Inteligencia Artificial y Aprendizaje Automático en la Educación Estadística

Barra lateral del artículo

PDF HTML

Contenido principal del artículo

Víctor Alfonso Torres-Gordillo
Corporación Universitaria Minuto de Dios - UNIMINUTO, Colombia
https://orcid.org/0009-0009-7557-6761

Resumen

Este estudio analiza el impacto de la inteligencia artificial (IA) y el aprendizaje automático en la enseñanza de la estadística en educación superior, con énfasis en su aplicabilidad para mejorar la comprensión conceptual y personalizar el aprendizaje. Se empleó un enfoque metodológico mixto de tipo explicativo-secuencial, con un diseño cuasi-experimental aplicado a 120 estudiantes de pregrado en Colombia. Se utilizaron instrumentos cuantitativos (pruebas estandarizadas, ANOVA, prueba t y regresión logística) y cualitativos (entrevistas semiestructuradas y análisis temático con NVivo). Los resultados mostraron que el grupo que utilizó plataformas basadas en IA presentó mejoras estadísticamente significativas en rendimiento, retención de conceptos y transferencia del conocimiento. Además, la retroalimentación inmediata y el tiempo de conexión semanal se identificaron como predictores claves del éxito académico. Las entrevistas a docentes revelaron percepciones positivas sobre la IA como facilitadora del aprendizaje, aunque también se destacaron tensiones relacionadas con la autonomía tecnológica y el rol pedagógico. Se concluye que la IA puede potenciar la enseñanza estadística si se integra bajo principios éticos y didácticos claros, sin sustituir el acompañamiento humano. Estos hallazgos refuerzan el valor de modelos híbridos y adaptativos que combinan tecnología avanzada con prácticas pedagógicas reflexivas.

Información del artículo
Publicado: Jul 18, 2025
Número: Vol. 4 (2025): Revista de Educación Estadística
Sección: Investigación
DOI: https://doi.org/10.29035/redes.4.1.7
Palabras clave: Inteligencia Artificial, Aprendizaje Automático, Educación Estadística, Personalización del Aprendizaje, Modelado de Datos

Detalles del artículo

Cómo citar
Torres-Gordillo, V. A. (2025). Inteligencia Artificial y Aprendizaje Automático en la Educación Estadística. Revista De Educación Estadística, 4, 1-21. https://doi.org/10.29035/redes.4.1.7
Referencias

Campbell, D. T. y Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Houghton Mifflin.

Chance, B., Ben-Zvi, D., Garfield, J. y Medina, E. (2007). The role of technology in improving student learning of statistics. Technology Innovations in Statistics Education, 1(1), 1-26.

Chen, C., Wang, M., Zou, D. y Cheng, G. (2021). Digital game-based learning of computational thinking: A systematic review on learning effectiveness and scaffolding design. Computers & Education, 182, 104463. https://doi.org/10.1016/j.compedu.2022.104463

Creswell, J.W. y Creswell, J.D. (2017). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.

Creswell, J.W. y Plano Clark, V.L. (2018). Diseño y evaluación de investigaciones de métodos mixtos (2.ª ed.). Pearson Educación.

García-Peñalvo, F.J. y Corell, A. (2020). La transformación digital en las universidades: Implicaciones de la COVID-19 sobre la enseñanza y el aprendizaje. Education in the Knowledge Society, 21, 1-14. https://doi.org/10.14201/eks.23013

Garfield, J. y Ben-Zvi, D. (2008). Developing students’ statistical reasoning: Connecting research and teaching practice. Springer.

Holmes, W., Bialik, M. y Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Huang, S., Chen, C. y Lin, C. (2023). AI-assisted adaptive learning in statistics education: A meta-analysis of recent advances. Computers & Education, 195, 104782. https://doi.org/10.1016/j.compedu.2023.104782Mayer, R. E. (2021). Multimedia learning (3rd ed.). Cambridge University Press.

Sweller, J. (2017). Cognitive load theory. Psychology Press.

Tempelaar, D. T., Rienties, B. y Giesbers, B. (2021). The role of learning analytics in supporting self-regulated learning. Computers in Human Behavior, 117, 106675. https://doi.org/10.1016/j.chb.2020.106675

Wang, X. y Zhu, L. (2022). Machine learning for statistical education: An empirical study on AI-enhanced tutoring systems. Journal of Educational Data Mining, 14(3), 112-129. https://doi.org/10.5281/zenodo.7123456

World Medical Association. (2013). Declaración de Helsinki – Principios éticos para las investigaciones médicas en seres humanos. World Medical Association.

Zou, D., Wang, M. y Cheng, G. (2022). Digital game-based learning of computational thinking: A systematic review on learning effectiveness and scaffolding design. Computers & Education, 182, 104463. https://doi.org/10.1016/j.compedu.2022.104463

Zwick, R. (2021). Fair game? The use of standardized admissions tests in higher education. Routledge. https://doi.org/10.4324/9781003022173

Estadísticas de descarga
##plugins.themes.bootstrap3.displayStats.noStats##
Información de la licencia
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.