Tutoría Basada en Inteligencia Artificial para Fortalecer el Razonamiento Proporcional en Estudiantes de Primer Semestre

María Sofía Giler-Sánchez; Janeth Rocío Jácome-Gómez

doi:10.70171/b4pxp193

Autores/as

María Sofía Giler-Sánchez Universidad Laica Eloy Alfaro de Manabí Autor/a https://orcid.org/0009-0007-3876-3117
Janeth Rocío Jácome-Gómez Universidad Laica Eloy Alfaro de Manabí Autor/a https://orcid.org/0000-0001-7023-5911

DOI:

https://doi.org/10.70171/b4pxp193

Palabras clave:

intervención educativa, pensamiento matemático, sistema de tutoría inteligente

Resumen

Justificación: Las deficiencias en el razonamiento proporcional con las que los estudiantes ingresan a la educación superior inciden en la comprensión de contenidos más complejos; por lo que se requieren estrategias pedagógicas que permitan superar estas dificultades. Objetivo: Evaluar la efectividad de la tutoría basada en inteligencia artificial para fortalecer el razonamiento proporcional en estudiantes de primer semestre de una universidad pública en la provincia de Manabí, Ecuador. Metodología: Enfoque cuantitativo de alcance descriptivo-comparativo con diseño preexperimental de tipo pretest-postest con dos grupos. La muestra estuvo conformada por 78 estudiantes. La intervención consistió en una tutoría con uso de herramientas de inteligencia artificial, estructurada en dos momentos: construcción de conocimientos previos y resolución de problemas de proporcionalidad. Para la recolección de datos se empleó dos pruebas de desempeño orientada a evaluar la identificación, estructuración y aplicación de la relación proporcional. Resultados: Tras la intervención pedagógica, los resultados mostraron un desplazamiento hacia niveles superiores de desempeño en ambos grupos, con una reducción del nivel bajo y un incremento significativo del nivel alto. Específicamente, se observaron mejoras en la identificación, estructuración y aplicación de la relación proporcional; sin embargo, el cambio en la identificación fue menos pronunciado. Las pruebas inferenciales mostraron diferencias estadísticamente significativas entre el pretest y el postest (p < ,001), con tamaños del efecto grandes. Conclusión: La tutoría basada en inteligencia artificial fortaleció el razonamiento proporcional en los estudiantes de primer semestre que participaron de este estudio.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Aviña González, M. J., Vargas Alejo, V., Alvarado Monroy, A., & Escalante, C. C. (2019). Ciclos de entendimiento de estudiantes universitarios al resolver una actividad de proporcionalidad. CPU-e. Revista de Investigación Educativa, (29), 58-86. https://www.scielo.org.mx/pdf/cpue/n29/1870-5308-cpue-29-58.pdf DOI: https://doi.org/10.25009/cpue.v0i29.2633

Awang, L. A., Yusop, F. D., & Danaee, M. (2025). Current practices and future direction of artificial intelligence in mathematics education: A systematic review. International Electronic Journal of Mathematics Education, 20(2), em0823. https://doi.org/10.29333/iejme/16006 DOI: https://doi.org/10.29333/iejme/16006

Barrón, G. G. P. (2025). Artificial Intelligence and Intelligent Tutoring Systems in Differential Calculus Education: A Global Review (2019–2025). Sch J Eng Tech, 10, 807-812. https://doi.org/10.36347/sjet.2025.v13i10.003 DOI: https://doi.org/10.36347/sjet.2025.v13i10.003

Bravo-Guerrero, F. E. (2020). Dificultades que enfrentan los nuevos estudiantes universitarios en matemática. INNOVA Research Journal, 5(1), 1-13. https://doi.org/10.33890/innova.v5.n1.2020.994 DOI: https://doi.org/10.33890/innova.v5.n1.2020.994

Castillo Céspedes, M. J., Burgos Navarro, M., & Díaz Godino, J. (2022). Guía de análisis de lecciones de libros de texto de Matemáticas en el tema de proporcionalidad. Uniciencia, 36(1), 234-252. http://dx.doi.org/10.15359/ru.36-1.14 DOI: https://doi.org/10.15359/ru.36-1.14

Checa, A. N., & Artero, R. N. M. (2025). ¿ Ha mejorado el razonamiento proporcional en futuros maestros?. Edetania: estudios y propuestas socio-educativas, (67), 65-89. https://dialnet.unirioja.es/servlet/articulo?codigo=10582851 DOI: https://doi.org/10.46583/edetania_2025.67.1151

Cuevas-Vallejo, A., Islas-Ortiz, E., & Orozco-Santiago, J. (2023). Promover el razonamiento proporcional mediante la tecnología digital. Apertura (Guadalajara, Jal.), 15(1), 84-101. https://doi.org/10.32870/ap.v15n1.2344 DOI: https://doi.org/10.32870/Ap.v15n1.2344

Edson, A. J., Fabry, A., Kohar, A. W., Bondaryk, L., & Phillips, E. D. (2025). Addressing design challenges when integrating machine learning with a digital annotation system to examine student proportional reasoning. Digital Experiences in Mathematics Education, 11(1), 42-76. https://doi.org/10.1007/s40751-024-00163-8 DOI: https://doi.org/10.1007/s40751-024-00163-8

Encalada, C. E. T., & Muñoz, V. E. P. (2024). Pensamiento Analítico-Matemático de los Estudiantes de Primer Ciclo de Ingeniería Electromecánica en la Universidad Nacional de Loja, Año 2023. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 4833-4864. https://doi.org/10.37811/cl_rcm.v8i3.11688 DOI: https://doi.org/10.37811/cl_rcm.v8i3.11688

Gamboa Araya, R., Castillo Sánchez, M., & Hidalgo Mora, R. (2019). Errores matemáticos de estudiantes que ingresan a la universidad. Actualidades investigativas en educación, 19(1), 104-136. http://dx.doi.org/10.15517/aie.v19i1.35278 DOI: https://doi.org/10.15517/aie.v19i1.35278

Hanna, G. (2020). Mathematical proof, argumentation, and reasoning. In Encyclopedia of mathematics education (pp. 561-566). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-030-15789-0_102 DOI: https://doi.org/10.1007/978-3-030-15789-0_102

Instituto Nacional de Evaluación Educativa & OCDE. (2018). Educación en Ecuador: Resultados de PISA para el Desarrollo. https://evaluaciones.evaluacion.gob.ec/BI/educacion-en-ecuador-resultados-de-pisa-para-el-desarrollo/

Instituto Nacional de Evaluación Educativa. (2025). Informe nacional Ser Estudiante: Nivel de bachillerato, año lectivo 2023–2024. https://cloud.evaluacion.gob.ec/dagireportes/sestciclo21/nacional/2023-2024_3.pdf

Izzatin, M. (2021, December). Proportional Reasoning in Mathematics: What and How is the Process?. In 2nd International Conference on Innovation in Education and Pedagogy (ICIEP 2020) (pp. 115-119). Atlantis Press. https://doi.org/10.2991/assehr.k.211219.022 DOI: https://doi.org/10.2991/assehr.k.211219.022

Jarrín-García, G. H., & Alvarez-Maldonado, M. A. (2025). Estrés Académico y Pruebas de Admisión: Retos del Acceso a la Educación Superior en Ecuador. Erevna Research Reports, 3(1), 27-27. https://doi.org/10.70171/tev26p09 DOI: https://doi.org/10.70171/tev26p09

Kerby, D. S. (2014). The simple difference formula: An approach to teaching nonparametric correlation. Comprehensive Psychology, 3, 11-IT. https://doi.org/10.2466/11.IT.3.1 DOI: https://doi.org/10.2466/11.IT.3.1

Kudaisi, A.-G. B. (2025). Artificial intelligence in mathematics classroom: Exploring the potency of MathGPTPro in enhancing secondary school students' cognitive proficiency in circle theorems. SSRN. https://doi.org/10.2139/ssrn.5747623 DOI: https://doi.org/10.2139/ssrn.5747623

Kuncoro, K. S., Fitriasari, P., Erlangga, S. Y., Ario, M., & Kartika, D. L. (2026). Artificial Intelligence and Intelligent Tutoring Systems in Mathematics Education: A Bibliometric Analysis (2001–2025). F1000Research, 15, 107. https://doi.org/10.12688/f1000research.176098.1 DOI: https://doi.org/10.12688/f1000research.176098.1

Kyndt, E., Donche, V., Trigwell, K., & Lindblom-Ylänne, S. (2017). Higher education transitions. New York: Taylor & Francis. DOI: https://doi.org/10.4324/9781315617367

Lara, F., Orzales, V. M., Dagasdas, M. J., & Egoy, C. J. Q. (2025). Evaluating the impact of artificial intelligence on teaching and learning mathematics at the secondary school level. International Journal of Research and Innovation in Social Science, 9(7), 2699-2714. https://dx.doi.org/10.47772/IJRISS.2025.907000220 DOI: https://doi.org/10.47772/IJRISS.2025.907000220

Lara, M., & Brouwer, J. (2023). HIGH SCHOOL AND HIGHER EDUCATION STUDENTS’PERSPECTIVES ABOUT RELEVANT SKILLS FOR A SUCCESSFUL TRANSITION TO HIGHER EDUCATION. In EDULEARN23 Proceedings (pp. 2943-2943). IATED. https://doi.org/10.21125/edulearn.2023.0828 DOI: https://doi.org/10.21125/edulearn.2023.0828

Latif, E., Liu, V., & Zhai, X. (2026). A systematic review of intelligent and robot tutoring systems: evolution, pedagogical design, and AI-driven classification. Smart Learning Environments, 13(1), 1. https://doi.org/10.1186/s40561-025-00427-9 DOI: https://doi.org/10.1186/s40561-025-00427-9

Lesh, R., Post, T., & Behr, M. (1988). Proportional reasoning. In Number concepts and operations in the middle grades (pp. 93-118). Routledge. DOI: https://doi.org/10.4324/9781003726777-6

Lugo Lugo, C. A., García Torres, E., & Palmas Pérez, S. A. (2024). Niveles de razonamiento proporcional y micromundos. Un estudio en telesecundaria unitaria. Uniciencia, 38(1), 230-249. http://dx.doi.org/10.15359/ru.38-1.13 DOI: https://doi.org/10.15359/ru.38-1.13

Niño-Rojas, F., Lancheros-Cuesta, D., Jiménez-Valderrama, M. T. P., Mestre, G., & Gómez, S. (2024). Systematic Review: Trends in Intelligent Tutoring Systems in Mathematics Teaching and Learning. International Journal of Education in Mathematics, Science and Technology, 12(1), 203-229. https://doi.org/10.46328/ijemst.3189 DOI: https://doi.org/10.46328/ijemst.3189

OCDE. (2023). PISA 2022 results (Volume I): The state of learning and equity in education. OECD Publishing. https://doi.org/10.1787/53f23881-en DOI: https://doi.org/10.1787/53f23881-en

Paiva, R. C., Ferreira, M. S., & Frade, M. M. (2017). Intelligent tutorial system based on personalized system of instruction to teach or remind mathematical concepts. Journal of Computer Assisted Learning, 33(4), 370-381. https://doi.org/10.1111/jcal.12186 DOI: https://doi.org/10.1111/jcal.12186

Proulx, J. (2024). Relative proportional reasoning: transition from additive to multiplicative thinking through qualitative and quantitative enmeshments. International Journal of Science and Mathematics Education, 22(2), 353-374. https://doi.org/10.1007/s10763-023-10373-y DOI: https://doi.org/10.1007/s10763-023-10373-y

Sevilla, A., Cuevas-Ruiz, P., Rello, L., & Sanz, I. (2025). Artificial intelligence in education: computer-assisted learning and AI-guided tutors. Italian Economic Journal, 1-38. https://doi.org/10.1007/s40797-025-00354-1 DOI: https://doi.org/10.1007/s40797-025-00354-1

Sornoza, Z. A. M., & Suárez, Á. A. M. (2026). Didáctica del razonamiento proporcional y reducción de errores sistemáticos en matemática. Visión Académica, 4(1), 87-98. https://doi.org/10.70577/03xexv66 DOI: https://doi.org/10.70577/03xexv66

Souza, A. C. D., Alexandre, N. M. C., & Guirardello, E. D. B. (2017). Psychometric properties in instruments evaluation of reliability and validity. Epidemiologia e servicos de saude, 26, 649-659. http://dx.doi.org/10.5123/s1679-49742017000300022 DOI: https://doi.org/10.5123/S1679-49742017000300022

Thompson, P. W. (2018). Artificial intelligence, advanced technology, and learning and teaching algebra. In Research issues in the learning and teaching of algebra (pp. 135-161). Routledge. DOI: https://doi.org/10.4324/9781315044378-11

Thurn, C., Nussbaumer, D., Schumacher, R., & Stern, E. (2022). The role of prior knowledge and intelligence in gaining from a training on proportional reasoning. Journal of Intelligence, 10(2), 31. https://doi.org/10.3390/jintelligence10020031 DOI: https://doi.org/10.3390/jintelligence10020031

Velásquez, L. E. G., Villavicencio, M. V. N., & Toro, J. A. R. (2022). Conocimientos matemáticos de la población estudiantil al ingresar en la Universidad Técnica Luis Vargas Torres Mathematical knowledge of the student population upon entering the Luis Vargas Torres Technical University. Brazilian Journal of Development, 8(1), 6992-7006. https://doi.org/10.34117/bjdv8n1-472 DOI: https://doi.org/10.34117/bjdv8n1-472

Wang, D., Shan, D., Ju, R., Kao, B., Zhang, C., & Chen, G. (2025). Investigating dialogic interaction in K12 online one-on-one mathematics tutoring using AI and sequence mining techniques. Education and Information Technologies, 30(7), 9215-9240. https://doi.org/10.1007/s10639-024-13195-9 DOI: https://doi.org/10.1007/s10639-024-13195-9