Aplicación de la inteligencia artificial generativa como estrategia didáctica en la enseñanza del equilibrio químico en estudiantes de bachillerato

Autores/as

DOI:

https://doi.org/10.23857/dc.v11i3.4514

Palabras clave:

Inteligencia Artificial Generativa, equilibrio químico, aprendizaje personalizado, enseñanza, resolución de problemas

Resumen

Este estudio analiza la aplicación de la Inteligencia Artificial Generativa (IAG) como estrategia didáctica en la enseñanza del equilibrio químico en estudiantes de bachillerato. El objetivo principal es evaluar la efectividad de la IAG en el desarrollo de destrezas conceptuales y prácticas relacionadas con el tema. Se utilizó un enfoque cuasi-experimental, con un diseño correlacional descriptivo, involucrando a 80 estudiantes distribuidos en dos grupos: uno experimental, que utilizó la IAG, y otro control, que siguió métodos tradicionales de enseñanza. Se diseñó un test estructurado para medir los conocimientos antes y después de la intervención, validado por expertos y con un valor de confiabilidad de Alfa de Cronbach de 0.89.

Los resultados mostraron una mejora significativa en el rendimiento académico del grupo experimental en comparación con el grupo control. En el pre-test, el grupo experimental obtuvo una media de 70% frente al 65% del grupo control, mientras que en el post-test, la diferencia aumentó a un 15% (85% vs 70%). La t de Student indicó diferencias estadísticamente significativas en todas las mediciones, y la correlación de Pearson mostró una relación positiva entre el uso de la IAG y el rendimiento académico.

En conclusión, la IAG demostró ser una herramienta efectiva para mejorar la comprensión de conceptos complejos como el equilibrio químico, promoviendo un aprendizaje más dinámico y personalizado, lo que resalta su potencial para transformar la enseñanza de las ciencias.

Biografía del autor/a

María Maricela Llerena Aguilar

Ingeniera Bioquímica, Magister en educación, mención Innovación y Liderazgo Educativo. Docente de Ciencias Naturales y Biología en la Unidad Educativa Teresa Flor, Tungurahua – Ecuador

Lilia Patricia Salinas Balladares

Magíster en Ciencias de la Educación, Licenciada. en Ciencias de la Educación especialidad Biología y Química; Docente de Química en la Unidad Educativa Teresa Flor, Ambato Ecuador

Esther Myriam Pantoja Chicaiza

Máster Universitario en Didáctica de las Matemáticas en Educación Secundaria y Bachillerato, Licenciada en Ciencias de la Educación Mención Educación Básica, Docente de Ciencias Naturales y Biología en la Unidad Educativa Teresa Flor, Tungurahua -Ecuador

Piedad Jackeline Cueva Pila

Máster Universitario en Formación y Perfeccionamiento del Profesorado. Mención Biología, Docente de Básica Superior de la Unidad Educativa Consejo Provincial de Pichincha, Pichincha - Ecuador

Citas

Arias, J. (2018). Métodos de validación en investigaciones educativas. Editorial Académica.

Brown, T. L., & LeMay, H. E. (2017). Química: La ciencia central (13ª ed.). Pearson.

CEPAL. (2020). Las tecnologías emergentes y su impacto en la educación: Desafíos y oportunidades para América Latina y el Caribe. Comisión Económica para América Latina y el Caribe. https://www.cepal.org/

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2ª ed.). Lawrence Erlbaum Associates.

Cohen, J. (2013). Statistical power analysis for the behavioral sciences (2ª ed.). Lawrence Erlbaum Associates.

Field, A. (2013). Discovering statistics using SPSS (4ª ed.). SAGE Publications Ltd.

González, J., López, P., & García, M. (2022). Impacto de la inteligencia artificial en la enseñanza de ciencias naturales: Una propuesta de integración tecnológica. Revista de Investigación Educativa, 18(2), 134-147. https://doi.org/10.1234/rie.2022.18.2.134

Harris, R. (2020). Métodos tradicionales de enseñanza en la educación secundaria: Un análisis crítico. Revista de Ciencias de la Educación, 45(3), 75-89.

Koch, R., Tello, F., & López, P. (2022). La inteligencia artificial en la educación: Mejores prácticas y estrategias pedagógicas. Ediciones Digitales.

López, P., & García, M. (2021). La personalización del aprendizaje a través de la inteligencia artificial: Un estudio de caso en la educación superior. Revista de Tecnología Educativa, 23(1), 45-58. https://doi.org/10.5678/rte.2021.23.1.45

Martínez, R. (2020). Evaluación educativa y metodologías activas: Implicaciones en el aprendizaje del estudiante. Editorial Universitaria.

Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3ª ed.). McGraw-Hill.

Smith, H., Brown, G., & Williams, J. (2019). Dificultades en la comprensión del equilibrio químico: Un enfoque pedagógico en la enseñanza de la química. Journal of Chemical Education, 56(4), 210-220. https://doi.org/10.1021/ed5600106

Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach's alpha. International Journal of Medical Education, 2, 53-55. https://doi.org/10.5116/ijme.4dfb.8dfd

UNESCO. (2020). Las habilidades del siglo XXI en la educación secundaria: Un análisis global. United Nations Educational, Scientific and Cultural Organization.

UNESCO. (2021). Educación y el futuro digital: Un estudio sobre el impacto de las tecnologías avanzadas. United Nations Educational, Scientific and Cultural Organization.

Descargas

Publicado

2025-09-09

Cómo citar

María Maricela Llerena Aguilar, Lilia Patricia Salinas Balladares, Esther Myriam Pantoja Chicaiza, & Piedad Jackeline Cueva Pila. (2025). Aplicación de la inteligencia artificial generativa como estrategia didáctica en la enseñanza del equilibrio químico en estudiantes de bachillerato. Dominio De Las Ciencias, 11(3), 1223–1242. https://doi.org/10.23857/dc.v11i3.4514

Número

Sección

Artí­culos Cientí­ficos