Uso de inteligencia artificial en el aprendizaje de la mecánica newtoniana: una intervención didáctica en estudiantes de primer año de licenciatura
Barra lateral del artículo
Contenido principal del artículo
Resumen
El presente artículo describe los efectos preliminares de una intervención didáctica basada en el uso de inteligencia artificial (IA) para la enseñanza de conceptos de mecánica newtoniana en estudiantes de primer año de la Licenciatura en Pedagogía de la Física en la Universidad de Guayaquil. Esta intervención corresponde a la primera fase de un estudio cuasiexperimental desarrollado durante el semestre mayo-agosto de 2024, en el que se compararon dos grupos paralelos: uno de control, que trabajó con estrategias tradicionales de instrucción entre pares, y otro experimental, que empleó actividades guiadas mediadas por IA, específicamente utilizando un entorno web con soporte de ChatGPT. Ambos grupos realizaron una prueba diagnóstica previa, cuyos resultados reflejaron niveles similares de conocimiento conceptual inicial. Posteriormente, tras un proceso de enseñanza estructurado y diferenciado, se aplicó una prueba de salida para evaluar el impacto de la intervención. Los datos obtenidos mostraron una mejora significativa en el rendimiento conceptual del grupo experimental en comparación con el grupo de control. Los hallazgos sugieren que la integración de herramientas de IA en el aula puede contribuir positivamente al aprendizaje de la física, facilitando la superación de concepciones alternativas y promoviendo una comprensión más profunda de los principios fundamentales de la mecánica clásica. El estudio destaca la viabilidad del uso de asistentes virtuales como recurso complementario en entornos de educación superior en ciencias.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Esta Revista provee acceso libre a su contenido a través de su página web, bajo el principio de poner a disposición gratuitamente las investigaciones al público y apoyar al intercambio de conocimiento global.
La Revista hace un reconocimiento de CompartirIgual 4.0 Licencia Pública Internacional - CC BY-NC-SA 4.0 https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
La revista permite que cualquier usuario pueda leer, descargar, copiar, distribuir o imprimir el trabajo erudito que aquí se publica sin barreras financieras, legales o técnicas, con el fin de utilizar la información para cualquier propósito responsable con el reconocimiento apropiado de autoría.
Citas
Amaguaya, M., & Castro, D. (2022). Dificultades en la comprensión del movimiento de proyectiles en estudiantes de Física. Universidad de Guayaquil.
Artamónova, V., Mosquera-Mosquera, C., & Mosquera-Artamónov, D. (2017). Análisis del nivel de comprensión conceptual en mecánica clásica a través del FCI en universidades latinoamericanas. Revista Latinoamericana de Física Educativa, 11(2), 45–53.
Budini, P., Etchegoyen, A., Mazza, G., & Romero, M. (2019). Estudio del rendimiento conceptual en Física I en estudiantes universitarios. Enseñanza de las Ciencias, 37(1), 135–153.
Castillo, G., Tapia, A., Placencia, L., & Pavón, C. (2024). Implementación incipiente de inteligencia artificial en la educación universitaria ecuatoriana. Revista Ecuatoriana de Tecnología Educativa, 8(1), 22–39.
Chen, Y., Chen, L., & Zhijian, L. (2020). Artificial Intelligence in Education: Applications and Challenges. International Journal of Educational Development, 77, 102249. https://doi.org/10.1016/j.ijedudev.2020.102249
Chi, M. T. H. (2005). Commonsense conceptions of emergent processes: Why some misconceptions are robust. Journal of the Learning Sciences, 14(2), 161–199.
Crouch, C. H., & Mazur, E. (2001). Peer Instruction: Ten years of experience and results. American Journal of Physics, 69(9), 970–977. https://doi.org/10.1119/1.1374249
Flores-García, R., Carrascosa-Alís, J., Dreyfus, B., Hoehn, J., Elby, A., Finkelstein, N., & Gupta, A. (2008). Concepciones alternativas sobre la fuerza y el movimiento en estudiantes universitarios. Revista de Enseñanza de la Física, 21(1), 5–20.
Gómez, D., Del Pozo, E., Martínez, L., & Martín del Campo, J. (2020). Panorama de la inteligencia artificial en la educación en América Latina. Revista Iberoamericana de Educación, 84(2), 115–138.
Hernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill.
Hestenes, D., Wells, M., & Swackhamer, G. (1992). Force Concept Inventory. The Physics Teacher, 30(3), 141–158. https://doi.org/10.1119/1.2343497
Kasinathan, G., Mustapha, A., & Medi, S. (2017). Adaptive Learning Systems and Personalized Learning in Higher Education: A Case Study. International Education Studies, 10(12), 50–59. https://doi.org/10.5539/ies.v10n12p50
Mazur, E. (1997). Peer Instruction: A User’s Manual. Prentice Hall.
Moreno, S. (2019). Inteligencia artificial en la educación: personalización del aprendizaje en física. Revista de Tecnología y Didáctica, 5(2), 33–45.
Peñaherrera, P., Cunuhay, A., Nata, Y., & Moreira, D. (2022). El rol de la inteligencia artificial en la educación superior ecuatoriana. Revista Científica del Ecuador, 6(1), 77–94.
Rosales, D., & Sulaiman, T. (2020). Effects of AI-Supported Modules in the Teaching of Newtonian Mechanics. International Journal of Learning and Teaching, 12(4), 334–341.
Smith, M. K., Wood, W. B., Adams, W. K., Wieman, C., Knight, J. K., Guild, N., & Su, T. T. (2009). Why peer discussion improves student performance on in-class concept questions. Science, 323(5910), 122–124. https://doi.org/10.1126/science.1165919
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221.
Varas, M., Villalva, E., & Nieto, M. (2018). Diagnóstico del conocimiento conceptual en mecánica clásica en estudiantes de nivelación y educación superior en Ecuador. Revista de Ciencias Físicas y Aplicadas, 10(2), 123–138.
Woolf, B. P. (2010). Building Intelligent Interactive Tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.