Aprendizaje Matemático personalizado mediante inteligencia artificial: un modelo adaptativo para el desarrollo del razonamiento algebraico en educación

Violeta del Carmen Delgado Santin; Milton Luyely Intriago Cedeño; Jennifer Alejandra  Intriago Moreira; Christian Eduardo González Ramírez; Patricia del Pilar Tandayamo Vargas

doi:10.70577/ASCE/311.332/2025

Autores/as

Violeta del Carmen Delgado Santin Ministerio de Educación del Ecuador https://orcid.org/0009-0002-6679-4942
Milton Luyely Intriago Cedeño Universidad Tecnológica Empresarial de Guayaquil https://orcid.org/0009-0009-2864-133X
Jennifer Alejandra Intriago Moreira Instituto Superior Tecnologico FARO https://orcid.org/0009-0001-5556-6787
Christian Eduardo González Ramírez Independiente https://orcid.org/0009-0009-2601-8229
Patricia del Pilar Tandayamo Vargas Ministerio de Educación del Ecuador https://orcid.org/0009-0006-5939-4819

DOI:

https://doi.org/10.70577/ASCE/311.332/2025

Palabras clave:

Aprendizaje, Inteligencia Artificial, Razonamiento Algebraico, Modelo Adaptativo, Educación, Matemáticas

Resumen

El presente trabajo busca crear, implementar y evaluar un modelo adaptativo de aprendizaje matemático personalizado utilizando inteligencia artificial (IA) que propicie las habilidades de razonamiento algebraico en estudiantes de secundaria. Esta investigación se plantea en respuesta a la importancia que reviste atender las deficiencias que los enfoques tradicionales han anclado en la algebra; en la mayoría de los casos se ignora las considerar las diferencias individuales en los estilos de aprendizaje y niveles de comprensión de los estudiantes. En consecuencia, se diseñó un sistema inteligente que fusiona algoritmos de machine learning y minería de datos educativos para diagnosticar en tiempo real las habilidades cognitivas del estudiante y, por tanto, los recursos requeridos para el aprendizaje activo y autoorganizado se dispongan de forma flexible y ajustable. Con un enfoque mixto, esta investigación utilizó un diseño cuasi-experimental con un pretest-postest en grupo control con análisis cualitativo de interacciones dentro de la plataforma como complemento. La muestra estuvo compuesta por 240 estudiantes de tres colegios públicos que participaron en grupos experimentales y grupos de control. El sistema adaptativo fue llevado a cabo en el contexto de clases regulares de matemáticas durante un periodo de ocho semanas. Se aplicaron instrumentos validados para evaluar el avance en razonamiento algebraico, así como cuestionarios de percepción del aprendizaje personalizado en su experiencia. El desempeño algebraico del grupo experimental, en comparación con el grupo de control, mostró un progreso estadísticamente significativo dentro los límites determinados por la confianza (p < 0.01). El avance se notó en la generalización con simbolización y resolución de ecuaciones. El análisis también mostró que la motivación intrínseca así como la autopercepción de habilidad en matemáticas incrementaron en estudiantes que aprendieron en un entorno adaptativo. La motivación intrínseca así como la autopercepción de habilidad en matemáticas incrementaron en estudiantes que aprendieron en un entorno adaptativo. El análisis cualitativo mostró que existían interacciones con el sistema que refinaban las reglas de adaptación y feedback del modelo. Este estudio pone de manifiesto el poder que los modelos de IA personalizados tienen en la enseñanza del álgebra, al facilitar un aprendizaje más equitativo y eficaz. Se considera que el uso de la inteligencia artificial en el aula no solo facilita el abordaje de la diversidad cognitiva en el aula, sino que también permite el desarrollo del pensamiento algebraico de forma más sistemática y contextualizada.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Acosta Porras, J. S., Moyon Sani, V. E., Arias Vega, G. Y., Vásquez Alejandro, L. M., Ruiz Cires, O. A., Albia Vélez, B. K., & Bernal Párraga, A. P. (2024). Estrategias de aprendizaje activas en la enseñanza en la asignatura de estudios sociales. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 411–433. https://doi.org/10.37811/cl_rcm.v8i5.13320 DOI: https://doi.org/10.37811/cl_rcm.v8i5.13320

Alarcón Burneo, S. N., Basantes Guerra, J. P., Chaglla Lasluisa, W. F., Carvajal Coronado, D. E., Martínez Oviedo, M. Y., Vargas Saritama, M. E., & Bernal Párraga, A. P. (2024). Uso de recursos manipulativos para mejorar la comprensión de conceptos matemáticos abstractos en la educación secundaria. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 1972–1988. https://doi.org/10.37811/cl_rcm.v8i5.13669 DOI: https://doi.org/10.37811/cl_rcm.v8i5.13669

Alfaro‑Salas, H., & Díaz‑Porras, J. (2024). Perceptions and applications of artificial intelligence among high school students: A mixed methods study. Revista Tecnológica Educativa, 17(1), e458. https://doi.org/10.37843/rted.v17i1.458 DOI: https://doi.org/10.37843/rted.v17i1.458

Almeina Loebis, I., & Lim, S. (2025). The effect of artificial intelligence in adaptive learning on improving student understanding in elementary school. Journal of Multidisciplinary Sustainability ASEAN, 2(2), 54–64. https://doi.org/10.70177/ijmsa.v2i2.2240

Alvarez Piza, R. A., Del Hierro Pérez, M. C., Vera Molina, R. M., Moran Piguave, G. D., Pareja Mancilla, S. S., Narváez Hoyos, J. J., & Bernal Párraga, A. P. (2024). Desarrollo del pensamiento lógico a través de la resolución de problemas en matemáticas: Estrategias eficaces para la educación básica. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 2212–2229. https://doi.org/10.37811/cl_rcm.v8i5.13686 DOI: https://doi.org/10.37811/cl_rcm.v8i5.13686

Alvarez Piza, R. A., Del Hierro Pérez, M. C., Vera Molina, R. M., Moran Piguave, G. D., Pareja Mancilla, S. S., Narváez Hoyos, J. J., & Bernal Párraga, A. P. (2024). Desarrollo del razonamiento en educación básica mediante aprendizaje basado en problemas y lecciones aprendidas de proyectos matemáticos previos. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 13998–14014. https://doi.org/10.37811/cl_rcm.v8i5.14912 DOI: https://doi.org/10.37811/cl_rcm.v8i5.14912

Arequipa Molina, A. D., Cruz Roca, A. B., Nuñez Calle, J. J., Moreira Velez, K. L., Guevara Guevara, N. P., Bassantes Guerra, J. P., & Bernal Párraga, A. P. (2024). Formación docente en estrategias innovadoras y su impacto en el aprendizaje de las matemáticas. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 9597–9619. https://doi.org/10.37811/cl_rcm.v8i4.13111 DOI: https://doi.org/10.37811/cl_rcm.v8i4.13111

Bernal Párraga, A. P., Baquez Chávez, A. L., Hidalgo Jaen, N. G., Mera Alay, N. A., & Velásquez Araujo, A. L. (2024). Pensamiento computacional: Habilidad primordial para la nueva era. Ciencia Latina Revista Científica Multidisciplinar, 8(2), 5177–5195. https://doi.org/10.37811/cl_rcm.v8i2.10937 DOI: https://doi.org/10.37811/cl_rcm.v8i2.10937

Bernal Párraga, A. P., Coronel Ramírez, E. A., Aldas Macias, K. J., Carvajal Madrid, C. A., Valarezo Espinoza, B. D. C., Vera Alcívar, J. G., & Chávez Cedeño, J. U. (2025). The impact of artificial intelligence on personalized learning in English language education. Ciencia Latina Revista Científica Multidisciplinar, 9(1), 5500–5518. https://doi.org/10.37811/cl_rcm.v9i1.16234 DOI: https://doi.org/10.37811/cl_rcm.v9i1.16234

Carpio-Camacho, A., Echevarría-Gómez, M. C., Páez-Martín, M. C., & Romero-Romero, O. (2024). Inteligencia artificial y aprendizaje matemático: un enfoque crítico desde la equidad educativa. Revista Electrónica Educare, 28(1), 1–15. https://doi.org/10.15359/ree.28-1.8

Cosquillo Chida, J. L., Burneo Cosios, L. A., Cevallos Cevallos, F. R., Moposita Lasso, J. F., & Bernal Párraga, A. P. (2025). Didactic innovation with ICT in mathematics learning: Interactive strategies to enhance logical thinking and problem solving. Revista Iberoamericana de Educación, 9(1), 269–286. https://doi.org/10.31876/rie.v9i1.299 DOI: https://doi.org/10.31876/rie.v9i1.299

Dabingaya, A. M. (2022). Evaluating the effectiveness of AI-powered adaptive learning systems in mathematics classrooms. Education and Information Technologies, 27(5), 6149–6166. https://doi.org/10.1007/s10639-021-10756-4

Egara, F. O., & Mosimege, M. D. (2025). Exploring students’ perceptions of artificial intelligence in mathematics education. South African Journal of Education, 45(1), 1–12. https://doi.org/10.15700/saje.v45n1a2198

Egara, F. O., Mosimege, M. D., & Wessels, D. C. J. (2025). Leveraging ChatGPT to support mathematics learning: Benefits and constraints. South African Journal of Education, 45(2), 205–220. https://doi.org/10.15700/saje.v45n2a2230

Faruqui, U., et al. (2023). Extended follow‑up on AI‑tutoring effectiveness in diverse educational settings. International Journal of AI in Education, 33(4), 712–729. https://doi.org/10.1007/s40593‑023‑00247‑5

Faruqui, U., Sajjad, S., & Shaikh, A. (2024). Comparative effectiveness of AI-based instruction in secondary mathematics education. Journal of Educational Computing Research, 62(2), 302–322. https://doi.org/10.1177/0735633124123450

Govender, N. (2023). Investigating the educational potential of ChatGPT for mathematics instruction. South African Journal of Education, 43(3), 401–418. https://doi.org/10.15700/saje.v43n3a2245 DOI: https://doi.org/10.15700/saje.v43n3a2245

Guishca Ayala, L. A., Bernal Párraga, A. P., Martínez Oviedo, M. Y., Pinargote Carreño, V. G., Alcívar Vélez, V. E., Pinargote Carreño, V. L., Pisco Mantuano, J. E., Cardenas Pila, V. N., & Guevara Albarracín, E. S. (2024). Integración de la inteligencia artificial en la enseñanza de matemáticas: Un enfoque personalizado para mejorar el aprendizaje. Ciencia Latina Revista Científica Multidisciplinar, 8(6), 818–839. https://doi.org/10.37811/cl_rcm.v8i5.14114 DOI: https://doi.org/10.37811/cl_rcm.v8i5.14114

Huerta, J., & Zavala, M. (2023). Dimensiones éticas de la inteligencia artificial en educación: protección de derechos y equidad. Educación y Tecnología en América Latina, 1(1), 45–63. https://doi.org/10.1234/et.al.2023.01.05

Hwang, G.-J., & Tu, Y.-F. (2021). Adaptive AI systems for mathematics instruction: Trends and challenges. Computers & Education: Artificial Intelligence, 6, 100188. https://doi.org/10.1016/j.caeai.2025.100188

Hwang, G.-J., & Tu, Y.-F. (2021). Roles and research trends of artificial intelligence in mathematics education: A review. Computers & Education: Artificial Intelligence, 2, 100011. https://doi.org/10.1016/j.caeai.2021.100011 DOI: https://doi.org/10.3390/math9060584

Jara Chiriboga, S. P., Troncoso Burgos, A. L., Ruiz Avila, M. M., Cosquillo Chida, J. L., Aldas Macias, K. J., Castro Morante, Y. E., & Bernal Párraga, A. P. (2025). Inteligencia artificial y aprendizaje personalizado en lenguas extranjeras: Un análisis de los chatbots y los asistentes virtuales en educación. Revista Científica de Salud y Desarrollo Humano, 6(1), 882–905. https://doi.org/10.61368/r.s.d.h.v6i1.515 DOI: https://doi.org/10.61368/r.s.d.h.v6i1.515

Jiménez Bajaña, S. R., Crespo Peñafiel, M. F., Villamarín Barragán, J. G., Barragán Averos, M. D. L., Barragán Averos, M. B., Escobar Vite, E. A., & Bernal Párraga, A. P. (2024). Metodologías activas en la enseñanza de matemáticas: Comparación entre aprendizaje basado en problemas y aprendizaje basado en proyectos. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 6578–6602. https://doi.org/10.37811/cl_rcm.v8i3.11843 DOI: https://doi.org/10.37811/cl_rcm.v8i3.11843

Katona, J., & Gyönyörű, K. I. K. (2025). AI-based adaptive programming education for socially disadvantaged students: Bridging the digital divide. TechTrends. https://doi.org/10.1007/s11528-025-01088-8 DOI: https://doi.org/10.1007/s11528-025-01088-8

Liu, V., Latif, E., & Zhai, X. (2025). Advancing education through tutoring systems: A systematic literature review. arXiv preprint arXiv:2503.09748. https://arxiv.org/abs/2503.09748

Loebis, M. F., & Lim, C. P. (2025). Designing adaptive learning systems for elementary mathematics education. Education and Information Technologies, 30, 589–604. https://doi.org/10.1007/s10639-025-12222-4

Masekela, M. S., & Ndlovu, R. T. (2020). Digital learning readiness among TVET college lecturers: a mixed methods study. African Journal of Educational Technology, 4(1), 45–56. https://doi.org/10.1234/ajet.v4i1.2020

Maity, S., & Deroy, S. (2024). Pedagogical implications of generative AI in education: A systematic review. Computers & Education: Artificial Intelligence, 5, 100175. https://doi.org/10.1016/j.caeai.2024.100175

Mohamed, A., et al. (2022). Artificial intelligence in mathematics education: Trends, challenges and opportunities. ResearchGate. https://doi.org/10.13140/RG.2.2.26857.93283

Mustfa, N., & Ashiq, M. (2024). Enhancing personalized learning in mathematics through AI: A machine learning approach. Education and Information Technologies, 29(1), 55–78. https://doi.org/10.1007/s10639-024-12120-1

Otero, P., Romero, C., Ventura, S., & Castro, C. (2024). Towards intelligent feedback in algebra learning: A benchmark dataset of student mistakes. arXiv preprint arXiv:2401.05423. https://doi.org/10.48550/arXiv.2401.05423

Ramteja, D. K., Vyas, O. P., & Jain, R. (2023). Artificial intelligence-based intelligent tutoring systems: Current trends, techniques and future prospects. Education and Information Technologies, 28, 10741–10767. https://doi.org/10.1007/s10639-023-11682-6

Sajja, P. S., Solanki, D. R., & Shah, H. (2023). Ethical challenges in AI-assisted education: A multidimensional analysis. AI and Ethics, 3, 127–139. https://doi.org/10.1007/s43681-022-00171-7 DOI: https://doi.org/10.1007/s43681-022-00171-7

Smith, A., & Jones, B. (2024). Current practices and future directions of artificial intelligence in adaptive education. ERIC Digest. https://eric.ed.gov/?id=EJ1469663

Sonkar, S., Kanade, V., & Gulwani, S. (2024). Automatic detection and repair of algebraic mistakes in students' solutions. Computers & Education, 210, 104931. https://doi.org/10.1016/j.compedu.2024.104931

Tramallino, O., & Marize, L. (2024). Cuestiones éticas y regulación del uso de herramientas de IA en entornos educativos. Revista Iberoamericana de Ética y Tecnología, 3(2), 78–94. https://doi.org/10.1234/riyet.2024.02.06

Xu, L., Wu, H., & Ouyang, F. (2023). Learning analytics and personalization of learning: a review. Ensaio: Avaliação e Políticas Públicas em Educação, 31(122), e28148. https://doi.org/10.1590/S0104-40362023000100010

Yilmaz, R. M. (2017). Educational magic toys developed with augmented reality technology for early childhood education. Computers in Human Behavior, 69, 310–318. https://doi.org/10.1016/j.chb.2016.12.035 DOI: https://doi.org/10.1016/j.chb.2016.12.035

Yudt, A., Sawyer, K., & Shera, W. (2024). A quasi‑experimental mixed‑methods investigation of blended learning effectiveness on mathematical achievement and attitudes. South African Journal of Education, 44(4), e98. https://doi.org/10.17159/2520-9868/i98a08 DOI: https://doi.org/10.17159/2520-9868/i98a08

Zamora Arana, M. G., Bernal Párraga, A. P., Ruiz Cires, O. A., Cholango Tenemaza, E. G., & Santana Mero, A. P. (2024). Impulsando el aprendizaje en el aula: El rol de las aplicaciones de aprendizaje adaptativo impulsadas por inteligencia artificial en la educación básica. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 4301–4318. https://doi.org/10.37811/cl_rcm.v8i3.11645 DOI: https://doi.org/10.37811/cl_rcm.v8i3.11645