Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 381
ESTRATEGIA DIDÁCTICA PARA USO DE INTELIGENCIA ARTIFICIAL EN LA
ENSEÑANZA APRENDIZAJE DE MATEMÁTICA EN DÉCIMO AÑO
DIDACTIC STRATEGY FOR THE USE OF ARTIFICIAL INTELLIGENCE IN THE
TEACHING AND LEARNING OF MATHEMATICS IN TENTH GRADE
Autores: ¹Gabriela Piedad Urgilés Pérez, ²Jeovanna Catalinan Faicán Gómez, ³Elsa Iris
Montenegro Moracén y
4
Tatiana Yobanka Tapia Bastidas.
¹ORCID ID: https://orcid.org/0009-0006-6629-2589
²ORCID ID: https://orcid.org/0009-0001-8269-1508
3
ORCID ID:
https://orcid.org/0000-0002-4258-656X
4
ORCID ID:
https://orcid.org/0000-0001-9039-5517
¹E-mail de contacto: gpurgilesp@ube.edu.ec
²E-mail de contacto: jcfaicang@ube.edu.ec
³E-mail de contacto: elsaimoracen@gmail.com
4
E-mail de contacto:
ttapia@ube.edu.ec
Afiliación:
1*2*3*4*
Universidad Bolivariana del Ecuador, (Ecuador).
Artículo recibido: 29 de Noviembre del 2025
Artículo revisado: 30 de Noviembre del 2025
Artículo aprobado: 8 de Diciembre del 2025
¹Ingeniería Empresarial, con mención en Ciencias Sociales, Educación Comercial y Derecho, egresada de la Universidad Católica de
Cuenca, (Ecuador), con nueve años de experiencia laboral en docencia; actualmente maestrante de la Maestría en Educación en Entornos
Digitales en la Universidad Bolivariana del Ecuador, (Ecuador).
²Licenciatura en Educación Básica, y mención Educación egresada de la Universidad Nacional de Educación Azogues, (Ecuador) con 16
años de experiencia laboral en docencia, actualmente maestrante de la Maestría en Educación en Entornos Digitales de la Universidad
Bolivariana del Ecuador, (Ecuador).
³Licenciatura en Educación Matemática. Egresada de Universidad de Ciencias Pedagógicas Frank País García, (Cuba), con 45 años de
experiencia laboral. Magíster en Educación Superior egresada de la Universidad de Oriente, (Cuba). PhD. En Ciencias Pedagógicas
egresada de la Universidad de Ciencias Pedagógicas en Santiago de Cuba, (Cuba). Docente de la Universidad Bolivariana del Ecuador,
Guayaquil, Ecuador, en la Maestría en Educación en Pedagogía de Entornos Digitales.
4
Ingeniería en Sistemas. Profesor Titular. PhD. en Ciencias Pedagógicas. Universidad de Oriente, (Cuba). Coordinadora del Programa de
Maestría en Educación en Pedagogía de Entornos Digitales. Universidad Bolivariana del Ecuador, (Ecuador).
Resumen
La investigación desarrollada tuvo como
objetivo diseñar y aplicar una estrategia
didáctica mediada por inteligencia artificial
para mejorar el rendimiento académico y la
motivación de los estudiantes de décimo año de
Educación General Básica en la Unidad
Educativa Dolores Veintimilla de Galindo. La
investigación adoptó un enfoque mixto con
diseño pre experimental, recolectando datos
cuantitativos del rendimiento académico y
datos cualitativos sobre percepciones y
experiencias estudiantiles. A partir del
diagnóstico inicial que evidenciaron bajos
niveles de comprensión y desmotivación hacia
la asignatura de Matemáticas, se integraron
herramientas de Inteligencia Artificial como
GeoGebra, Desmos, WolframAlpha y
Wordwall, que permitieron personalizar el
aprendizaje, retroalimentar de forma inmediata
y generar entornos interactivos y gamificados.
Se desarrolló una estrategia basada en
actividades planificadas, estructurada en cuatro
fases: diagnóstico, implementación, validación
de resultados y retroalimentación. La propuesta
contribuyó a transformar el proceso de
enseñanza-aprendizaje, fomentando el interés y
compromiso estudiantil, y sustentó la
aplicación de inteligencia artificial en la
enseñanza de la Matemática en educación
básica.
Palabras clave: Estrategia didáctica,
Inteligencia artificial, Enseñanza-
aprendizaje, Matemática, Motivación
estudiantil, Tecnología educativa.
Abstract
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 382
The research objective was to design and
implement an artificial intelligence-mediated
teaching strategy to improve the academic
performance and motivation of tenth-grade
students in Basic General Education at the
Dolores Veintimilla Educational Unit in
Galindo. The research adopted a mixed
approach with a pre-experimental design,
collecting quantitative data on academic
performance and qualitative data on student
perceptions and experiences. Based on the
initial diagnosis that showed low levels of
comprehension and demotivation toward the
subject of Mathematics, artificial intelligence
tools such as GeoGebra, Desmos,
WolframAlpha, and Wordwall were integrated,
allowing for personalized learning, immediate
feedback, and the generation of interactive and
gamified environments. A strategy based on
planned activities was developed, structured in
four phases: diagnosis, implementation, results
validation, and feedback. The proposal
contributed to transforming the teaching-
learning process, fostering student interest and
engagement, and supported the application of
artificial intelligence in the teaching of
Mathematics in basic education.
Keywords: Teaching strategy, Artificial
intelligence, Teaching-learning,
Mathematics, Student motivation,
Educational technology
Resumo
O objetivo da pesquisa foi projetar e
implementar uma estratégia de ensino mediada
por inteligência artificial para melhorar o
desempenho acadêmico e a motivação de
alunos do décimo ano do Ensino Básico Geral
na Unidade Educacional Dolores Veintimilla
em Galindo. A pesquisa adotou uma abordagem
mista com um delineamento pré-experimental,
coletando dados quantitativos sobre o
desempenho acadêmico e dados qualitativos
sobre as percepções e experiências dos alunos.
Com base no diagnóstico inicial que mostrou
baixos níveis de compreensão e desmotivação
em relação à disciplina de Matemática,
ferramentas de inteligência artificial como
GeoGebra, Desmos, WolframAlpha e
Wordwall foram integradas, permitindo
aprendizagem personalizada, feedback
imediato e a geração de ambientes interativos e
gamificados. Uma estratégia baseada em
atividades planejadas foi desenvolvida,
estruturada em quatro fases: diagnóstico,
implementação, validação de resultados e
feedback. A proposta contribuiu para a
transformação do processo de ensino-
aprendizagem, fomentando o interesse e o
engajamento dos alunos, e apoiou a aplicação
da inteligência artificial no ensino de
Matemática na educação básica.
Palavras-chave: Estratégia de ensino,
Inteligência artificial, Ensino-aprendizagem,
Matemática, Motivação do aluno, Tecnologia
educacional.
Introducción
En la actualidad, la educación enfrenta desafíos
significativos que afectan la calidad del proceso
de enseñanza-aprendizaje, especialmente en
áreas críticas como las Matemáticas. En este
contexto, la inteligencia artificial (IA) emerge
como una herramienta prometedora para
abordar estas deficiencias. La IA tiene el
potencial de transformar el proceso educativo
mediante la creación de entornos de aprendizaje
adaptativos que respondan a las necesidades y
ritmos de cada estudiante. La IA está
revolucionando la educación, especialmente en
áreas como Matemáticas, donde puede ofrecer
tutoría personalizada, retroalimentación
inmediata y adaptabilidad a diferentes estilos de
aprendizaje, dentro de ellos en la resolución de
problemas matemáticos. Por otro lado, explora
enfoques personalizados para mejorar el
aprendizaje y la motivación de los estudiantes.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 383
Relacionado con Inteligencia Artificial en la
Educación, se pueden observar aristas
fundamentales como: Ha transformado la
enseñanza y el aprendizaje, proporcionando
herramientas adaptativas que personalizan la
educación según las necesidades de los
estudiantes (González, 2023). Su aplicación en
educación incluye asistentes virtuales, sistemas
de tutoría inteligentes y plataformas que ajustan
el contenido según el nivel de comprensión del
alumno (Estrada, 2024).
Existen antecedentes de estudios como el de los
autores (Duarte et al. 2024) referido al “Uso de
la inteligencia artificial en la resolución de
problemas matemáticos”. En este estudio se
analizó cómo la IA mejora el rendimiento
académico en educación superior, facilitando el
aprendizaje mediante plataformas interactivas
personalizadas. González (2023) en su
investigación sobre “El impacto de la
inteligencia artificial en la educación” explora
cómo la IA transforma la enseñanza y el
aprendizaje, desde la personalización del
aprendizaje hasta la mejora de la
retroalimentación y el desarrollo de recursos
interactivos. Por otra parte, relacionado con el
rendimiento académico y motivación en
Matemáticas, se ha observado que: diversos
estudios han identificado factores que afectan el
rendimiento académico en esta asignatura como
el miedo a la asignatura, la falta de métodos de
enseñanza dinámicos y el acceso a recursos
adecuados (Duarte et al., 2024). La motivación
juega un papel crucial en el aprendizaje, y se ha
demostrado que la IA puede aumentar el interés
por las matemáticas al ofrecer experiencias
interactivas y adaptadas (Bustillos et al., 2024).
En el marco de las aplicaciones de IA en la
Enseñanza de Matemáticas se han encontrado
propuestas de: Sistemas de tutoría inteligente:
Programas como los tutores virtuales han
mostrado mejoras en la comprensión y
resolución de problemas matemáticos (Mullo,
2024). Gamificación y aprendizaje adaptativo:
La IA permite la creación de entornos
gamificados que aumentan la motivación y el
compromiso de los estudiantes (Hidalgo, 2024).
Según García y Crespo (2025), en Revista
Iberoamericana de Investigación Educativa.
Es importante considerar la IA como
herramienta de apoyo, esta no sustituye al
docente; para lo cual se asume de estos autores
que: la IA debe ser vista como un recurso para
mejorar la enseñanza, proporcionando
asistencia en tareas repetitivas como la
evaluación automática y la generación de
materiales didácticos. Los docentes deben
mantener el control sobre el diseño de
experiencias de aprendizaje y la interacción con
los estudiantes. Es fundamental capacitar a los
docentes en el uso de IA para que puedan
integrarla de manera efectiva en sus
metodologías sin perder su rol central. La IA
debe ser utilizada para fortalecer la enseñanza,
no para reemplazar la creatividad y el juicio
pedagógico del docente. En el orden de la
personalización del aprendizaje, Santillana
(2024) en Guía de estrategias educativas IA en
Educación, considera que la IA puede ayudar a
adaptar el contenido según las necesidades
individuales de los estudiantes, pero el docente
sigue siendo clave para interpretar los datos y
ajustar estrategias y por ello, se recomienda
combinar el análisis de datos de IA con la
observación directa del docente para una
enseñanza más efectiva. Relacionado con la
evaluación y mejora continua, es importante
implementar un monitoreo constante sobre el
impacto de la IA en la educación para ajustar
estrategias y garantizar que siga siendo un
complemento útil; así como fomentar la
retroalimentación entre docentes y estudiantes
sobre su uso en el aula. Sin embargo, a pesar de
los beneficios, la implementación de la IA en
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 384
educación, enfrenta desafíos como la
accesibilidad, la capacitación docente y la ética
en el uso de datos estudiantiles (González,
2023); por lo que es fundamental establecer
estrategias para garantizar que la IA
complemente la enseñanza sin reemplazar el rol
del docente.
En la Unidad Educativa Dolores Veintimilla de
Galindo, se observó una creciente preocupación
por el bajo rendimiento académico de los
estudiantes de décimo año en esta asignatura. A
pesar de que las Matemáticas son
fundamentales para el desarrollo del
pensamiento crítico y la resolución de
problemas, muchos estudiantes mostraban
dificultades en la comprensión de conceptos
básicos y avanzados, lo que se traducía en un
desempeño insatisfactorio en evaluaciones
estandarizadas y en su capacidad para aplicar
estos conocimientos en situaciones prácticas.
Por otra parte, la implementación de tecnologías
en el aula presentaba sus propios desafíos, como
la capacitación docente adecuada, la
infraestructura tecnológica y la resistencia al
cambio por parte de la comunidad educativa. La
brecha entre la situación actual y el estado
deseado fue evidente. En este contexto el
objetivo fue contribuir a formar estudiantes
competentes y seguros en el uso de las
matemáticas, ya que la realidad mostraba que
muchos se sentían desmotivados y frustrados
ante esta materia. Esta desmotivación pudo
atribuirse a varios factores, incluyendo métodos
de enseñanza tradicionales que no se adaptaban
a las necesidades individuales de los
estudiantes, la falta de recursos didácticos
interactivos y la escasa personalización del
aprendizaje.
Para garantizar que la Inteligencia Artificial
complemente la enseñanza sin reemplazar el rol
del docente, se pueden implementar diversas
estrategias, de ahí que, a partir de la situación
del contexto, se planteó como problema
científico: ¿Cómo mejorar el rendimiento
académico y la motivación de los estudiantes,
con el uso de la Inteligencia Artificial, en el
proceso de enseñanza aprendizaje de la
asignatura de Matemática para décimo año de
Educación Básica en la Unidad Educativa
Dolores Veintimilla de Galindo? El estudio
analizó cómo la IA mejora el rendimiento
académico en educación básica superior. La
investigación tuvo como objetivo general,
diseñar una estrategia didáctica con el uso de la
inteligencia artificial para mejorar el
rendimiento académico y la motivación de los
estudiantes en el proceso de enseñanza
aprendizaje de la asignatura Matemática en
décimo año de educación básica en la Unidad
Educativa Dolores Veintimilla de Galindo. Se
planteó y defendió la idea de que: La
implementación de una estrategia didáctica para
el uso de la inteligencia artificial en el proceso
de enseñanza aprendizaje de esta asignatura,
contribuía a mejorar el rendimiento académico
y la motivación de los estudiantes en décimo
año de educación básica de esta institución
educativa.
Relacionado con el diseño de estrategias
didácticas, se revisaron diversos enfoques a
partir de la sistematización realizada por Tiana
y Medina (2023), en su obra: Estrategia
didáctica sistémica con e-actividades en el
desarrollo de la evaluación formativa, quienes
hacen una propuesta sistémica que integra
tecnologías educativas, con énfasis en la
retroalimentación continua. Sus Etapas son:
Diagnóstico: Identificación de necesidades
formativas. Planificación: Diseño de e-
actividades alineadas a objetivos. Ejecución:
Implementación con herramientas digitales.
Evaluación: Formativa, centrada en el proceso
y la mejora. Esta estructura es asumida para el
desarrollo de la propuesta de Estrategia
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 385
didáctica para uso de inteligencia artificial en la
enseñanza aprendizaje de Matemática en
décimo año.
Materiales y Métodos
La investigación adoptó un enfoque mixto con
diseño preexperimental, donde fueron aplicados
métodos del nivel teórico, empírico y
matemáticos estadísticos, usando técnicas que
proporcionaron análisis cuantitativos
recolectando datos del rendimiento académico
y cualitativos sobre percepciones y experiencias
estudiantiles. Análisis y Síntesis: Se utilizó el
análisis para identificar los componentes clave
que afectaban el proceso de enseñanza-
aprendizaje en matemáticas, especialmente en
relación con el uso de la inteligencia artificial
(IA). Posteriormente, la síntesis permitió
combinar esta información desglosada para
formular una estrategia didáctica coherente que
integrara la IA en el currículo de manera
efectiva, mejorando así la calidad del
aprendizaje. Inductivo-Deductivo: Se empleó el
método inductivo para observar cómo la IA
impacta el aprendizaje de los estudiantes en
Matemáticas, lo que permitió formular
consideraciones teóricas sobre su efectividad. A
partir de estas generalizaciones, se aplicó el
enfoque deductivo para desarrollar estrategias
didácticas específicas que se pudieron
implementar en el aula, asegurando que las
teorías se tradujeran en prácticas efectivas.
Sistémico Estructural Funcional: Este enfoque
permitió entender el sistema educativo en el que
se implementó la inteligencia artificial en la
enseñanza de matemáticas. Al examinar cómo
interactúan los diferentes elementos, como
estudiantes, docentes y recursos tecnológicos,
se pudieron identificar las funciones que cada
componente desempeñaba y cómo optimizar el
uso de la IA para mejorar el proceso de
enseñanza-aprendizaje, garantizando una
integración efectiva y funcional en el aula.
Revisión documental, para caracterizar el
estado inicial del proceso de enseñanza-
aprendizaje de Matemáticas, mediante análisis
estadístico de los resultados de los cortes
evaluativos de los tres períodos y el final, y
poder valorar el rendimiento académico.
Encuestas a estudiantes: que permitieron
recopilar información relacionada con el uso de
métodos y recursos que estimulen la motivación
y el rendimiento académico en el proceso de
enseñanza aprendizaje de la Matemática.
Entrevistas: a docentes y estudiantes para
obtener información cualitativa sobre su
experiencia en el aprendizaje de matemática y
la percepción del uso de IA. Observación
científica: a clases de Matemáticas para analizar
el impacto del uso de la inteligencia artificial en
el aprendizaje de los estudiantes.
La estadística descriptiva se utilizó para
presentar información sobre el rendimiento
académico de los estudiantes antes y después de
implementar la estrategia didáctica con el uso
inteligencia artificial, proporcionando una
visión clara de los cambios observados. Análisis
de Correlación: se usó para investigar la
relación entre el uso de herramientas de IA y el
rendimiento en Matemáticas, ayudando a
entender si existe una conexión significativa
entre ambos factores. Grupos Focales: Se
organizaron sesiones de discusión con
estudiantes y docentes para explorar sus
opiniones sobre la propuesta de estrategia
didáctica y su alineación con las necesidades
específicas. El objetivo de la estrategia fue
contribuir a mejorar el rendimiento académico
y la motivación de los estudiantes de décimo
año de Educación General Básica en la Unidad
Educativa Dolores Veintimilla de Galindo.Para
la organización de la estrategia didáctica se
toman como base las etapas propuestas en la
Estrategia didáctica sistémica con e-actividades
en el desarrollo de la evaluación formativa
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 386
aportada por Tiana y Medina (2023), quienes
proponen una estrategia sistémica que integra
tecnologías educativas desde el diagnóstico
hasta la evaluación, con énfasis en la
retroalimentación continua.
Por lo que se diseñaron las etapas:
Determinación del Estado Inicial, Diseño de
actividades con el uso de la IA, Implementación
de actividades en el proceso, Evaluación y
retroalimentación, para asegurar la
retroalimentación continua, siendo
consecuentes con este referente. Para el diseño
se asumen los fundamentos de Hidalgo (2024),
referido a la incidencia de la IA en la creación
de entornos gamificados, y como herramienta
de apoyo sin reemplazar al docente; Duarte et.
al. (2024) referido al “Uso de la IA en la
resolución de problemas matemáticos”, entre
otros referidos en la parte introductoria. Esta
estrategia didáctica buscó personalizar el
aprendizaje, ofreciendo recursos y actividades
adaptadas a las necesidades individuales de
cada estudiante. El desarrollo de la propuesta de
investigación transitó por las siguientes etapas:
La población de estudio estuvo conformada por
dos paralelos (A y B) del décimo año de
educación básica, con 40 estudiantes en cada
uno, sumando un total de 80 participantes. Para
establecer un diagnóstico de la situación inicial
se analizaron las calificaciones previas en la
asignatura, lo que permitió contar con un
antecedente claro del rendimiento académico.
Mediante la plataforma Google Sites se adecuó
un espacio virtual en el que se integró
información sobre el tema de funciones lineales
y cuadráticas. En este entorno se incorporaron
contenidos teóricos y actividades interactivas,
las cuales fueron desarrolladas utilizando
herramientas digitales como GeoGebra,
Desmos, Wolfram/Alpha y Wordwall,
facilitando así el aprendizaje visual, práctico y
colaborativo de los estudiantes, de modo que se
estimula la evaluación continua. Los
estudiantes participaron en una serie de
actividades enfocadas en el aprendizaje de
funciones lineales y cuadráticas. Utilizaron
GeoGebra y Desmos para explorar
gráficamente el efecto de los coeficientes en las
funciones, resolvieron problemas matemáticos
con WolframAlpha, completaron lecciones
interactivas en Wordwall para reforzar
conceptos mediante la práctica, y compartieron
sus hallazgos en un foro de discusión en Padlet
incrustado en el entorno virtual, promoviendo la
colaboración y el análisis entre pares; este modo
de actuación propició la autoevaluación y
coevaluación entre los estudiantes,
fortaleciendo la evaluación formativa
sistemática y continua. La evaluación del
rendimiento académico y la motivación, se
desarrolló mediante la implementación de la
propuesta a través de indicadores como:
➢ La participación y colaboración en el
desarrollo de las actividades de
aprendizaje.
➢ La frecuencia de participación en las
actividades interactivas.
➢ Los avances logrados en la comprensión
conceptual y aplicación al desarrollo de los
ejercicios y problemas de aplicaciones de
funciones lineales y cuadráticas.
La validación de la estrategia didáctica se llevó
a cabo mediante una combinación de revisión
por expertos y análisis empírico de resultados.
El proceso se orientó a comprobar la pertinencia
y efectividad pedagógica y metodológica de la
propuesta en el aprendizaje de funciones
lineales y cuadráticas en décimo año de la
Unidad Educativa Dolores Veintimilla de
Galindo. Desde una decisión teórica, la
propuesta se fundamentó en el enfoque
constructivista y en el aprendizaje activo,
priorizando la participación del estudiante como
protagonista del proceso. Además, se integraron
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 387
principios del aprendizaje significativo de
Ausubel y del uso pedagógico de la inteligencia
artificial, como apoyo a la personalización y la
motivación en el estudio de Matemáticas. En
cuanto a las decisiones metodológicas, se optó
por un diseño pre experimental, con una
evaluación diagnóstica previa y una evaluación
final posterior a la aplicación de la estrategia. Se
complementó con encuestas de satisfacción
estudiantil y observaciones de participación, lo
que permitió obtener una visión integral sobre
el impacto del uso de herramientas digitales y
recursos de IA en el aula.
Para asegurar la solidez y pertinencia de la
propuesta, se contó con la evaluación de tres
profesionales altamente calificados: la rectora
de la institución y dos docentes expertos en
Matemáticas (uno interno y otro externo).
Todos poseen una amplia formación académica
y experiencia en innovación educativa. La
rectora aportó su experiencia en gestión
pedagógica y en la integración de tecnologías en
el entorno escolar. Los docentes especialistas,
por su parte, evaluaron la secuencia didáctica,
la coherencia teórica, el uso de herramientas
digitales y la pertinencia de las actividades. Su
participación fue crítica y técnica, orientada a
valorar la coherencia entre los fundamentos
teóricos, la metodología empleada y los
resultados obtenidos. Los tres coincidieron en
que la propuesta posee una estructura lógica y
contextualizada, responde a necesidades reales
del entorno escolar y demuestra un uso
adecuado y eficaz de la inteligencia artificial
como recurso para favorecer la motivación, la
comprensión conceptual y la personalización
del aprendizaje.
Asimismo, señalaron la viabilidad de aplicar la
estrategia en otros niveles educativos, siempre
que se acompañe de procesos de capacitación
docente y adecuaciones curriculares. Su
evaluación positiva refuerza la validez
científica y pedagógica de la propuesta.
Finalmente, el análisis comparativo entre las
evaluaciones pre y post implementación, junto
con los resultados de las encuestas y
observaciones, permitió confirmar la mejora en
el rendimiento y la actitud de los estudiantes
hacia las Matemáticas, lo cual sustenta la
efectividad de la propuesta y amplía la
evidencia empírica de su validez. En el análisis
posterior a la implementación se aportan otros
elementos que enriquecen la validación, como
resultado de la implementación y comparación
de los resultados obtenidos con la recopilación
de información con las técnicas empíricas.
Resultados y Discusión
Se revisaron calificaciones anteriores de la
asignatura de Matemática del décimo año de la
Unidad Educativa Dolores Veintimilla de
Galindo para poder establecer un diagnóstico y
establecer un antecedente claro sobre la
situación inicial A partir de este análisis se
obtuvieron los resultados, que se constatan en
Tabla 1. La distribución de calificaciones en
esta asignatura para décimo año muestra que el
8.75 % de los estudiantes se encuentra en el
nivel más bajo (6.00–6.99), seguido por un
51.25 % en el rango medio (7.00–7.99), un
32.5 % en el nivel alto intermedio (8.00–8.99),
y apenas un 7.5 % alcanza el rendimiento
sobresaliente (9.00–10.00).
Tabla 1. Calificaciones históricas
Rango de
Promedio
Cantidad de
Estudiantes
Porcentaje
(%)
6.00 - 6.99
7
8.75 %
7.00 - 7.99
41
51.25 %
8.00 - 8.99
26
32.50 %
9.00 - 10.00
6
7.50 %
Total
80
100 %
Fuente: elaboración propia
Estos datos evidencian una concentración
significativa en el rendimiento medio, con
pocos estudiantes destacando y algunos en
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 388
riesgo académico, lo que justifica la necesidad
de implementar estrategias didácticas
innovadoras que promuevan la mejora general y
el desarrollo del potencial estudiantil. A
continuación, se evidencia el EVA creado.
Figura 1. Entre líneas y parábolas
Fuente: Página principal del Entorno Virtual de
Aprendizaje sobre funciones lineales y cuadráticas.
Tomada de “Entre líneas y parábolas” [fotografía] página
web 2025,
www.sites.google.com/view/entre-lineas-y-
parabolas/inicio
Figura 2. Actividades semana 5
Fuente: Aplicación práctica a problemas cotidianos sobre
funciones cuadrática. Tomada de “Entre líneas y
parábolas” [fotografía] página web 2025,
www.sites.google.com/view/entre-lineas-y-
parabolas/actividades/semana-5
En el siguiente cronograma se detalla cada
actividad planificada, su fecha de inicio y de
finalización, los responsables y recursos
utilizados en el Entorno Virtual de Aprendizaje,
es decir; un resumen semanal.
Tabla 2. Resumen de actividades
Seman
a
Actividad
Fecha de
inicio
Fech
a de
fin
Resp
onsab
le
Recursos
Seman
a 1
Introducción a la
IA y sus
aplicaciones
matemáticas
05/05/202
5
09/0
5/20
25
Doce
ntes /
estudi
antes
Videos GeoGebra
Desmos
WolframAlpha
Seman
a 2
Funciones
lineales: concepto
y representación
12/05/202
5
16/0
5/20
25
Doce
ntes /
estudi
antes
GeoGebra
Desmos
WolframAlpha
Seman
a 3
Aplicaciones de
funciones lineales
a problemas
cotidianos
19/05/202
5
23/0
5/20
25
Doce
ntes /
estudi
antes
GeoGebra
Desmos
WolframAlpha
Seman
a 4
Funciones
cuadráticas:
propiedades y
representación
gráfica
26/05/202
5
30/0
5/20
25
Doce
ntes /
estudi
antes
GeoGebra
Desmos
WolframAlpha
Seman
a 5
Aplicación de
funciones
cuadráticas a
problemas
cotidianos
02/06/202
5
06/0
6/20
25
Doce
ntes /
estudi
antes
GeoGebra
Desmos
WolframAlpha
Fuente: elaboración propia
Comparación de Evaluaciones Pre y Post
Se tomaron las calificaciones anteriores como
parte del diagnóstico al inicio del proceso
investigativo y una evaluación formativa
estandarizada, al finalizar la implementación de
la estrategia. Los resultados evidenciaron una
mejora significativa en el desempeño de los
estudiantes:
Tabla 3. Distribución de promedios antes y
después de la intervención
Rango de
Promedio
Pre
(Diagnóstica)
%
Pre
Post
(Forma
tiva)
% Post
6.00 – 6.99
7
8.75
2
2.50
7.00 – 7.99
41
51.25
10
12.50
8.00 – 8.99
26
32.5
28
35.00
9.00 – 10.00
6
7.50
40
50.0
Total
80
100
80
100
Fuente: elaboración propia
La proporción de estudiantes en el rango más
alto (9.00 – 10.00) pasó de 7.5% a 50%, señal
clara de mejor comprensión de funciones
lineales y cuadráticas. Los promedios bajos
(6.00 – 6.99) disminuyeron de 8.75% a 2.5%,
reflejando que la mayoría superó las barreras
iniciales. El grueso del grupo se desplazó hacia
rangos ≥ 8.00, lo que evidencia un avance
sustancial en el aprendizaje.
Encuestas de satisfacción
Los estudiantes manifestaron una valoración
positiva respecto a la claridad del contenido, la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 389
utilidad de las herramientas, el acceso al
entorno virtual de aprendizaje (EVA), la
comprensión de funciones y la participación en
actividades colaborativas. Se empleó un
cuestionario tipo Likert con nueve ítems para
valorar claridad, utilidad y accesibilidad del
EVA y herramientas IA. Los resultados se
resumen en la siguiente tabla:
Tabla 4. Resumen de respuestas "Muy Alto /
Alto"
Ítem
Muy alto
(%)
Alto
(%)
Total ≥
Alto (%)
1. Claridad contenido EVA
62.5
31.25
93.75
2. Utilidad herramientas
IA
56.25
37.5
93.75
3. Acceso a EVA y
actividades
50.0
43.75
93.75
4. Facilidad de actividades
47.5
43.75
91.25
5. Comprensión de
funciones
52.5
41.25
93.75
6. Participación en el foro
43.75
37.5
81.25
7. Claridad explicaciones
docente
56.25
37.5
93.75
8. Interés por uso de IA
50.0
43.75
93.75
9. Recomendación para
otras áreas
52.5
37.5
90.0
Fuente: elaboración propia
Más del 90% de estudiantes calificó con “Muy
alto” o “Alto” la mayoría de los ítems, lo que
respalda la pertinencia y usabilidad de las
herramientas digitales. La participación en foro
tuvo un 81.25% ≥ Alto, indicador de un espacio
de aprendizaje colaborativo exitoso. Estos
resultados reflejaron que la estrategia generó
interés y motivación, así como satisfacción en
la utilización de recursos tecnológicos e
inteligencia artificial en el aprendizaje de
Matemática.
Análisis de Participación en el Foro
Se evaluó la participación de los estudiantes en
el foro del EVA considerando la cantidad de
aportes, la calidad de las intervenciones y la
retroalimentación entre pares. La mayoría de los
estudiantes participó activamente,
compartiendo gráficos, resoluciones de
problemas y comentarios constructivos, lo que
favoreció el aprendizaje colaborativo.
Figura 3. Participación en foro
Nota. Participación activa de los estudiantes en el foro
donde compartieron ideas, debatieron conceptos y
reflexionaron sobre los temas tratados en todo el curso.
Tomada de “Entre líneas y parábolas” [fotografía] página
web 2025,
www.sites.google.com/view/entre-lineas-y-
parabolas/conclusión
Conclusiones de la Validación
La mejora estadística en promedios y la alta
satisfacción estudiantil confirmaron la validez
del propósito, contenido e implementación de la
estrategia. La valoración de los expertos y en
particular del docente del paralelo donde se
implementó la propuesta, expresan la
representatividad de los criterios de docentes de
la Institución y calidad del diseño de la
estrategia didáctica para el uso de la inteligencia
artificial en la enseñanza aprendizaje de la
Matemática en décimo año. Se recomienda
adaptar y proponer la propuesta a otras unidades
educativas, manteniendo el énfasis en
formación de docentes para maximizar los
beneficios de la IA en Matemática. Con base en
estos resultados, la propuesta queda validada
como un aporte innovador y efectivo para la
enseñanza-aprendizaje de funciones en décimo
año, a partir de la estimulación de la motivación
y el rendimiento académico observados.
Conclusiones
La implementación de una estrategia didáctica
que integró herramientas de inteligencia
artificial en la enseñanza de Matemáticas en la
Unidad Educativa Dolores Veintimilla de
Galindo demostró ser una solución viable para
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 390
abordar el bajo rendimiento y la desmotivación
de los estudiantes en esta asignatura. Se
identificaron las necesidades específicas del
alumnado, lo que permitió diseñar actividades
personalizadas alineadas con las demandas
educativas del siglo XXI. La propuesta se
fundamentó en la necesidad de transformar el
proceso de enseñanza-aprendizaje, utilizando la
IA como un recurso que, además de facilitar la
comprensión de conceptos matemáticos,
promovió la motivación e interés de los
estudiantes y contribuyó a la personalización
del aprendizaje. Esta personalización, apoyada
por herramientas tecnológicas, permitió a cada
alumno avanzar a su propio ritmo, lo que se
tradujo en un aumento del rendimiento
académico. En coherencia con el marco teórico,
se evidenció que la IA mejoró
significativamente la retroalimentación y la
adaptación del contenido a las necesidades
individuales. Las actividades propuestas, que
incluyeron el uso de plataformas como
GeoGebra, Desmos, WolframAlpha y
Wordwall, se sustentaron en investigaciones
previas que demostraron su efectividad en la
enseñanza de Matemáticas. Asimismo, se
observó que el enfoque colaborativo y la
gamificación fomentaron un ambiente de
aprendizaje dinámico y participativo, donde los
estudiantes se sintieron más involucrados y
motivados. La propuesta destacó la importancia
del rol del docente en la mediación del
aprendizaje, ya que, a pesar de que la IA ofreció
herramientas poderosas, el acompañamiento y
la guía del profesor fueron esenciales para
interpretar los datos y ajustar las estrategias
pedagógicas. Por lo tanto, la capacitación
docente en el uso de estas tecnologías resultó
ser un componente crítico para el éxito de la
implementación. También se reconocieron
limitaciones como la falta de acceso a
tecnología adecuada y la resistencia al cambio
por parte del personal docente. Para superar
estos obstáculos, se recomendó iniciar la
implementación de manera gradual,
comenzando con actividades sencillas y
accesibles que permitieran a los docentes y
estudiantes familiarizarse con las herramientas
de IA. La estrategia didáctica propuesta,
además de mejorar el rendimiento académico en
Matemáticas, fomentó un aprendizaje más
interactivo y motivador. La coherencia entre los
aportes teóricos que la antecedieron y la
propuesta práctica reforzó la validez de esta
intervención, que tuvo el potencial de
transformar la experiencia educativa en la
Unidad Educativa Dolores Veintimilla de
Galindo, contribuyendo a preparar a los
estudiantes para enfrentar los desafíos del
futuro.
Referencias Bibliográficas
Brunner, J. (2021). El aprendizaje como
construcción social. Editorial Universitaria.
Bustillos, D., Duarte, A., Hidalgo, D., & Mullo,
K. (2024). Uso de la inteligencia artificial en
la resolución de problemas matemáticos.
Revista de Innovación Educativa, 18(2),
134–148.
Creswell, J. (2014). Research design:
Qualitative, quantitative, and mixed methods
approaches (4th ed.). SAGE Publications.
Duarte, A., Bustillos, D., Hidalgo, D., & Mullo,
K. (2024). Factores que afectan el
rendimiento académico en matemáticas: Un
enfoque desde la inteligencia artificial.
Revista Científica de Educación, 10(1), 57–
70.
Fernández, L., Gómez, R., & Torres, A. (2024).
Efectividad de plataformas de aprendizaje
adaptativas en matemáticas. Revista de
Educación y Tecnología, 9(2), 150–165.
García, M., & Crespo, J. (2025). Inteligencia
artificial como apoyo en la enseñanza: Un
análisis desde la perspectiva docente. Revista
Iberoamericana de Investigación Educativa,
21(1), 45–62.
González, R., Torres, L., & Salinas, E. (2022).
Formación docente en tecnologías
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 12.1
Edición Especial V 2025
Página 391
emergentes: Un estudio de caso. Journal of
Educational Technology, 10(1), 45–58.
González, C. (2023). El impacto de la
inteligencia artificial en la educación:
Perspectivas y retos. Revista
Latinoamericana de Educación y
Tecnología, 12(3), 89–104.
Hidalgo, D. (2024). Gamificación y aprendizaje
adaptativo con inteligencia artificial. Revista
de Innovación Educativa, 17(1), 112–125.
Kapp, K. (2022). Gamification in training and
education: Game-based methods and
strategies for training and education. Wiley.
López, S., & Martínez, P. (2023). Adaptación
de métodos de enseñanza a las inteligencias
múltiples en matemáticas. Revista de
Investigación Educativa, 12(3), 201–215.
Martínez, A., & Rodríguez, F. (2023). Chatbots
educativos en la enseñanza de matemáticas:
Una herramienta innovadora. Educación y
Tecnología, 8(4), 300–315.
Russell, S., & Norvig, P. (2021). Artificial
intelligence: A modern approach (4th ed.).
Pearson.
Santillana Compartir. (2024). Guía de
estrategias educativas de inteligencia
artificial en educación. Editorial Santillana.
Santos, J., Gómez, R., & Fernández, M. (2023).
Personalización del aprendizaje mediante
inteligencia artificial: Un enfoque en
matemáticas. Revista de Innovación
Educativa, 16(1), 75–90.
Tiana, S., & Medina, P. (2023). Estrategia
didáctica sistémica con e-actividades en el
desarrollo de la evaluación formativa.
Horizontes. Revista de Investigación en
Ciencias de la Educación.
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Gabriela Piedad
Urgilés Pérez, Jeovanna Catalinan Faicán Gómez,
Elsa Iris Montenegro Moracén y Tatiana Yobanka
Tapia Bastidas.
