La inteligencia artificial como herramienta para el fortalecimiento del aprendizaje significativo en el aula
DOI:
https://doi.org/10.63535/bmrzft89Palabras clave:
Inteligencia artificial; Aprendizaje significativo; Edutecnología.Resumen
El estudio planteó como objetivo: analizar la implicación de la inteligencia artificial como herramienta para el fortalecimiento del aprendizaje significativo en el aula del contexto educativo ecuatoriano. Se enmarcó en un enfoque cuantitativo, asumiendo un diseño experimental de corte evaluativo. El estudio se centra en una población compuesta por estudiantes ecuatorianos de dos niveles educativos: 2500 estudiantes de Bachillerato y 2480 estudiantes de Educación General Básica (EGB). Para garantizar la representatividad de los resultados, se aplicó un muestreo estratificado. El cálculo muestral se realizó considerando un nivel de confianza del 95% y un margen de error del 5%. Para la recolección de datos, se emplearon pruebas estandarizadas como instrumento principal, lo que garantiza la validez de los resultados obtenidos. Dichas pruebas fueron evaluadas mediante el coeficiente de confiabilidad KR-20, alcanzando un valor de 0,89, lo que indica un alto nivel de consistencia interna en las mediciones realizadas. El análisis estadístico se fortaleció mediante diversas técnicas, entre ellas, la proyección lineal múltiple, el análisis de varianza (ANOVA) y las medidas de tendencia central. El modelo de regresión lineal múltiple permitió identificar las relaciones entre las variables independientes y dependientes. Los resultados mostraron que el uso regular de herramientas de IA tiene una correlación positiva significativa con el rendimiento académico (β = 0.45, p < 0.01) y con la motivación estudiantil (β = 0.38, p < 0.05). Los hallazgos sugieren que la inteligencia artificial tiene un impacto positivo en el aprendizaje significativo, especialmente en contextos donde existe un acceso adecuado a la tecnología educativa. Sin embargo, se observó que la falta de infraestructura tecnológica en ciertas instituciones limita el alcance de los beneficios.
Descargas
Referencias
Ausubel, D. (1963). The psychology of meaningful verbal learning. Grune & Stratton.
Bell, F. (2011). Connectivism: its place in theory-informed research and innovation in technology-enabled learning. The International Review of Research in Open and Distributed Learning, 12(3), 98-118. DOI: https://doi.org/10.19173/irrodl.v12i3.902
Downes, S. (2007). What connectivism is. Half an hour. https://halfanhour.blogspot.com
Ertmer, P., y Ottenbreit, A. (2010). El cambio tecnológico en la educación: cómo se intersecan el conocimiento, la confianza, las creencias y la cultura. Revista de Investigación en Educación con Tecnología, 42(3), 255-284.
Garrison, D., y Vaughan, N. (2008). Aprendizaje híbrido en la educación superior: marco, principios y directrices. San Francisco: Jossey-Bass.
Hernández, R., Fernández, C., y Baptista, L. (2014). Metodología de la investigación. México: Mc Graw Hill.
Holmes, W., Bialik, M., & Fadel, C. (2019). Inteligencia artificial en la educación: promesas e implicaciones para la enseñanza y el aprendizaje. Centro para el Rediseño del Currículo: NY.
IBM Corp. (2020). IBM SPSS statistics for windows, version 27.0. Armonk, NY: IBM Corp.
Instituto Nacional de Evaluación Educativa (2019). Informe nacional de evaluación educativa. Quito: INEVAL.
Kuder, G., y Richardson, M. (1937). La teoría de la estimación de la fiabilidad de las pruebas. Psychometrika, 2(3), 151–160. DOI: https://doi.org/10.1007/BF02288391
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: an argument for ai in education. NY: Pearson.
Ministerio de Educación del Ecuador (2022). Informe sobre la digitalización educativa en Ecuador. Quito: MINEDUC.
Palella, S., y Martins, F. (2010). Metodología de la investigación cuantitativa. Venezuela: PANAPO.
Papert, S. (2003). The children's machine: rethinking school in the age of the computer. NY: Basic Books.
Prensky, M. (2001). Nativos digitales, inmigrantes digitales parte 1. En el Horizonte, 9(5), 1-6.
Sánchez, M., y Pérez, J. (2020). Tecnología educativa en América Latina: un análisis desde la perspectiva del aprendizaje significativo. Revista Iberoamericana de Educación, 84(2), 45-60.
Selwyn, N. (2019). ¿Deben los robots reemplazar a los docentes? IA y el futuro de la educación. Polity Press.
Siemens, G. (2005). Connectivism: a learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1), 3-10.
UNESCO (2021). Informe de seguimiento global de la educación: tecnología y educación, el salto a la igualdad. París: UNESCO Publishing.
Zawacki, O., Marín, V., 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). DOI: https://doi.org/10.1186/s41239-019-0171-0
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Jaime Vinicio Calderón Yépez, Viviana Cristina Escobar Ramos, José Johvanny Calderón Yépez, Rodrigo Anthony Calderón Yépez (Autor/a)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Aviso de Derechos de Autor y Licenciamiento
1. Retención y Cesión de Derechos
Los autores/as que publican en la Revista Científica Prospherus conservan la titularidad de los derechos de autor (Copyright) sobre sus trabajos, cediendo a la revista el derecho de la primera publicación. Esta publicación inicial se realiza bajo los términos de la licencia Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0 Internacional (CC BY-NC-ND 4.0).
2. Condiciones de Reutilización
La licencia CC BY-NC-ND 4.0 permite a cualquier usuario leer, descargar, copiar y distribuir el trabajo publicado, siempre y cuando se cumplan estrictamente las siguientes tres condiciones:
-
Reconocimiento (BY): Se debe mencionar de forma clara y explícita la autoría del trabajo y citar la publicación original en esta revista.
-
NoComercial (NC): El uso del material debe ser siempre sin fines comerciales.
-
SinObrasDerivadas (ND): El trabajo debe mantenerse en su integridad original, y no se permite la modificación, adaptación o creación de obras derivadas (como traducciones o remezclas) basadas en el artículo.
3. Acuerdos Contractuales Adicionales y Repositorios
Los autores tienen permitido realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión publicada del artículo (por ejemplo, incluirlo en un repositorio institucional o en una página web personal) siempre que:
-
Se indique de manera inequívoca que el trabajo se publicó por primera vez en la Revista Científica Prospherus.
-
La redistribución respete los términos restrictivos de la licencia CC BY-NC-ND 4.0 (uso no comercial y sin modificaciones).
4. Descargo de Responsabilidad
La Revista Científica Prospherus no será responsable, bajo ninguna circunstancia, de cualquier reclamación directa, indirecta, incidental, punitiva o consecuente por infracción de derechos de autor relacionada con los artículos que han sido publicados en cualquiera de sus números. La responsabilidad sobre la originalidad y la obtención de permisos para material de terceros recae enteramente en los autores.







