Inteligencia artificial generativa como apoyo para la resolución de problemas de Matemáticas y Física en Educación Secundaria: Revisión sistemática cualitativa

Resumen

La inteligencia artificial generativa puede orientar la resolución de problemas, pero mejorar el producto asistido no equivale a aprendizaje independiente. De ahí que el objetivo de este estudio sea examinar, en estudiantes de secundaria que resuelven problemas de matemáticas o física, los efectos de la inteligencia artificial generativa (IAG) sobre el desempeño sin asistencia, la comprensión conceptual, la transferencia y la retención, y analizar su variación según la tarea, la configuración y la mediación docente. Se realizó una revisión sistemática con síntesis narrativa, sin metaanálisis. Se buscaron, en ERIC, Scopus, Web of Science Core Collection, Education Source y APA PsycINFO, artículos comparativos en español o inglés sobre el uso directo de la IAG por estudiantes de secundaria, publicados entre enero de 2020 y el 30 de agosto de 2026. Dos revisores seleccionaron los estudios y evaluaron de forma independiente el riesgo de sesgo.  Tres estudios aportaron hallazgos comparativos: un ensayo aleatorizado y dos estudios cuasiexperimentales. Los apoyos estructurados mejoraron el desempeño durante la práctica o el conocimiento inmediato. Sin embargo, un chatbot abierto elevó el rendimiento asistido y se asoció con un peor desempeño posterior sin ayuda; las salvaguardas atenuaron el perjuicio, pero no demostraron una ventaja autónoma. La transferencia y la retención no se evaluaron por separado; la heterogeneidad y la escasez de estudios limitaron la confianza en los hallazgos. No se estableció un beneficio uniforme para el aprendizaje independiente. La IAG debe emplearse como andamiaje verificable, con un intento previo, pistas graduadas, comprobación independiente, mediación docente y retirada progresiva, no como sustituto del razonamiento.