Aprendizaje Adaptativo Mediante Inteligencia Artificial en la Enseñanza de las Ciencias Naturales
DOI:
https://doi.org/10.59282/reincisol.V3(6)4443-4456Palabras clave:
Aprendizaje adaptativo; inteligencia artificial; enseñanza; ciencias naturalesResumen
El objetivo de esta investigación, fue interpretar las percepciones que subyacen en el docente sobre el aprendizaje adaptativo mediante inteligencia artificial en la enseñanza de las ciencias naturales, para tal fin se asumió el paradigma interpretativo bajo un enfoque cualitativo; Como técnica de levantamiento de la información se aplicó la entrevista semiestructurada, como instrumento se utilizó una guía de entrevista, mediante cuatro (4) interrogantes; La unidad de análisis estuvo conformada por cinco (5) docentes que dictan la asignatura de ciencias naturales para los estudiantes de educación general básica; Con el fin de interpretar la información suministrada por los docentes, se se utilizó como técnica de análisis, la categorización, que dio lugar a la emergencia de las siguientes categorías con sus respectivas subcategorías; Aprendizaje personalizado (necesidades individuales, adaptación de los contenidos), Inclusión (igualdad de oportunidades, barreras físicas), Aprendizaje experiencial (el estudiante como protagonista de su aprendizaje, aprender a través de la experiencia) Retroalimentación (retroalimentación personalizada, recomendaciones personalizadas); Se concluye que el aprendizaje adaptativo mediante inteligencia artificial en la enseñanza de las ciencias naturales, es elemental para crear un entorno educativo más inclusivo, personalizado y efectivo en la enseñanza de las ciencias naturales; Es fundamental que los docentes aprovechen estas herramientas para diseñar experiencias de aprendizaje significativas, donde los estudiantes puedan poner en práctica sus conocimientos, resolver problemas reales y desarrollar habilidades del siglo XXI como la creatividad, la colaboración y la resolución de problemas.
Descargas
Métricas
Citas
Akavova, A., Temirkhanova, Z. y Lorsanova, Z. (2023). Adaptive learning and artificial intelligence in the educational space. Web of Conferences, 6 (11) https://www.e3sconferences.org/articles/e3sconf/pdf/2023/88/e3sconf_esmgt2023_06011.pdf.
Beltrán, M. (1991). La Realidad social. Madrid: Tecnos.
Bounajim, D., Rachmatullah, A., Hinckle, M., Mott, B., Lester, J., Smith, A., Emerson, A., Morshed Fahid, Tian, X., Wiggins, J., Boyer, K., y Wiebe, E. (2021). Applying cogni-tive Load Theory to examine STEM undergraduate students’ experiences in an adaptive learn-ing environment: A mixed-methods study. Proc. Hum. Factors Ergon. Soc. Annu. Meet., 65(1), 556–560.
Cardona, T., Cudney, E. A., Hoerl, R. y Snyder, J. (2023). Data mining and machine learning retention models in higher education. J. Coll. Stud. Ret., 25(1), 51–75.
De la Rosa, Y., Guillen, L., Herrera, A., Rodríguez, Á., Gutiérrez, M., y Esteves, Z. (2020). Desarrollo de competencias profesionales en personas con discapacidad para la praxis del Entrenamiento Deportivo: una visión desde el caso Andrés. Retos, 39, 576-584. https://doi.org/10.47197/retos.v0i39.78859
Escandón, S., Parra, L., Rivera, N. y Rivera, C. (2024). Utilización de la Inteligencia Artificial como Herramienta Didáctica en la Enseñanza de Ciencias Naturales para Estudiantes de Décimo Año. Pol. Con.,9 (6) 1621-1637. https://polodelconocimiento.com/ojs/index.php/es/article/view/7393/pdf.
Granda, P., Burbano, C. Robalino, M. y Bastidas, M. (2024). Fortalezas de la Inteligencia Artificial en la Educación: Un Análisis de Beneficios y Aplicaciones. Pol. Con., 9 (6)870-882. https://polodelconocimiento.com/ojs/index.php/es/article/view/7357
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Christian Ampudia Iza, Marco Vinicio Yanqui Crespo, Galecio Francisco Ullauri Jaramillo., Miguel Angel Villón Lucín
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.