Inteligencia Artificial Generativa y Educación Matemática: Tensiones entre el uso Instrumental y el Aprendizaje Complejo
DOI:
https://doi.org/10.70577/asce.v5i2.844Palabras clave:
inteligencia artificial generativa, educación matemática, revisión de alcance, modelización matemática, autorregulación del aprendizaje, pensamiento crítico.Resumen
La incorporación acelerada de la inteligencia artificial generativa (IAGen) en la educación matemática plantea interrogantes sobre su capacidad para promover aprendizajes cognitivamente complejos. La literatura crece de forma exponencial desde la liberación de los modelos conversacionales, pero buena parte del campo se orienta hacia la eficiencia instruccional, la adopción tecnológica y la personalización, en detrimento de los procesos de alta demanda cognitiva. El objetivo fue mapear y analizar la presencia de tres dimensiones cognitivas complejas, modelización matemática, autorregulación del aprendizaje y pensamiento crítico, en la literatura sobre IAGen y educación matemática publicada entre 2020 y 2025. Se adoptó un enfoque cualitativo con diseño exploratorio y descriptivo, mediante una revisión de alcance bajo el protocolo PRISMA-ScR; se recuperaron 219 artículos en seis bases de datos (Web of Science, Scopus, ERIC, SciELO, IEEE Xplore y ACM Digital Library) y se codificaron 34 variables por estudio. Los resultados muestran una aceleración exponencial de la producción (51,6 % en 2025), dominada por revisiones sistemáticas (80,4 %) y por ChatGPT/GPT (63,9 %), con la resolución de problemas en el 77,2 % de los procesos matemáticos abordados. La autorregulación aparece en el 31,5 % del corpus, la modelización en el 13,2 % y el pensamiento crítico en el 8,2 %; el 58,4 % no aborda ninguna y solo el 2,3 % las integra simultáneamente. Se concluye que el corpus revela cinco tensiones estructurales entre uso instrumental y aprendizaje complejo, y cuatro vacíos que configuran una agenda prioritaria de investigación empírica longitudinal en el contexto iberoamericano.
Descargas
Citas
Acuña, C. R. Y., y Marrero, C. M. (2025). Integración de metodologías activas e inteligencia artificial en la enseñanza del tema de sucesiones y series: una experiencia de clase en un curso semipresencial del Instituto Tecnológico de Costa Rica. Cuadernos de Investigación y Formación en Educación Matemática, 18(2), 135-160. https://doi.org/10.15517/eqxwfy21
Borromeo Ferri, R. (2021). Learning how to teach mathematical modeling in school and teacher education. Springer. https://doi.org/10.1007/978-3-319-68072-9
Campos, M. J. E. (2024). Inteligencia artificial en la educación superior de Costa Rica: desafíos y oportunidades desde una perspectiva ética [Tesis de Maestría, Universidad Nacional de Costa Rica]. Repositorio Institucional UNA. https://hdl.handle.net/11056/29614
Chacón-Rivadeneira, K., Morales-Maure, L., García-Marimón, O., Sáez-Delgado, F., Gutiérrez González, J., y Alfaro Ponce, B. (2024). Artificial intelligence adoption in Latin American mathematics education: challenges and opportunities. Journal of Posthumanism, 4(3), 1141-1161. https://doi.org/10.63332/joph.v4i3.3195
Contel, F., & Cusi, A. (2025). Investigating the role of ChatGPT in supporting metacognitive processes during problem-solving activities. Digital Experiences in Mathematics Education, 11, 167–191. https://doi.org/10.1007/s40751-024-00164-7
Greefrath, G., y Vorhölter, K. (2022). Teaching and learning mathematical modelling: approaches and developments from recent research. ZDM Mathematics Education, 54, 1-15. https://doi.org/10.1007/s11858-021-01330-6
Meza-Cascante, L. G., Ramírez-Bogantes, M., y Meza-Chavarría, L. A. (2026). Actitudes del estudiantado de ingeniería ante la inteligencia artificial generativa: estudio en el Instituto Tecnológico de Costa Rica. Revista Tecnología en Marcha, 39(5), 137-146. https://doi.org/10.18845/tm.v39i5.8502
Nguyen, D. T., y Pham, Q. V. (2025). The evolving landscape of AI integration in mathematics education: a systematic review of trends (2015-2025). Eurasia Journal of Mathematics, Science and Technology Education, 21(10), em2714. https://doi.org/10.29333/ejmste/17078
Opesemowo, O. A. G., y Adewuyi, H. O. (2024). A systematic review of artificial intelligence in mathematics education: the emergence of 4IR. Eurasia Journal of Mathematics, Science and Technology Education, 20(7), em2478. https://doi.org/10.29333/ejmste/14762
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., . . . Moher, D. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Panadero, E., y Lipnevich, A. A. (2022). A review of feedback models and typologies: towards an integrative model of feedback elements. Educational Research Review, 35, 100416. https://doi.org/10.1016/j.edurev.2021.100416
Panqueban, J., y Huincahue, J. (2024). Artificial intelligence in mathematics education: a systematic review. Uniciencia, 38(1). https://doi.org/10.15359/ru.38-1.20
Pepin, B., Buchholtz, N., y Salinas-Hernández, U. (2025). A scoping survey of ChatGPT in mathematics education. Digital Experiences in Mathematics Education, 11(1), 9-41. https://doi.org/10.1007/s40751-025-00172-1
Pochulu, M. D., y Font, V. (2025). Idoneidad didáctica de tareas de matemáticas reformuladas con inteligencia artificial. Paradigma, 46(1), e2025027. https://doi.org/10.37618/PARADIGMA.1011-2251.2025.e2025027.id1621
Ramírez-Bogantes, M., Monge-Fallas, J., Borbón-Alpízar, A., Gutiérrez-Montenegro, M. V., Acuña-Chacón, R., y Meza-Cascante, L. G. (2026). Innovación didáctica con IA generativa en matemática universitaria: experiencias en el TEC. Revista Tecnología en Marcha, 39(5), 147-156. https://doi.org/10.18845/tm.v39i5.8503
Sapkota, B., & Bondurant, L. (2024). Assessing concepts, procedures, and cognitive demand of ChatGPT-generated mathematical tasks. International Journal of Technology in Education, 7(2), 218–238. https://doi.org/10.46328/ijte.677
Tricco, A. C., Lillie, E., Zarin, W., O’Brien, K. K., Colquhoun, H., Levac, D., Moher, D., Peters, M. D. J., Horsley, T., Weeks, L., Hempel, S., Akl, E. A., Chang, C., McGowan, J., Stewart, L., Hartling, L., Aldcroft, A., Wilson, M. G., Garritty, C., . . . Straus, S. E. (2018). PRISMA extension for scoping reviews (PRISMA-ScR): checklist and explanation. Annals of Internal Medicine, 169(7), 467-473. https://doi.org/10.7326/M18-0850
Urhan, S., Gençaslan, O., y Dost, Ş. (2024). An argumentation experience regarding concepts of calculus with ChatGPT. Interactive Learning Environments, 1-26. https://doi.org/10.1080/10494820.2024.2308093
Yi, L., Liu, D., Jiang, T., & Xian, Y. (2025). The effectiveness of AI on K-12 students’ mathematics learning: A systematic review and meta-analysis. International Journal of Science and Mathematics Education, 23(4), 1105–1126. https://doi.org/10.1007/s10763-024-10499-7
Yoon, H., Hwang, J., Lee, K., Roh, K. H., y Kwon, O. N. (2024). Students’ use of generative artificial intelligence for proving mathematical statements. ZDM Mathematics Education, 56(7), 1531-1551. https://doi.org/10.1007/s11858-024-01629-0
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Melvin Ramírez Bogantes , Kenneth Mejía Luna
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Eres libre de:
- Compartir : copiar y redistribuir el material en cualquier medio o formato
- Adaptar : remezclar, transformar y desarrollar el material
- El licenciante no puede revocar estas libertades siempre y cuando usted cumpla con los términos de la licencia.
En los siguientes términos:
- Atribución : Debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o a su uso.
- No comercial : no puede utilizar el material con fines comerciales .
- CompartirIgual — Si remezcla, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
- Sin restricciones adicionales : no puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer algo que la licencia permite.
