Retroalimentación formativa con inteligencia artificial generativa y su efecto en el razonamiento matemático universitario
DOI:
https://doi.org/10.70881/hnj/v4/n3/158Palabras clave:
retroalimentación formativa, inteligencia artificial generativa, razonamiento matemático, educación superior, resolución de problemasResumen
El presente estudio evalúa el impacto de la retroalimentación formativa automatizada mediante inteligencia artificial generativa sobre el pensamiento matemático avanzado y la ansiedad hacia las matemáticas en la educación superior. Mediante un diseño cuantitativo cuasi-experimental con mediciones pretest y postest, se analizó una muestra de 120 estudiantes de segundo año de ingeniería divididos equitativamente en un grupo experimental (n = 60), que recibió andamiaje socrático adaptativo basado en el método de Polya y la Escalera de Wilson administrado por un asistente configurado con GPT-4o, y un grupo de control (n = 60), expuesto a retroalimentación docente analógica convencional. Los resultados del post-test revelaron diferencias altamente significativas a favor del grupo experimental (M = 72.96; DE = 10.41) frente al de control (M = 63.30; DE = 10.14; t = 5.147; p < 0.001), demostrando un tamaño del efecto de gran magnitud (d = 0.940). Asimismo, se observó una disminución significativa en la ansiedad matemática y un incremento de la autoeficacia, aunque persisten reticencias debidas a desajustes cualitativos del software. Se concluye que el andamiaje algorítmico guiado optimiza la carga cognitiva y promueve el aprendizaje independiente, siempre que se restrinja la entrega directa de respuestas completas para evitar la dependencia de los estudiantes
Descargas
Referencias
Black, P., & Wiliam, D. (2018). Classroom assessment and pedagogy. Assessment in Education: Principles, Policy & Practice, 25(6), 551–575. https://doi.org/10.1080/0969594X.2018.1441807
Borja, N., Chasiliquin, L., Grados, M., Toro, J., & Vera, M. (2025). El uso de inteligencia artificial para fomentar la resolución de problemas en estudiantes con baja capacidad de razonamiento lógico-matemático. Revista Veritas de Difusión Científica, 6(1), 1649–1670. https://doi.org/10.61616/rvdc.v6i1.476
Celik, I. (2022). Towards systematic design of artificial intelligence education in teacher training: An AI literacy framework. Education and Information Technologies, 27(1), 121–144. https://doi.org/10.1007/s10639-021-10515-3
Hennessey, S., Mercer, N., & Warwick, P. (2026). Teacher students' experiences of AI-generated feedback in collaborative settings. Teacher Development, 30(1), 89–108. https://doi.org/10.1080/10476210.2026.2655770
Hossein-Mohand, H., Hossein-Mohand, H., García-Alonso, M., & Olmos-Gómez, M. C. (2026). Generative AI in university mathematics: Attitudes and academic-leisure use patterns. Electronic Journal of e-Learning, 24(4), 18–31. https://doi.org/10.34190/ejel.24.4.3110
Leiva-Guerrero, M. V., Araya Zamorano, I., Escobar Collins, R., & Silva Castro, F. (2026). Feedback on learning with generative artificial intelligence in university students [Retroalimentación de aprendizajes con inteligencia artificial generativa en estudiantes universitarios]. RIED. Revista Iberoamericana de Educación a Distancia, 29(1), 241–267. https://doi.org/10.5944/ried.45547
Liu, B., Zhang, W., & Wang, F. (2025). Can generative artificial intelligence effectively enhance students' mathematics learning outcomes? A meta-analysis of empirical studies from 2023 to 2025. Education Sciences, 15(6), Article 816. https://doi.org/10.3390/educsci15060816
Ma, Y., & Zhong, X. (2025). A meta-analysis of the impact of generative artificial intelligence on learning outcomes. Journal of Computer Assisted Learning, 41(5), e70117. https://doi.org/10.1111/jcal.70117
Rigaud Téllez, N., Rayón Villela, P., & Blanco Bautista, R. (2024). Evaluating ChatGPT-generated linear algebra formative assessments. International Journal of Interactive Multimedia and Artificial Intelligence, 8(5), 75–82. https://doi.org/10.9781/ijimai.2024.03.003
Rivas-Díaz, J., Cevallos-Méndez, C., & Llange-Nieves, Z. (2024). Uso de modelos de inteligencia artificial en la optimización de la enseñanza de matemáticas en la educación superior. Reincisol, 3(6), 4334–4350. https://doi.org/10.56781/reincisol.v3i6.4334
Sosas, M. R. D., Fat, A. F. G., Dangculos, J. M. M., Anoba, H. R. P., Remiscal, C. G., & Aleguen, J. M. (2026). Use of ChatGPT as a supplemental learning tool in mathematics. Contemporary Mathematics and Science Education, 7(1), ep26004. https://doi.org/10.30935/conmaths/17989
Urhan, S., Gençaslan, O., & Dost, Ş. (2026). Is ChatGPT a rational assistant for university students during mathematical reasoning? Science & Education. Advance online publication. https://doi.org/10.1007/s11191-025-00681-y
Wahbeh, F., Ghnaim, F., & Al-orainat, L. (2026). The impact of ChatGPT usage intensity on mathematics anxiety and perceived problem-solving skills among undergraduate students. International Journal of Engineering Pedagogy (iJEP), 16(2), 45–62. https://doi.org/10.3991/ijep.v16i2.60901
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Juan Jacinto Macias Hinojoza, Carlos Manuel Núñez Michuy, Angel Patricio Verdezoto-Michuy, Adriana Raquel Velasco Borja (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Cómo citar
:
