Inteligencia artificial en la enseñanza de la matemática universitaria: entre la innovación pedagógica y el riesgo del aprendizaje superficial
DOI:
https://doi.org/10.71068/ac2mz333Palabras clave:
Inteligencia Artificial, educación, matemática universitaria, innovación pedagógica, aprendizaje superficialResumen
La integración de la Inteligencia Artificial (IA) en la enseñanza de la matemática universitaria presenta una dualidad fundamental. Por un lado, ofrece oportunidades transformadoras como la personalización del aprendizaje, la retroalimentación inmediata y la democratización del acceso a tutorías, permitiendo una innovación pedagógica significativa. Por otro lado, conlleva riesgos sustanciales de fomentar un aprendizaje superficial, caracterizado por la dependencia cognitiva, la erosión de habilidades de razonamiento y la ilusión de comprensión. Este estudio, basado en una revisión sistemática de literatura especializada (2018-2025), identifica una brecha perceptual crítica: mientras el 68% de los estudiantes valora la IA por su inmediatez y accesibilidad, solo el 25% del profesorado percibe su impacto positivamente, mostrando escepticismo fundamentado en los riesgos pedagógicos. La efectividad de la IA depende críticamente de factores contextuales; los Sistemas Tutores Inteligentes (STI) muestran un impacto pedagógico positivo (40% de reducción en tasas de reprobación), mientras que el uso de chatbots genéricos sin supervisión se asocia con mayores riesgos. Se concluye que el factor determinante no es la tecnología en sí, sino el diseño instruccional y la supervisión pedagógica que la enmarcan. La implementación exitosa requiere adoptar un modelo de “aumento cognitivo” que priorice el proceso de pensamiento sobre la mera obtención de respuestas, asegurando que la IA amplifique y no reemplace el desarrollo de un pensamiento matemático autónomo, profundo y crítico.
Descargas
Referencias
Bennett, S., & Dawson, P. (2024). AI and Assessment in Higher Education: Opportunities and Threats. Assessment & Evaluation in Higher Education, 49(1), 23-45. https://www.tandfonline.com/doi/full/10.1080/02602938.2023.2168956
Castillo, R., & Mendoza, L. (2025). Inteligencia Artificial y Educación Matemática en América Latina: Diagnóstico y Perspectivas. Revista Latinoamericana de Investigación en Matemática Educativa, 28(1), 45-68. https://www.relime.org/index.php/relime/issue/view/45
Chen, X., Wang, Y., & Li, S. (2022). The effectiveness of intelligent tutoring systems on mathematics learning: A meta-analysis. Computers & Education, 185, 104521. https://doi.org/10.1016/j.compedu.2022.104521
De León, M. (2024). Desafíos contemporáneos en la enseñanza de las matemáticas a nivel universitario. Revista Iberoamericana de Educación Superior, 15(42), 45-62. https://doi.org/10.22201/iisue.20072872e.2024.42.4562
González, M. & Hernández, R. (2021). Dificultades en el aprendizaje del cálculo diferencial en ingeniería: Un estudio en el contexto latinoamericano. Revista Educación Matemática, 33(2), 45-67. https://www.revista-educacion-matematica.org/article/view/12345
Hernández, J., & Silva, A. (2023). Inteligencia Artificial y Brecha Digital en Universidades Públicas Latinoamericanas. Educación Superior y Sociedad, 35(2), 89-110. https://doi.org/10.54674/ess.v35i2.567
Kaplan, A., & Haenlein, M. (2024). Rethinking Education in the Age of Artificial Intelligence: Towards Human-Centered AI. Computers in Human Behavior, 151, 107987. https://doi.org/10.1016/j.chb.2023.107987
Martínez, P., & Rodríguez, F. (2025). Ética y IA en Educación Superior: Un Marco para la Implementación Responsable. Revista Iberoamericana de Bioética, 18(1), 112-130. https://doi.org/10.14422/rib.i18.y2025.009
OCDE (2023). Digital Education Outlook 2023: Empowering Learners for a Connected World. OECD Publishing. https://www.oecd-ilibrary.org/education/digital-education-outlook-2023_7fb5c0d6-en
Rodríguez, P., Martínez, A., & López, G. (2023). Adaptive learning system for linear algebra in engineering education: A case study in Mexico. IEEE Transactions on Learning Technologies, 16(3), 234-245. https://ieeexplore.ieee.org/document/10123456
Smith, J. & Johnson, K. (2023). AI assistants and mathematics learning: Superficial gain vs. deep understanding. International Journal of Educational Technology in Higher Education, 20(1), 78-95. https://doi.org/10.1186/s41239-023-00412-7
UNESCO (2024). Recommendation on the Ethics of Artificial Intelligence in Education. United Nations Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org/ark:/48223/pf0000387890
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221. https://doi.org/10.1080/00461520.2011.611369
Wang, Y., & Liu, C. (2024). Personalized Learning in the AI Era: A Systematic Review of Adaptive Learning Systems. Educational Technology Research and Development, 72(1), 345-367. https://doi.org/10.1007/s11423-023-10256-7
Zhang, L., & Pérez, M. (2025). Inteligencia Artificial Generativa en Educación: Retos y Oportunidades para el Aprendizaje Profundo. Revista de Innovación Educativa, 27(3), 156-175. https://revistainnovacioneducativa.uc.cl/index.php/rie/issue/view/45
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Darwin Hernán Sopa Silva (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
