Inteligência Artificial e Aprendizado de Máquina na Educação Estatística

Barra lateral de artigos

PDF (Espanhol) HTML (Espanhol)

Conteúdo do artigo principal

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

Resumo

Este estudo analisa o impacto da inteligência artificial (IA) e do aprendizado de máquina no ensino de estatística no ensino superior, com ênfase em sua aplicabilidade para melhorar a compreensão conceitual e personalizar a aprendizagem. Foi utilizado um desenho metodológico misto de tipo explicativo-sequencial, com abordagem quase-experimental aplicada a 120 estudantes de graduação na Colômbia. Foram utilizados instrumentos quantitativos (testes padronizados, ANOVA, teste t e regressão logística) e qualitativos (entrevistas semiestruturadas e análise temática com NVivo). Os resultados mostraram que o grupo que utilizou plataformas baseadas em IA apresentou melhorias estatisticamente significativas no desempenho, retenção de conceitos e transferência de conhecimento. O feedback imediato e o tempo de uso semanal da plataforma foram identificados como preditores-chave do sucesso acadêmico. As entrevistas com docentes revelaram percepções positivas da IA como facilitadora da aprendizagem, embora também tenham surgido preocupações quanto à autonomia tecnológica e ao papel pedagógico. Conclui-se que a IA pode potencializar o ensino de estatística quando integrada sob princípios éticos e pedagógicos claros, sem substituir o apoio humano. Esses achados reforçam o valor de modelos híbridos e adaptativos que combinam tecnologia avançada com práticas docentes reflexivas.

##plugins.themes.bootstrap3.info.articulo##
Publicado: Jul 18, 2025
Edição: v. 4 (2025): Revista de Educación Estadística
Seção: Investigación
DOI: https://doi.org/10.29035/redes.4.1.7
Palavras-chave: Inteligência Artificial, Aprendizado de Máquina, Educação Estatística, Personalização da Aprendizagem, Modelagem de Dados

Detalhes do artigo

Como Citar
Torres-Gordillo, V. A. (2025). Inteligência Artificial e Aprendizado de Máquina na Educação Estatística. Journal of Statistical Education, 4, 1-21. https://doi.org/10.29035/redes.4.1.7
Referências

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

##plugins.themes.bootstrap3.displayStats.downloads##
##plugins.themes.bootstrap3.displayStats.noStats##
##plugins.themes.bootstrap3.License.cc##
Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

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