Aprendizaje personalizado con inteligencia artificial para atender diferentes ritmos de aprendizaje en matemática y comunicación en educación básica

Autores/as

DOI:

https://doi.org/10.67166/d7mxsj89

Palabras clave:

prendizaje personalizado, inteligencia artificial, ritmos de aprendizaje, matemática, comunicación.

Resumen

El presente artículo tuvo como objetivo determinar la influencia del aprendizaje personalizado con inteligencia artificial en la atención de diferentes ritmos de aprendizaje en matemática y comunicación en estudiantes de educación básica. La investigación se desarrolló bajo un enfoque cuantitativo, de tipo aplicado, con diseño cuasi experimental, correlacional y descriptivo, considerando un grupo experimental y un grupo de control. Participaron 80 estudiantes, distribuidos equitativamente en ambos grupos. Se aplicó un test de base estructurada orientado a medir destrezas matemáticas, comunicativas y de autorregulación del ritmo de aprendizaje. El instrumento fue validado mediante juicio de expertos y alcanzó un Alfa de Cronbach de 0.89, valor que evidencia una confiabilidad alta para estudios educativos. La intervención se realizó mediante la estrategia AulaIA MatCom 360, basada en rutas adaptativas, retroalimentación inmediata, actividades diferenciadas y seguimiento automatizado del progreso. Los resultados evidenciaron mejoras relevantes en el grupo experimental frente al grupo de control, especialmente en resolución de problemas matemáticos, comprensión inferencial, producción escrita y autonomía para avanzar según el propio ritmo. La prueba t de Student para muestras independientes mostró diferencias estadísticamente significativas entre ambos grupos, mientras que la d de Cohen indicó un efecto grande de la intervención. Se concluye que el aprendizaje personalizado con inteligencia artificial constituye una alternativa pedagógica pertinente para atender la diversidad de ritmos de aprendizaje, siempre que su implementación esté acompañada por mediación docente, criterios éticos, evaluación formativa y uso responsable de los datos estudiantiles.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Ademola, E. O. (2024). Reading strategies in the AI age: Enhancing comprehension and engagement with advanced technologies. iSTEAMS Multidisciplinary Bespoke Conference Proceedings. doi: 10.22624/AIMS/ACCRABESPOKE2024P13

Ahmad, N. (2024). Application of Cronbach’s alpha in research instruments. Universiti Teknologi MARA Research Article.

Alam, A., & Mohanty, A. (2023). Educational technology: Exploring the convergence of technology and pedagogy through mobility, interactivity, AI, and learning tools. Cogent Engineering, 10(2), 2283282. doi: 10.1080/23311916.2023.2283282

Alrawashdeh, G. S., Fyffe, S., Azevedo, R. F. L., & Castillo, N. M. (2024). Exploring the impact of personalized and adaptive learning technologies on reading literacy: A global meta-analysis. Educational Research Review, 42, 100587. doi: 10.1016/j.edurev.2023.100587

Bai, J. (2025). Overview and summary of AI competency framework for teachers. Global Media and Education. doi: 10.1515/gme-2024-0029

Chen, M. (2025). The impact of AI-assisted personalized learning on student academic achievement. US-China Education Review A, 15(6), 441–450. doi: 10.17265/2161-623X/2025.06.008

Cho, M. K. (2025). Analyzing AI-based educational platforms for supporting personalized mathematics learning. International Electronic Journal of Mathematics Education, 20(4), em0847. doi: 10.29333/iejme/16664

Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). SAGE. Sin DOI.

Eti, N. (2026). The role of AI-driven personalised learning in enhancing mathematical problem-solving skills. Frontiers in Computer Science. doi: 10.3389/fcomp.2026.1813431

Field, A. (2024). Discovering statistics using IBM SPSS Statistics (6th ed.). SAGE. Sin DOI.

Fortuna, A. (2025). Artificial intelligence in personalized learning. Review Article.

Gallagher, M. A., Parsons, S. A., & Vaughn, M. (2022). Adaptive teaching in mathematics: A review of the literature. Educational Review.

Huang, X. (2025). Effects of intelligent tutoring systems on educational outcomes: A meta-analysis. Educational Technology Research.

Izah, S. C., Sylva, L., & Hait, M. (2023). Cronbach’s alpha: A cornerstone in ensuring reliability and validity in environmental health assessment. ES Energy & Environment.

Ji, S. (2025). The application of artificial intelligence in primary school mathematics learning. ACM Conference Proceedings. doi: 10.1145/3764206.3764235

Kennedy, I. (2022). Sample size determination in test-retest and Cronbach alpha reliability estimates. British Journal of Contemporary Education, 2(1).

Khan, G. M. (2025). The impact of artificial intelligence based personalized learning on students’ motivation and academic performance. Research Article.

Létourneau, A., et al. (2025). A systematic review of AI-driven intelligent tutoring systems in K-12 education. npj Science of Learning.

Li, S., et al. (2025). A meta-analysis of AI-enabled personalized STEM education. International Journal of STEM Education. doi: 10.1186/s40594-025-00566-y

Luong, V. T., et al. (2025). Personalized mathematics teaching with the support of AI chatbots to improve mathematical problem-solving competence for high school students in Vietnam. European Journal of Educational Research.

McNeish, D. (2025). How well does coefficient alpha summarize reliability across the score distribution? Behavior Research Methods. doi: 10.3758/s13428-025-02611-8

Merino-Campos, C. (2025). The impact of artificial intelligence on personalized learning in higher education. Trends in Higher Education, 4(2), 17.

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. Sin DOI.

Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: Guidance for policy-makers. UNESCO. Sin DOI.

Ministerio de Educación del Perú. (2016). Currículo Nacional de la Educación Básica. MINEDU. Sin DOI.

Ministerio de Educación del Perú. (2024). Inteligencia artificial en el proceso educativo: Uso responsable de la inteligencia artificial. MINEDU. Sin DOI.

Nanda, S. B. (2025). Artificial intelligence in mathematics education: A systematic review of global trends and emerging themes. Journal of Mathematics and Science Teacher Education.

OECD. (2023). OECD Digital Education Outlook 2023: Towards an effective digital education ecosystem. OECD Publishing.

OECD. (2026). OECD Digital Education Outlook 2026. OECD Publishing.

Opesemowo, O. A. G., & Ndlovu, M. (2024). A systematic review of artificial intelligence in mathematics education: The emergence of 4IR. EURASIA Journal of Mathematics, Science and Technology Education.

Panqueban, D., & Huincahue, J. (2024). Artificial intelligence in mathematics education. Uniciencia.

Sari, M. N. (2025). University students’ perceptions of AI-based adaptive learning platforms to enhance reading comprehension. Journal of Educational Research.

Son, T., et al. (2024). Intelligent tutoring systems in mathematics education. Computers, 13(10), 270.

Strielkowski, W. (2025). AI-driven adaptive learning for sustainable educational transformation. Sustainable Development. doi: 10.1002/sd.3221

Taber, K. S. (2018). The use of Cronbach’s alpha when developing and reporting research instruments in science education. Research in Science Education, 48, 1273–1296. doi: 10.1007/s11165-016-9602-2

Tan, L. Y. (2025). Artificial intelligence-enabled adaptive learning platforms: Pedagogical foundations and real-world applications. ScienceDirect Review Article.

UNESCO. (2024). AI competency framework for teachers. UNESCO. Sin DOI.

Wang, X. (2024). The efficacy of artificial intelligence-enabled adaptive learning systems on students’ cognitive learning outcomes: A meta-analysis. Journal of Educational Computing Research. doi: 10.1177/07356331241240459

Yuan, H., et al. (2025). Artificial intelligence in language learning: Biometric feedback and adaptive reading for improved comprehension and reduced anxiety. Humanities and Social Sciences Communications. doi: 10.1057/s41599-025-04878-w

Descargas

Publicado

2026-02-10

Cómo citar

Aprendizaje personalizado con inteligencia artificial para atender diferentes ritmos de aprendizaje en matemática y comunicación en educación básica. (2026). Sercapo Journal Scientific, 3(1), 1-20. https://doi.org/10.67166/d7mxsj89

Artículos similares

1-10 de 28

También puede Iniciar una búsqueda de similitud avanzada para este artículo.