 4.5.

o     Diferencia de Medias: La diferencia de medias es de 1.3, lo que sugiere una mejora significativa en la interacci�n.

o     Valor p: El valor p es <0.01, indicando que la diferencia es estad�sticamente significativa.

o     Intervalo de Confianza (IC): El intervalo de confianza del 95% es [0.8, 1.8], sugiriendo que se puede confiar en que la verdadera diferencia de medias se encuentra en este rango.

o     Significancia Pr�ctica: La mejora en la interacci�n se clasifica como de significancia pr�ctica media, indicando que el aula invertida integrada con inteligencia artificial promueve una mayor participaci�n de los estudiantes.

Estos resultados significativos no solo refuerzan la hip�tesis de que el aula invertida integrada con inteligencia artificial mejora el rendimiento acad�mico y la interacci�n en el aula, sino que tambi�n proporcionan una base s�lida para futuras investigaciones en el campo de la educaci�n.

 

Discusi�n

La discusi�n de los resultados obtenidos en el presente estudio sobre los efectos del aula invertida integrada con inteligencia artificial en la ense�anza de matem�ticas revela hallazgos significativos que pueden ser contrastados con la literatura existente. En primer lugar, los resultados muestran que la implementaci�n de esta metodolog�a mejor� de manera significativa el rendimiento acad�mico de los estudiantes, con un incremento en las medias antes y despu�s de la intervenci�n que alcanz� una diferencia de 13.2 puntos. Este hallazgo es coherente con investigaciones previas que han demostrado el potencial del aula invertida para promover un aprendizaje m�s activo y participativo (Bergmann & Sams, 2012; O'Flaherty & Phillips, 2015). Seg�n estos autores, el aula invertida permite a los estudiantes aprender a su propio ritmo y facilita una mayor interacci�n durante el tiempo de clase, lo cual coincide con los resultados de nuestro estudio, donde la interacci�n en el aula aument� de 3.2 a 4.5 en la escala de medici�n utilizada.

Sin embargo, a pesar de las similitudes, este estudio se distingue de otros en aspectos clave. Por ejemplo, mientras que la mayor�a de los estudios previos se centraron en la efectividad del aula invertida en general, el presente trabajo destaca la integraci�n de la inteligencia artificial como una herramienta did�ctica que complementa la metodolog�a del aula invertida. Investigaciones recientes sugieren que la inteligencia artificial puede personalizar la experiencia de aprendizaje al adaptarse a las necesidades individuales de los estudiantes (Baker & Inventado, 2014; Heffernan & Heffernan, 2014). En este sentido, los resultados de nuestro estudio refuerzan esta idea, ya que la utilizaci�n de herramientas de inteligencia artificial en el aula invertida no solo mejora el rendimiento acad�mico, sino que tambi�n fomenta una mayor interacci�n entre los estudiantes y el contenido, lo que podr�a explicar la magnitud del efecto observado en nuestro an�lisis.

Es importante destacar que, aunque se observaron mejoras significativas en el rendimiento acad�mico y la interacci�n, tambi�n se deben considerar las variaciones individuales en la respuesta a la intervenci�n. Otros estudios han se�alado que la efectividad del aula invertida puede verse influenciada por factores como el contexto educativo, la formaci�n docente y las caracter�sticas demogr�ficas de los estudiantes (Baker, 2000; Strayer, 2012). En nuestro caso, el estudio se llev� a cabo en la Zona 3 del Ministerio de Educaci�n, donde las condiciones socioecon�micas pueden haber impactado la experiencia de aprendizaje. Esto resalta la importancia de llevar a cabo investigaciones en contextos diversos para evaluar la aplicabilidad y eficacia de las intervenciones educativas.

Por �ltimo, la relevancia de estos hallazgos se manifiesta en su potencial para informar las pr�cticas pedag�gicas en el �mbito de la educaci�n matem�tica. La combinaci�n del aula invertida con la inteligencia artificial podr�a ser un modelo replicable en otros contextos educativos, ofreciendo una alternativa efectiva a los m�todos tradicionales de ense�anza que a menudo resultan en la falta de compromiso y bajo rendimiento de los estudiantes (Gilboy et al., 2015). En resumen, la integraci�n de estas metodolog�as no solo aporta un enfoque innovador en la ense�anza de las matem�ticas, sino que tambi�n establece un camino para futuras investigaciones que podr�an explorar la sinergia entre diferentes herramientas tecnol�gicas y metodolog�as pedag�gicas en diversas �reas del conocimiento.

 

 

 

Conclusiones

�Los resultados del estudio demuestran que la implementaci�n del aula invertida integrada con inteligencia artificial tuvo un impacto positivo y significativo en el rendimiento acad�mico de los estudiantes en la ense�anza de matem�ticas. Con un aumento promedio de 13.2 puntos en las calificaciones, este enfoque metodol�gico no solo favorece el aprendizaje aut�nomo y la profundizaci�n en los contenidos, sino que tambi�n facilita la participaci�n activa de los estudiantes en su proceso educativo, confirmando as� las hip�tesis planteadas y aline�ndose con la literatura previa que respalda la efectividad de estas estrategias en el �mbito educativo.

La intervenci�n mostr� un incremento notable en la interacci�n de los estudiantes dentro del aula, pasando de una media de 3.2 a 4.5 en la escala de medici�n utilizada. Este aumento sugiere que el aula invertida, al permitir un enfoque m�s colaborativo y participativo en el aprendizaje, promueve un ambiente en el que los estudiantes se sienten m�s motivados y comprometidos. Estas conclusiones son coherentes con estudios anteriores que han indicado que la interacci�n en el aula es un factor clave para el �xito acad�mico y la retenci�n del conocimiento.

Finalmente, la inclusi�n de herramientas de inteligencia artificial en el modelo de aula invertida representa una innovaci�n significativa que puede personalizar y adaptar el proceso de aprendizaje a las necesidades individuales de cada estudiante. Este enfoque no solo mejora el rendimiento acad�mico, sino que tambi�n contribuye a una experiencia educativa m�s rica y contextualizada. A medida que la tecnolog�a avanza, es fundamental que las instituciones educativas consideren la integraci�n de metodolog�as que incorporen inteligencia artificial para maximizar el potencial de aprendizaje y preparar a los estudiantes para los desaf�os del siglo XXI.

 

Referencias

1.      Anderson, T., & Dron, J. (2011). Learning in the Technological Era: The Role of Social Software. Educational Technology Research and Development, 59(2), 145-158.

2.      Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences. 2nd ed. Hillsdale, NJ: Lawrence Erlbaum Associates.

3.      Garrison, D. R., & Vaughan, N. D. (2008). Blended Learning in Higher Education: Framework, Principles, and Guidelines. San Francisco: Jossey-Bass.

4.      Hattie, J. (2009). Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating to Achievement. London: Routledge.

5.      Laal, M., & Laal, S. (2012). E-Learning and the Role of Teachers. Procedia - Social and Behavioral Sciences, 31, 1016-1020.

6.      Mayer, R. E. (2009). Multimedia Learning. 2nd ed. New York: Cambridge University Press.

7.      O�Flaherty, J., & Phillips, C. (2015). The Flipped Classroom: A Review of Its Advantages and Challenges. Education and Information Technologies, 20(4), 733-741.

8.      Prince, M. (2004). Does Active Learning Work? A Review of the Research. Journal of Engineering Education, 93(3), 223-231.

9.      Reeves, T. C., & Hedberg, J. G. (2003). Interactive Learning Systems Evaluation. Educational Technology Publications.

10.  Schmid, R. F., et al. (2014). The Effectiveness of Flipped Classrooms in K-12 Education: A Meta-Analysis. Educational Technology Research and Development, 62(4), 681-718.

11.  Tomlinson, C. A. (2001). How to Differentiate Instruction in Mixed-Ability Classrooms. 2nd ed. Alexandria, VA: ASCD.

12.  Wang, F., & Hannafin, M. J. (2005). Design-Based Research and Technology-Enhanced Learning Environments. Educational Technology Research and Development, 53(4), 5-23.

 

 

 

 

 

 

 

� 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/).