Integración de inteligencia
artificial en la enseñanza de operaciones básicas matemáticas en quinto de
básica/ Integration of artificial intelligence in the teaching of basic
mathematical operations in fifth grade
María Veronica Vera Cabrera1,https://orcid.org/0009-0006-9816-1057, mvverac@ube.edu.ec
Jack Rafael Hidalgo Veléz2, https://orcid.org/0009-0007-2734-6887,
jrhidalgov@ube.edu.ec
Elizabeth Vergel Parejo3,https://orcid.org/0009-0007-0178-5099, eevergelp@ube.edu.ec
Domingo Walter Borba Franco4,https://orcid.org/0009-0003-2576-2848, dwborbaf@ube.edu.ec
1,
2, 3, 4Universidad
Bolivariana del Ecuador
Resumen
Este estudio evaluó el impacto de integrar la inteligencia artificial
(IA) en la enseñanza y el aprendizaje de las operaciones básicas matemáticas en
quinto grado de la Educación General Básica en Ecuador. Mediante un diseño
mixto con componente cuasiexperimental, se comparó un grupo experimental que
usó DeepSeek (n=17) con un grupo de control (n=18),
complementado con entrevistas y encuestas. Los resultados mostraron una mejora
significativamente mayor en el grupo experimental, reduciendo el nivel “insuficiente"
del 41.18% al 11.76% e incrementando los niveles superiores, mientras el grupo
de control tuvo una progresión moderada. Los estudiantes reportaron alta
motivación y los docentes señalaron desafíos estructurales. Se concluye que la
IA es un recurso pedagógico efectivo, pero su implementación requiere superar
brechas de infraestructura y formación docente.
Palabras
clave: Integración pedagógica, DeepSeek, Operaciones básicas, Rendimiento académico,
Tecnología educativa.
Abstract
This study evaluated the
impact of integrating artificial intelligence (AI) into the teaching and
learning of basic mathematical operations in fifth grade of General Basic
Education in Ecuador. Using a mixed-methods design with a quasi-experimental
component, an experimental group that used DeepSeek (n=17) was compared with a
control group (n=18), complemented by interviews and surveys. The results
showed a significantly greater improvement in the experimental group, reducing
the 'insufficient' level from 41.18% to 11.76% and increasing the higher
levels, while the control group had moderate progress. Students reported high
motivation, and teachers pointed out structural challenges. It is concluded
that AI is an effective educational resource, but its implementation requires
overcoming infrastructure gaps and teacher training issues.
Keywords: Pedagogical integration, DeepSeek,
Basic operations, Academic performance, Educational
technology.
Introducción
La incorporación de
sistemas inteligentes en los procesos de enseñanza-aprendizaje implica una
transformación profunda de los métodos pedagógicos tradicionales. Evidencia de
ello, es que en el Consenso de Beijing se llamó a promover la integración
profunda de la inteligencia artificial (IA) para transformar las metodologías
del aprendizaje. Asimismo, se concertó la necesidad de apoyar experimentaciones sobre el uso de IA para facilitar la innovación en
la docencia y el aprendizaje (Organización de las Naciones Unidas para la
Educación, la Ciencia y la Cultura, 2019).
En relación con estas
aspiraciones, la implementación de la IA en la educación en América Latina está
en fase de crecimiento, impulsada por el objetivo de reducir las brechas de
acceso existentes y personalizar el aprendizaje (Romero et al., 2024). En este
sentido, plataformas con algoritmos inteligentes adaptan contenidos según el
ritmo de cada estudiante, mientras los sistemas automatizados auxilian a los
docentes en la evaluación y gestión de tareas administrativas. No obstante, su
adopción enfrenta determinados retos, como la desigualdad en el acceso a la tecnología
y la necesidad de una capacitación docente sólida en el uso de estas
herramientas.
En consonancia con esto, en
el Ecuador, este fenómeno ha cobrado particular importancia, observándose cómo
las tecnologías inteligentes están transformando progresivamente los modelos
tradicionales de enseñanza-aprendizaje (Banco Mundial, 2022). Las operaciones
básicas matemáticas, fundamento esencial del pensamiento lógico-matemático,
constituyen un campo prioritario para esta innovación tecnológica,
especialmente en el quinto grado de Educación General Básica. Esta etapa es
crítica para la consolidación de competencias numéricas fundamentales, y su
dominio es predictor de éxito en áreas STEM futuras (Camas, 2023).
La literatura
especializada reconoce la relevancia de personalizar el aprendizaje matemático,
ámbito en el cual las tecnologías de la información y las comunicaciones,
especialmente la IA, han demostrado una eficacia notable (Zayas et al., 2025;
González et al., 2025). De igual forma, los sistemas inteligentes poseen la
capacidad de adecuar los contenidos educativos a las particularidades de cada
estudiante, superando así las restricciones de los métodos de enseñanza
homogéneos (Guishca et al., 2025).
En este orden de ideas, esta
adaptabilidad se torna especialmente valiosa en el contexto del Ecuador, donde
la diversidad de realidades educativas y las diferencias socioeconómicas han
supuesto históricamente retos considerables para la aplicación de programas estandarizados.
Por ello, la IA surge como una herramienta con gran potencial para reducir la
brecha educativa y promover una educación de calidad más equitativa (Macao et
al., 2024).
La aplicación de
tecnologías inteligentes en el sistema educativo ecuatoriano está mostrando
resultados alentadores. Un proyecto piloto respaldado por el Banco Mundial
(2022) demostró que el uso de plataformas con IA puede aumentar la comprensión
de conceptos matemáticos en un 43.7%. Esta mejora equivale al progreso esperado
en un año lectivo, destacando su potencial para la nivelación académica.
Investigaciones nacionales recientes, como las de Rosero et al. (2025) y Vera
(2025), confirman estos hallazgos. Estos estudios indican que estos sistemas no
sólo fortalecen las habilidades procedimentales, además, fomentan un
razonamiento matemático más profundo. En consecuencia, se promueve de manera
significativa la capacidad de los estudiantes para resolver problemas
complejos.
Por otra parte, desde el
punto de vista pedagógico, la implementación de sistemas de IA en la enseñanza
de las operaciones básicas matemáticas presenta múltiples ventajas. Las
plataformas educativas basadas en IA ofrecen capacidades pedagógicas
transformadoras, entre las que se destacan: la personalización dinámica
conforme al ritmo y patrones de aprendizaje de cada estudiante, la detección
automatizada de áreas de dificultad y las concepciones erróneas, la
implementación de planes de refuerzo personalizados con retroalimentación
continua y el monitoreo sistemático del progreso académico, generando datos
valiosos para el docente (Guishca et al., 2025; Macao et al., 2024).
Sin embargo, resulta
imperativo abordar críticamente los obstáculos que acompañan a esta innovación,
entre los que se encuentran: la accesibilidad a una infraestructura tecnológica
y dispositivos adecuados en las instituciones educativas y los hogares, el
nivel de conectividad a Internet, especialmente en zonas rurales o remotas, la
capacitación docente efectiva para integrar pedagógicamente estas tecnologías
en el aula y no verlas como un elemento disruptivo y la motivación y
disposición tanto de estudiantes como de profesores para adoptar nuevos roles
en el proceso de aprendizaje (Romero et al., 2024; Tobanda et al., 2025).
En el contexto de esta
investigación, la integración de la IA en el proceso de enseñanza-aprendizaje
de las operaciones matemáticas se sustenta en el constructivismo digital. Este
es un enfoque pedagógico que utiliza las tecnologías digitales como
herramientas mediadoras para potenciar los procesos de construcción activa del
conocimiento por parte del estudiante (Kafai & Burke, 2016). La mera
disponibilidad tecnológica no garantiza su éxito; se requiere un ecosistema
favorable que incluya un soporte técnico, las directrices curriculares y un
cambio en la cultura educativa (Cevikbas & Kaiser, 2020).
En este contexto, pese a
los avances tecnológicos, son insuficientes las evidencias sobre el impacto de
la IA en los resultados de aprendizaje de las operaciones básicas matemáticas.
Por tal razón, la presente investigación se propone explorar de manera
exhaustiva la efectividad real de la integración de herramientas de IA en la
enseñanza y el aprendizaje de las operaciones básicas matemáticas en los
estudiantes de quinto año de la Educación General Básica en el Ecuador.
Para dar cumplimiento al
objetivo, la investigación se organiza en cuatro secciones principales:
materiales y métodos, donde se detalla el diseño metodológico mixto; los resultados,
que presenta los hallazgos cuantitativos y cualitativos; la discusión, que
interpreta y contrasta los resultados con la literatura existente; y las
conclusiones, en las que se sintetizan las implicaciones y proyecciones del estudio.
Materiales
y métodos
El presente estudio se
enmarca en un diseño mixto explicativo secuencial (Hernández
& Mendoza, 2018). Inicialmente, se implementó una fase cuantitativa
de carácter cuasiexperimental, seguida de una fase cualitativa destinada a
profundizar en los resultados numéricos y comprender las percepciones de los
actores educativos. Este enfoque permite triangular datos
para obtener una visión integral de la efectividad de la intervención.
La población de estudio
estuvo conformada por 35 estudiantes de quinto año de Educación General Básica
de la Unidad educativa “Bolívar” del Ecuador, y sus dos docentes titulares del
área de Matemáticas. La muestra de 17 estudiantes fue seleccionada mediante un muestreo
no probabilístico o propositivo, pues la elección
de los elementos dependió de razones relacionadas con las características de la
investigación (Hernández & Mendoza, 2018). Con estos estudiantes se conformó un grupo
experimental, que utilizó una herramienta IA para el aprendizaje de las operaciones
básicas, y con la otra parte del grupo 18 se formó un grupo de control, que
continuó con la metodología tradicional.
Para la recolección de
datos se utilizaron los siguientes instrumentos:
1. Pruebas pedagógicas
de competencias matemáticas: un pre-test y post-test validado por cinco expertos,
con índice de validez de contenido de cada ítem mayor
que 0.8 (Pedrosa et al., 2013), para medir el dominio en las operaciones
básicas (suma, resta, multiplicación y división).
2. Sistema inteligente:
se empleó la herramienta de inteligencia artificial DeepSeek, de naturaleza
versátil, a la cual se le pueden formular preguntas y solicitar explicaciones
de diversos modos. También, puede elaborar problemas, comprobar resultados y
explicar procedimientos paso a paso
3. Entrevista
semiestructurada: aplicada a los dos docentes participantes para recabar
información cualitativa sobre la integración pedagógica de la herramienta, los
desafíos observados y el impacto percibido en el aprendizaje (Tobanda et al.,
2025).
4. Cuestionario de
percepción estudiantil: un instrumento tipo Likert para evaluar la motivación,
usabilidad y aceptación de la tecnología por parte de los estudiantes (Vera,
2025).
Se debe acotar que al igual que las
pruebas pedagógicas, la entrevista y la encuesta fueron validadas por un colectivo
de cinco expertos. Este grupo, presenta
una experiencia profesional que oscila entre 8 y 15 años, con un promedio de
10.6 años por integrante. Todos los expertos poseen título de tercer nivel; de
ellos, tres son Licenciados en Ciencias de la Educación y los dos restantes
proceden de otras disciplinas. Además, la totalidad son másteres en ciencias en
áreas educativas.
El
estudio se desarrolló en tres fases:
·
Fase 1 (Diagnóstico): Aplicación del pre-test a
ambos grupos y capacitación inicial a los docentes sobre el uso pedagógico de
la plataforma de IA.
·
Fase 2 (Intervención): El grupo experimental
interactuó con la herramienta inteligente en sesiones de 45 minutos, tres veces
por semana, mientras el grupo de control recibió instrucción tradicional. Se
realizó un monitoreo continuo del progreso.
·
Fase 3 (Evaluación y análisis): Al finalizar el
período, se aplicó el post-test y los cuestionarios de percepción. Posteriormente,
se realizaron las entrevistas a
los docentes. En el análisis de
los datos cuantitativos se emplearon métodos y procedimientos estadísticos, mientras
que las entrevistas se transcribieron y analizaron mediante categorización
temática.
Se garantizó el
consentimiento informado de los padres de familia y la aprobación de los
estudiantes. La confidencialidad de los datos fue preservada en cumplimiento
con los lineamientos internacionales para la investigación educativa.
Resultados
Determinación del
estado inicial
El examen
elaborado, por los investigadores, para el diagnóstico inicial fue sometido a la
valoración de cinco expertos. Los resultados del proceso de validación, según
el criterio de los expertos, reflejan una elevada validez de contenido del
instrumento compuesto por 25 ítems. El Índice de Validez de Contenido (IVC)
calculado para el 100 % de los ítems supera el criterio de aceptación
establecido de 0.8, tal como se muestra en el gráfico 1, lo que evidencia un
consenso entre los expertos en indicadores claves como la pertinencia,
claridad, relevancia, alineación curricular y calidad técnica. Este alto nivel
de concordancia sugiere que los ítems son representativos del constructo que se
pretende medir, están redactados de forma comprensible y son técnicamente
sólidos, respaldando así la idoneidad del instrumento para su aplicación en el
contexto científico-educativo para el que fue diseñado.
Figura 1. Índice de Validez de
Contenido (IVC) de los ítems según evaluación de expertos
Fuente: Elaboración propia
(2025)
La aplicación de la prueba diagnóstica a la
población, estructurada en 25 ítems, se enmarca en el sistema de evaluación
oficial de la Educación General Básica del Ecuador, regulado por el Reglamento
de la Ley Orgánica de Educación Intercultural (Presidencia de la República del
Ecuador, 2023). El procedimiento de calificación, que transforma los aciertos
en una escala de 0 a 10 y los categoriza en rangos cualitativos (Excelente, Muy
Bueno, Bueno e Insuficiente), constituye un mecanismo estandarizado que busca
garantizar objetividad y comparabilidad en los resultados.
Los resultados, correspondientes a una
muestra de 17 estudiantes (Gráfico 2), revelan una tendencia preocupante: solo
un 20% del alumnado alcanza niveles de excelencia (8.57%) o desempeño sólido
(11.43%), mientras que la gran mayoría (80.1%) se sitúa en categorías de
suficiencia mínima (37.14%) o insuficiencia (42.86%). Esta distribución
evidencia una brecha crítica en la consolidación de aprendizajes básicos y
cuestiona la eficacia de las estrategias pedagógicas implementadas.
Figura 2. Distribución inicial del
rendimiento en las operaciones básicas matemáticas del grupo experimental
Fuente: Elaboración propia
(2025)
Intervención en el
grupo experimental
Para valorar la
efectividad de la integración de herramientas de IA (en este caso el DeepSeek)
en el proceso de enseñanza-aprendizaje de las operaciones básicas matemáticas
en los estudiantes de quinto año de la Educación General Básica de la Unidad educativa “Bolívar” del Ecuador, se desarrolla una intervención
en la práctica mediante un cuasi experimento. La intervención en el grupo
experimental, conformado por 17 estudiantes, se concretó con la ejecución de
sesiones de trabajo de 45 minutos, en función del desarrollo de las
competencias matemáticas que les permitan a los estudiantes de quinto año de
Educación General Básica de la Unidad educativa “Bolívar” del Ecuador el
dominio de las operaciones básicas. A modo de ejemplo, se presenta una
secuencia didáctica de las utilizada en la propuesta:
Título:
Somos genios de las operaciones con DeepSeek
Nivel:
5to Grado de Educación General Básica (EGB)
Área: Matemática
Tiempo aproximado:
7 sesiones de 45 minutos
1. Planificación y
presentación (1 sesión)
Objetivo:
Presentar la secuencia a los estudiantes y generar motivación.
Actividad: Misión
posible: dominar las operaciones básicas
·
El docente explica que serán “agentes matemáticos” y
que contarán con un aliado tecnológico (DeepSeek) para resolver misiones.
·
Se forman cuatro equipos, tres de cuatro estudiantes
y uno de cinco a los cuales se les asigna un nombre. En cada sesión cada equipo
trabaja en una estación de trabajo.
·
El docente muestra en clase cómo se usa DeepSeek,
ingresando un problema y mostrando no solo la respuesta, sino el procedimiento
de solución paso a paso.
2. Desarrollo de
las habilidades por estación (4 sesiones)
A continuación, se
presenta un modelo de cuatro estaciones de trabajo diseñado para desarrollarse
a lo largo de cuatro sesiones, donde los estudiantes rotan en equipos,
combinando actividades colaborativas, lúdicas y tecnológicas.
En el gráfico 3 se ilustra
la lógica del desarrollo de las habilidades por estación:
Figura 3. Organización de estaciones de trabajo con
integración de DeepSeek
Competencias matemáticas
mejoradas en las operaciones básicas
|
3. Detección y
explicación de errores
DeepSeek: validador de procedimientos y explicador de
errores
|
Proceso de enseñanza-aprendizaje
de las operaciones básicas en el que se integra la herramienta DeepSeek
|
2. Cálculo mental
DeepSeek: generador de ejercicios
personalizados
|
4. Creación de Historias matemáticas
|
1.Generación y
resolución de
problemas
DeepSeek: generador de problemas y validador
de procedimientos
|
Estudiantes organizados en cuatro
equipos que rotan por las cuatro estaciones
|
1.
La fábrica de problemas
|
2.
El rincón del cálculo mental
|
4. Creación de una historia corta con un problema
matemático
DeepSeek: asistente para mejorar la redacción y claridad
narrativa
|
Fuente: Elaboración propia con
Napkin AI (2025)
Es importante destacar que
el diseño por estaciones permite atender diferentes estilos de aprendizaje y
ritmos de trabajo, fomentando la autonomía y el trabajo en equipo. Cada
estación tiene un objetivo específico y utiliza la IA no como fin en sí mismo,
sino como herramienta facilitadora del proceso de aprendizaje, la verificación
y la creatividad.
3. Integración y
proyecto final (1 sesión)
Objetivo: Aplicar
los conocimientos adquiridos en un proyecto concreto.
Actividad:
Planifica un paseo por Ecuador
Cada equipo debe
planificar un paseo de un día a un lugar turístico del Ecuador (ejemplo: Las
Peñas de Guayaquil, la Mitad del Mundo, Baños de Agua Santa).
Deben crear un
presupuesto que incluye: costo de transporte (bus), entradas a lugares de
interés, compra de almuerzo y snacks y compra de recuerdos. Para ello los
estudiantes usarán DeepSeek como consultor.
Un ejemplo de prompt:
DeepSeek, estamos en Quito y queremos ir a la Mitad del Mundo. Si el pasaje de
bus ida y vuelta cuesta $1.50 por persona, la entrada al museo cuesta $5 para
adultos y $2.50 para niños, y tenemos un presupuesto de $50 para 4 personas,
¿nos alcanzará el dinero? ¿Cuánto nos sobrará o faltará?
4. Evaluación y metacognición
(1 sesión)
Objetivo: Evaluar
el progreso y reflexionar sobre el aprendizaje.
Actividad:
1. Evaluación sumativa:
Los estudiantes resuelven individualmente una prueba final similar a la
diagnóstica, pero con problemas de mayor complejidad.
2. Metacognición
con DeepSeek: En equipos, los estudiantes responden una guía de reflexión.
Pueden apoyarse en DeepSeek para expresar mejor sus ideas.
Preguntas de la
guía:
¿Qué operación se
te hizo más difícil al principio y crees que ahora dominas mejor?
¿De qué manera te
ayudó usar DeepSeek a entender mejor los problemas?
Evaluación
y análisis de los resultados de la intervención en el grupo experimental
Al finalizar la
intervención con el grupo experimental, se aplicó el post-test a la población
para comparar los resultados en el aprendizaje de las operaciones básicas. Este
instrumento se diseñó con equivalencia de dificultad respecto al pre-test,
permitiendo una comparación válida del progreso tras la intervención integrando
el DeepSeek. Cabe señalar que se aplicó en condiciones similares al pre-test
para asegurar la confiabilidad de los resultados. La siguiente tabla de
frecuencia muestra los resultados obtenidos.
Tabla
1. Distribución porcentual del rendimiento en las
operaciones básicas matemáticas por grupo y momento de evaluación
Escala
|
Grupo
experimental
|
Grupo de control
|
|
Pre-test
|
Post-test
|
Pre-test
|
Post-test
|
|
Est.
|
%
|
Est.
|
%
|
Est.
|
%
|
Est.
|
%
|
Excelente
|
1
|
5.88
|
3
|
17.65
|
1
|
5.56
|
1
|
5.56
|
Muy bueno
|
2
|
11.76
|
4
|
23.53
|
1
|
5.56
|
2
|
11.11
|
Bueno
|
7
|
41.18
|
10
|
58.82
|
7
|
38.89
|
9
|
50.00
|
Insuficiente
|
7
|
41.18
|
2
|
11.76
|
9
|
50.00
|
6
|
33.33
|
Fuente: Elaboración
propia (2025)
Los resultados de la
evaluación muestran una mejora significativa en el grupo experimental, donde se
integró la inteligencia artificial en el proceso de enseñanza-aprendizaje, en
comparación con el grupo de control que recibió la instrucción de forma
tradicional. En el grupo experimental, el porcentaje de estudiantes en el nivel
"Insuficiente" disminuyó considerablemente del 41.18% en el pre-test
al 11.76% en el post-test, mientras que en las categorías superiores se observa
un incremento notable, especialmente en "Excelente" que pasó del
5.88% al 17.65% y "Muy bueno" que se duplicó del 11.76% al 23.53%.
Este avance sugiere que la integración de la IA no solo ayudó a superar
dificultades básicas, sino que potenció el rendimiento hacia niveles de
excelencia.
Por el contrario, el grupo
de control presentó una progresión más moderada, con una reducción limitada del
nivel "Insuficiente" del 50.00% al 33.33% y un crecimiento menos
pronunciado en las categorías altas, manteniendo el mismo porcentaje en
"Excelente" (5.56%) entre ambas mediciones. La diferencia en la
magnitud de mejora entre los grupos destaca el valor agregado de la
intervención tecnológica, que parece haber proporcionado un andamiaje más
efectivo para la comprensión y dominio de las operaciones básicas, facilitando
una transición más marcada de estudiantes desde niveles de logro insuficientes
hacia niveles satisfactorios y superiores.
Por otra parte, el
análisis de las entrevistas a los dos docentes, revela que las percepciones
sobre la integración de la IA se encuentran en relación con los resultados del
cuasiexperimento mencionado, donde el grupo experimental mostró una mejora en
el dominio de las operaciones básicas. Esta evidencia empírica valida las
observaciones de ambos profesores, quienes, a pesar de sus diferentes niveles
de adopción tecnológica, coinciden en señalar un impacto positivo en la
motivación y la disposición al aprendizaje.
El docente con un enfoque
más tradicional reconoce este incremento en el engagement, mientras que la profesora innovadora describe un avance
en la autonomía y la exploración de estrategias. Los resultados del estudio
experimental sugieren que esta mayor motivación y exposición a recursos
diferenciados mediados por IA se traducen efectivamente en un mejor desempeño
procedural y conceptual en matemáticas.
No obstante, el análisis subraya
que estos logros se producen a pesar de profundas limitaciones estructurales,
un aspecto crítico que ambos entrevistados enfatizan. Los desafíos
identificados: infraestructura digital deficiente, falta de formación docente
específica y ausencia de guías curriculares explícitas, constituyen barreras
sistémicas que podrían limitar la escalabilidad y equidad de la integración de
la IA.
El hecho de que la mejora
en los aprendizajes se haya logrado en un contexto experimental o mediante el
esfuerzo autodidacta del docente evidencia un potencial desaprovechado. Se
plantea, por tanto, que el impacto positivo observado en el grupo experimental
no es atribuible únicamente a la tecnología, sino a una intervención pedagógica
mediada que, en condiciones ideales de soporte institucional, podría
amplificarse significativamente.
En perspectiva, las
respuestas proyectan una tensión entre un futuro transformador y las actuales
restricciones contextuales. Los docentes concuerdan en que la IA ha llegado
para quedarse y que su integración inteligente puede personalizar la enseñanza
y liberar tiempo para una intervención más humana. El éxito del cuasiexperimento
sirve como un argumento para impulsar las políticas públicas que ambos
reclaman: inversión en conectividad, desarrollo profesional docente
contextualizado y la creación de herramientas alineadas con la realidad
ecuatoriana.
En conclusión, el análisis
sugiere que la IA actúa como un catalizador eficaz para el aprendizaje
matemático cuando es guiada por una intención pedagógica clara, pero su
verdadero potencial transformador sólo se realizará si se abordan de manera
decidida las brechas estructurales que actualmente constriñen su implementación
generalizada y equitativa.
El análisis de los resultados del cuestionario aplicado al grupo
experimental revela una percepción predominantemente positiva hacia el uso de
herramientas tecnológicas en el aprendizaje de las matemáticas. En la dimensión
motivación e interés, más del 80% de los estudiantes se mostró de acuerdo o muy
de acuerdo con afirmaciones como que las clases son más divertidas (94,1%) y se
sienten más motivados (94,1%). Sin embargo, un pequeño porcentaje (entre 5,9% y
11,8%) manifestó desacuerdo en ítems relacionados con la preferencia por la
tecnología frente al cuaderno o el tiempo de práctica, indicando una aceptación
mayoritaria pero no unánime.
En cuanto a la dimensión usabilidad y facilidad de uso, se observa una
valoración muy favorable. El 94,1% de los estudiantes considera fácil aprender
a usar las herramientas y entender sus explicaciones, mientras que el 88,2%
afirma que la tecnología les ayuda a comprender sus errores y aprender a su
propio ritmo. No obstante, en el ítem sobre el uso sin ayuda del docente, solo
el 58,8% se mostró de acuerdo o muy de acuerdo, lo que sugiere que el rol del
profesor sigue siendo percibido como necesario para un segmento significativo
(23,5% en desacuerdo).
Por último, en la dimensión aceptación e impacto en el aprendizaje, los
datos confirman una fuerte aprobación. Más del 90% de los estudiantes cree que
aprende mejor con tecnología, se siente más seguro de sus respuestas y desearía
seguir usándola. Además, el 88,2% recomendaría estas herramientas a otros.
Estos resultados apoyan la hipótesis de que la integración tecnológica no solo
mejora los resultados académicos, sino que igualmente fomenta una actitud positiva
y segura hacia la matemática, creando una relación entre motivación, uso
percibido como fácil y aprendizaje efectivo.
Discusión
Los hallazgos de este estudio indican que la integración pedagógica de
la inteligencia artificial, mediante la herramienta DeepSeek, produce una
mejora significativa en el dominio de las operaciones básicas matemáticas en
los estudiantes de quinto grado. Esta evidencia se sustenta en la reducción
considerable del nivel “Insuficiente” y el aumento en las categorías superiores
en el grupo experimental, en contraste con la progresión moderada del grupo de
control. Estos resultados responden directamente a la pregunta central de la
investigación, confirmando que la IA, cuando se integra con intención
pedagógica, actúa como un andamiaje efectivo que facilita no solo la
adquisición procedimental, sino también una comprensión más profunda y
conceptual.
Estos hallazgos concuerdan con investigaciones previas realizadas en el
contexto ecuatoriano. Por ejemplo, el estudio respaldado por el Banco Mundial
(2022) reportó que el uso de plataformas con IA puede incrementar la
comprensión de conceptos matemáticos en un porcentaje significativo, equivalente
a un año lectivo de progreso. Igualmente, trabajos más recientes como los de
Tobar et al. (2025) y Vera (2025) sostienen que estas herramientas fortalecen
tanto las habilidades procedimentales como el razonamiento matemático,
promoviendo la capacidad de resolución de problemas. La presente investigación
corrobora estas afirmaciones y las extiende al demostrar que el efecto positivo
se manifiesta incluso en un lapso de intervención acotado, sugiriendo un
potencial catalizador del aprendizaje.
Desde una perspectiva pedagógica, los resultados se alinean con los
postulados del constructivismo digital (Kafai & Burke, 2016), donde la tecnología
actúa como mediadora activa en la construcción del conocimiento. La percepción
altamente positiva de los estudiantes, quienes reportaron mayor motivación,
autonomía y una sensación de aprendizaje más efectivo, no solo valida
cuantitativamente la mejora en el rendimiento, sino que revela el componente
actitudinal clave para el éxito. Este engagement
elevado crea una relación esencial entre la disposición hacia la matemática y
el logro académico, un fenómeno también destacado en estudios sobre
personalización del aprendizaje mediante IA (Guishca et al., 2025; Romero et
al., 2024).
Sin embargo, se deben reconocer las limitaciones identificadas. A pesar
del éxito de la intervención, las entrevistas a los docentes revelaron barreras
sistémicas críticas, como una infraestructura digital deficiente, la falta de
capacitación específica y la ausencia de directrices curriculares explícitas
para la integración de IA. Estas limitaciones contextuales, coincidentes con
las señaladas por Romero et al. (2024) y Cevikbas & Kaiser (2020), subrayan
que el potencial de la IA no se realiza por la mera disponibilidad tecnológica,
sino que requiere un ecosistema de soporte institucional, técnico y formativo.
El hecho de que la mejora observada se lograra en un entorno con estas
restricciones sugiere un potencial aún mayor si tales barreras se superaran.
En cuanto a las implicaciones prácticas, este estudio aporta evidencia
concreta para orientar políticas educativas. Los resultados abogan por
inversiones sostenidas en conectividad y equipamiento, pero, de manera aún más
crucial, por el desarrollo de programas de formación docente que trasciendan la
alfabetización digital básica y se centren en la integración pedagógica
estratégica de la IA. Asimismo, se hace patente la necesidad de desarrollar y
socializar guías curriculares que orienten a los docentes en el uso de estas
herramientas dentro del plan de estudios nacional.
En otro orden de ideas, este trabajo plantea nuevas líneas de investigación.
Entre ellas, se debe precisar que sería valioso replicar el estudio con una
muestra más amplia y en diversos contextos para evaluar el nivel de
generalización de los hallazgos. Además, podrían realizarse investigaciones longitudinales para
determinar si las mejoras en la motivación y el rendimiento se mantienen en el
tiempo. También, se sugiere profundizar en el diseño de modelos de formación
docente específicos para la integración de IA y en el análisis del
costo-efectividad de estas intervenciones a mayor escala.
En consonancia con las ideas antes expuestas, estos resultados permiten
afirmar que la inteligencia artificial, representada por la herramienta
DeepSeek, es un recurso pedagógico eficaz para la enseñanza de las operaciones
básicas matemáticas. Su valor, no obstante, reside en una integración que es
mediada y guiada por el docente, dentro de un determinado marco pedagógico. La
materialización de su potencial transformador a nivel sistémico dependerá de la
capacidad para abordar de manera decidida las brechas estructurales que
actualmente limitan una implementación equitativa y escalable en el sistema
educativo ecuatoriano.
Conclusiones
La investigación demuestra
que la integración de herramientas de inteligencia artificial, en la enseñanza
de las operaciones básicas matemáticas en quinto grado de Educación General
Básica en Ecuador, constituye un recurso pedagógico eficaz para mejorar el
rendimiento académico. Los resultados del cuasiexperimento evidenciaron una
disminución significativa en el nivel de logro “Insuficiente” y un incremento
en las categorías superiores, lo que confirma la efectividad de la IA como
apoyo en la consolidación de competencias numéricas fundamentales.
Por su parte, los datos
cualitativos respaldan estos hallazgos, revelando una alta motivación y una
percepción positiva hacia el uso de la tecnología por parte de los estudiantes,
así como un reconocimiento por los docentes sobre su potencial para
personalizar el aprendizaje y fomentar la autonomía. Este resultado se alinea
con el enfoque del constructivismo digital, en el cual la tecnología actúa como
mediadora activa en la construcción del conocimiento, promoviendo autonomía y
confianza en el proceso de aprendizaje.
En conclusión, el presente
estudio logró explorar de manera exhaustiva y demostrar la efectividad real de
la integración de la inteligencia artificial en la enseñanza de las operaciones
básicas matemáticas para el quinto año de Educación General Básica en Ecuador.
Los hallazgos cuantitativos y cualitativos convergen para confirmar que la
herramienta DeepSeek, al ser incorporada con una intención pedagógica definida,
actúa como un recurso eficaz que mejora significativamente el dominio
procedimental y conceptual, al tiempo que fortalece la motivación y la
autonomía de los estudiantes, cumpliendo así con el propósito central de la
investigación.
Referencias bibliográficas
Banco Mundial. (2022, 10
de febrero). En Ecuador, aprender matemáticas es más fácil con inteligencia
artificial. https://www.bancomundial.org/es/news/feature/2022/02/10/en-ecuador-aprender-matematicas-es-mas-facil-con-inteligencia-artificial-nivelacion-remediacion-academica
Camas Cungachi, J. L.
(2023). El uso de herramientas digitales Web 2.0 en el área de matemáticas
como estrategia de aprendizaje para potenciar las operaciones básicas en los
niños de quinto año de Educación General Básica de la Escuela de Educación
Básica Miguel A. Andrade, año 2022. Cuenca, Ecuador [tesis de Grado,
Universidad Politécnica Salesiana]. http://dspace.ups.edu.ec/handle/123456789/24697
Cevikbas, M., & Kaiser,
G. (2020). Flipped classroom as a reform-oriented approach to teaching
mathematics. ZDM Mathematics
Education, 52(7), 1291-1305.
https://link.springer.com/article/10.1007/s11858-020-01191-5
González Hernández, N.,
Rojas Velázquez, O. J., & Cruz-Ramírez, M. (2025). Didactic foundations of
visualization as a method for posing and solving mathematical problems. Revista Transdisciplinaria de Estudios Sociales y
Tecnológicos, 5(1), 28-35. https://revista.excedinter.com/index.php/rtest/article/view/144/128
Guishca Ayala, L. A.,
Cárdenas Pila, V. N., Yanchaluiza Guachi, V. D. L.
Ángeles, Jiménez Poveda, F. E., Carrillo Lloacana, B. D., Castro Pérez, A. A.,
& Guevara Albarracín, E. S. (2025). Integración de la inteligencia
artificial en la enseñanza de matemáticas un enfoque personalizado para mejorar
el aprendizaje. Ciencia Latina Revista Científica Multidisciplinar, 8(6),
10417-10433. https://doi.org/10.37811/cl_rcm.v8i6.15719
Hernández Sampieri, R.,
& Mendoza Torres, C. P. (2018). Metodología
de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill
Education. https://www.ingebook.com/ib/NPcd/IB_BooksVis?cod_primaria=1000187&codigo_libro=8072
Kafai,
Y. B., & Burke, Q. (2016). Connected
gaming: An inclusive perspective for gaming, making, and thinking. MIT Press. https://mitpress.mit.edu/9780262534512/connected-gaming/
Macao Niebla, A. M., Morales Narváez, L. M.,
Morocho Ullaguari, M. E., & Molina Sabando, M. A.
(2024). Integración de Herramientas Tecnológicas en la Enseñanza de Operaciones
Matemáticas Básicas para Estudiantes del Subnivel de Educación Básica
Elemental. Revista Científica
Multidisciplinar SAGA, 1(4), 32-43. https://doi.org/10.63415/saga.v1i4.11
Organización de las Naciones Unidas para la Educación, la Ciencia
y la Cultura. (2019). Consenso de Beijing sobre la inteligencia artificial y la
educación: Documento final de la Conferencia Internacional sobre la
Inteligencia Artificial y la Educación. https://unesdoc.unesco.org/ark:/48223/pf0000370934_spa
Pedrosa, I., Suárez-Álvarez, J., & García-Cueto, E. (2013).
Evidencias sobre la Validez de Contenido: Avances Teóricos y Métodos para su
Estimación. Acción Psicológica, 10(2),
3-20. http://dx.doi.org/10.5944/ap.10.2.11820
Presidencia de la República del Ecuador. (2023, 22 de febrero).
Reglamento General a La Ley Orgánica de Educación Intercultural. Registro
Oficial Suplemento 254. https://vlex.ec/vid/reglamento-general-ley-organica-1085960341
Romero Jácome, F. A.,
Romero Jácome, A., Procel Ayala, M., R., & Blaschke Guillén, G. E. (2024).
Integración de la Inteligencia Artificial en el Aula: Eficacia y
Desafíos. Sinergia Académica, 7(3),
404-412. https://doi.org/10.51736/qbcjm894
Rosero Rojas, J. A.,
Franco Castro, S. A., Orellana Toala, N. R., & Betancourt Mendoza, A. I.
(2025). Revolucionando la enseñanza de las matemáticas: el poder transformador
de la inteligencia artificial. Polo del Conocimiento, 10(3), 654–666. https://doi.org/10.23857/pc.v10i3.9081
Tobanda Marca, X., Vera Pisco,
D. G., & Quishpi Vera, H. (2025). Integración de la
Inteligencia Artificial en la resolución de problemas matemáticos en
estudiantes de Secundaria. REFCalE: Revista Electrónica Formación Y Calidad
Educativa, 13(2), 99–118. https://doi.org/10.56124/refcale.v13i2.006
Vera Ricardo, M.Y.
(2025). Inteligencia artificial en el
proceso de enseñanza aprendizaje en los estudiantes de quinto grado [tesis
de maestría, La Libertad. UPSE, Matriz. Instituto de Postgrado]. https://repositorio.upse.edu.ec/handle/46000/14549
Zayas Batista, R., Del
Valle-Núñez, L. J., & Chacuto López, E. G.
(2025). Las tecnologías de la información y las comunicaciones en la
enseñanza-aprendizaje de la Matemática Superior. Revista Episteme & Praxis, 3(1), 103-115. https://epistemeypraxis.org/index.php/revista/article/view/80/76
Conflicto de intereses
Los autores
declaran que no existen conflictos de intereses en relación con el artículo
presentado.
Como citar este
artículo:
Vera Cabrera, M. V., Hidalgo Veléz, J. R.,
Vergel Parejo, E., & Borba Franco, D. W. (2026).
Integración de inteligencia artificial en la enseñanza de operaciones básicas
matemáticas en quinto de básica. Revista Ciencias Holguín, 32(2), 55-71.
Fechas
Fecha de envío a revisión: 5 de diciembre de
2025
Aceptado: 17 de enero de 2026