Aplicación de IA en Educación Básica para fortalecer el aprendizaje y la motivación escolar
DOI:
https://doi.org/10.64747/dbkg2w76Palabras clave:
IA educativa, motivación escolar, educación inicial, tecnologías adaptativas, aprendizaje personalizadoResumen
Este estudio analiza el impacto de la inteligencia artificial (IA) en el aprendizaje y la motivación escolar de estudiantes de educación inicial en instituciones fiscales urbanas de Guayaquil, Ecuador. Se aplicó una metodología cuantitativa, descriptiva correlacional, utilizando datos secundarios de registros escolares y un cuestionario estructurado dirigido a docentes. Los resultados muestran que el uso frecuente de herramientas de IA como plataformas adaptativas, asistentes virtuales y juegos educativos inteligentes se asocia con mayor asistencia escolar, progreso en competencias básicas y altos niveles de motivación percibida por parte de los docentes. Las correlaciones entre uso de IA y estas variables resultaron estadísticamente significativas. Se concluye que la integración de IA en el aula, incluso en contextos con infraestructura limitada, puede fortalecer el proceso de enseñanza aprendizaje y motivar a los estudiantes. El estudio destaca la importancia de considerar el contexto local, la formación docente y la adaptabilidad de las tecnologías para garantizar resultados positivos.
Referencias
Chen, B., Hwang, G.-H., & Wang, S.-H. (2021). Gender differences in cognitive load when applying game based learning with intelligent robots. Educational Technology & Society, 24(3), 102–115. https://doi.org/10.30191/ETS.202107_24(3).0008
Han, F., Ellis, R. A., & Pardo, A. (2022). The descriptive features and quantitative aspects of students’ observed online learning: How are they related to self reported perceptions and learning outcomes? IEEE Transactions on Learning Technologies, 15(1), 32–41. https://doi.org/10.1109/TLT.2022.3153001
Kumar, R., & Rosé, C. P. (2011). Architecture for building conversational agents that support collaborative learning. IEEE Transactions on Learning Technologies, 4(1), 21–34. https://doi.org/10.1109/TLT.2010.41
Papamitsiou, Z., Giannakos, M., Simon, & Luxton Reilly, A. (2020). Computing education research landscape through an analysis of keywords. Proceedings of the 2020 ACM Conference on International Computing Education Research (ICER ’20), 102–112. https://doi.org/10.1145/3372782.3406276
Rodríguez Martínez, J. A., González Calero, J. A., del Olmo Muñoz, J., Arnau, D., & Tirado Olivares, S. (2023). Building personalised homework from a learning analytics based formative assessment: Effect on fifth grade students’ understanding of fractions. British Journal of Educational Technology, 54(1), 76–97. https://doi.org/10.1111/bjet.13292
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Patricia Jacqueline Baldeón Medina, Teófilo Bolívar González Yagual, Carla Daniela Izquierdo Corozo, Karlha Mariana Villalba Vélez (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
