Inteligencia artificial pedagógica y analítica cognitiva: modelos adaptativos para optimizar la autorregulación y la transferencia del conocimiento en Educación Básica STEM
Barra lateral del artículo
Contenido principal del artículo
Resumen
Esta investigación se centra en la mejora de las prácticas de autorregulación del aprendizaje sobre la retención y transferencia de conocimientos y el logro cognitivo dentro de las disciplinas de STEM en la educación primaria, utilizando un modelo adaptativo que incorpora IA pedagógica y analíticas computacionales. Se implementó una metodología de métodos mixtos a través de un diseño quasi-experimental complementado por análisis cualitativos de interacciones y patrones cognitivos. La integración de la intervención fue diseñada para asistir a los estudiantes en el desarrollo del aprendizaje autodirigido; la capacidad para resolver problemas complejos se integró utilizando sistemas de seguimiento en tiempo real, retroalimentación adaptativa y la exhibición de indicadores metacognitivos. La muestra consistió en estudiantes de primaria y secundaria, organizados en grupos experimentales y de control. Los resultados muestran mejoras significativas en la planificación, monitoreo, evaluación y transferencia conceptual en el grupo experimental, lo que demuestra la efectividad del modelo adaptativo en el fortalecimiento de las habilidades STEM. Además, los análisis cualitativos revelaron una mayor conciencia metacognitiva, un uso estratégico de los recursos digitales y una participación más activa en tareas de razonamiento complejo. La integración de caminos de aprendizaje diferenciados de IA-P y la posibilidad de intervenciones oportunas, mientras que la analítica cognitiva ayudó a aclarar procesos internos que anteriormente habían sido opacos en el aula tradicional. Los hallazgos enfatizan el uso de tecnologías inteligentes para impulsar un cambio sistémico en la educación al fomentar experiencias de aprendizaje individualizadas e inclusivas habilitadas por la tecnología centradas en habilidades esenciales del siglo XXI. Se concluye que la combinación de IA-ED y analítica cognitiva es una estrategia prometedora para la mejora del aprendizaje profundo y la resolución de problemas en el contexto de la educación contemporánea.
Descargas
Detalles del artículo
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Cómo citar
Referencias
Abouelenein, Y. A., Selim, S. A., & Aldosemani, T. I. (2025). Impact of an adaptive environment based on learning analytics on pre-service science teacher behaviour and self-regulation. Smart Learning Environments, 12, Artículo 8. https://doi.org/10.1186/s40561-024-00340-7
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
Álvarez 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. (2024a). 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
Álvarez 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. (2024b). 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
Azevedo, R., Taub, M., & Mudrick, N. (2020). Advanced learning technologies and self-regulation. Learning and Instruction, 72, 101256. https://doi.org/10.1016/j.learninstruc.2019.101256
Bernal Párraga, A. P., Alcívar Vélez, V. E., Pinargote Carreño, V. G., Pulgarín Feijoo, Y. A., & Medina Garate, C. L. (2025). Pensamiento lógico y resolución de problemas: El uso de estrategias de aprendizaje colaborativo para desarrollar habilidades de razonamiento matemático en contextos cotidianos. Arandu UTIC, 12(1), 360–378. https://doi.org/10.69639/arandu.v12i1.605
Cabero-Almenara, J., Gutiérrez-Castillo, J. J., Barroso-Osuna, J., & Palacios-Rodríguez, A. (2023). Digital teaching competence according to the DigCompEdu framework: Comparative study in different Latin American universities. Journal of New Approaches in Educational Research, 12, 276–291. https://doi.org/10.7821/naer.2023.7.1452
Chen, X., Xie, H., Zou, D., & Hwang, G. J. (2023). AI-supported learning analytics for metacognitive development. Computers & Education, 198, 104765. https://doi.org/10.1016/j.compedu.2023.104765
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
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.
Fernández-Morante, C., Cebreiro-López, B., & Casal-Otero, L. (2022). Adaptive learning supported by learning analytics for student teachers’ personalized training during in-school practices (Phase 2). Sustainability, 14(1), 124. https://doi.org/10.3390/su14010124
Holmes, W., Bialik, M., & Fadel, C. (2023). Inteligencia artificial en la educación. Globethics Publications. https://doi.org/10.58863/20.500.12424/4276068
Hwang, G.-J., & Wang, S.-Y. (2022). Adaptive STEM learning with AI-based scaffolding. Interactive Learning Environments, 30(8), 1393–1407. https://doi.org/10.1080/10494820.2020.1722715
Ifenthaler, D., & Yau, J. Y.-K. (2020). Utilising learning analytics for study success: Reflections on current empirical findings. Research and Practice in Technology Enhanced Learning, 15(1). https://doi.org/10.1186/s41039-020-00138-4
Jivet, I., Wong, J., & Scheffel, M. (2021). Learner dashboards and self-regulation. British Journal of Educational Technology, 52(2), 431–447. https://doi.org/10.1111/bjet.13057
Lan, M., & Zhou, X. (2025). A qualitative systematic review on AI-empowered self-regulated learning in higher education. npj Science of Learning, 10, Artículo 21. https://doi.org/10.1038/s41539-025-00319-0
Li, X., Zhao, L., Martínez-Monés, A., & Cukurova, M. (2025). A meta-analysis of AI-enabled personalized STEM education. International Journal of STEM Education. https://doi.org/10.1186/s40594-025-00566-y
Moreira-Fontán, E., García-Martín, S., & Jenaro, C. (2023). Competencia digital docente y estrategias de autorregulación en entornos virtuales. Comunicar, 75, 59–70. https://doi.org/10.3916/C75-2023-05
Roll, I., & Winne, P. (2022). Metacognition and AI. Computers in Human Behavior, 129, 107138. https://doi.org/10.1016/j.chb.2021.107138
Romero-Zaldivar, V., Iglesias-Pradas, S., & Pérez-Molina, C. (2021). Learning analytics for detecting self-regulated learning strategies in online education. Computers in Human Behavior, 122, 106847. https://doi.org/10.1016/j.chb.2021.106847
Sánchez-Caballé, A., Esteve-Mon, F., & Llopis-Nebot, M. Á. (2021). El papel de la analítica del aprendizaje en la autorregulación académica. Comunicar, 66, 9–20. https://doi.org/10.3916/C66-2021-01
Villa-Torrano, C., Suraworachet, W., Gómez-Sánchez, E., Asensio-Pérez, J. I., Bote-Lorenzo, M. L., Martínez-Monés, A., Zhou, Q., Cukurova, M., & Dimitriadis, Y. (2025). Using learning design and learning analytics to promote, detect and support socially-shared regulation of learning: A systematic literature review. Computers & Education, 188, 105261. https://doi.org/10.1016/j.compedu.2025.105261
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0
Zhai, X., Chu, X., & Wang, J. (2022). A systematic review of AI-based STEM education: Emerging technologies and learning outcomes. Computers & Education, 182, 104468. https://doi.org/10.1016/j.compedu.2022.104468