Idoneidad Didáctica en Tareas Matemáticas Mediadas por Inteligencia Artificial Generativa: Aportes del Enfoque Ontosemiótico a la Formación Docente
Didactic suitability in mathematical tasks mediated by generative artificial intelligence: contributions of the ontosemiotic approach to teacher training
Palabras clave:
educación matemática, inteligencia artificial generativa, enfoque ontosemiótico, idoneidad didácticaResumen
La transformación de la práctica docente en la enseñanza de la matemática constituye un desafío impostergable para las Ciencias Pedagógicas. La presente ponencia aborda una investigación en curso que analiza la mediación de la inteligencia artificial generativa (IAG) en el diseño de tareas matemáticas por parte de docentes de Educación Básica en formación continua. Sustentada en el Enfoque Ontosemiótico del Conocimiento y la Instrucción Matemática (EOS), la investigación concibe la idoneidad didáctica como un criterio esencial para valorar la calidad del proceso de enseñanza-aprendizaje, con énfasis en la dimensión epistémica del conocimiento matemático. El propósito general consiste en caracterizar la idoneidad didáctica de las tareas planificadas con apoyo de la IAG, valorando su coherencia conceptual, potencial matemático y contribución al desarrollo profesional docente. El estudio adopta un enfoque cualitativo, descriptivo y longitudinal, aplicado a maestrandos de la Universidad Bolivariana del Ecuador, quienes interactúan con herramientas de IA para reformular consignas, contrastar argumentos y fortalecer su pensamiento didáctico. Los resultados esperados permitirán comprender cómo la IAG puede actuar como un dispositivo formativo que impulsa la reflexión crítica, la toma de decisiones fundamentadas y la mejora de la práctica pedagógica. Se concluye que el uso ético y didáctico de la inteligencia artificial no sustituye la función docente, sino que amplía su papel como mediador epistemológico, investigador de su propia práctica y diseñador de experiencias de aprendizaje pertinentes para la educación matemática contemporánea.
Citas
Barreiro, P., Leonian, P., Marino, T., Pochulu, M., y Rodriguez, M. (2016). Perspectivas metodológicas en la enseñanza y en la investigación en educación matemática. Ediciones UNGS.
Bilateria. (2024). Marco para la integración ética de la IA generativa en las tareas educativas. https://educacion.bilateria.org/marco-para-la-integracion-etica-de-la-ia-generativa-en-las-tareas-educativas
Breda, A., y Lima, V. M. (2016). Estudio de caso sobre el análisis didáctico realizado en un trabajo final de un máster para profesores de matemáticas en servicio. Redimat, 5(1), 74–103.
Calle Palomeque, C. E. (2023). Reflexión en la formación de profesores de matemáticas de Ecuador sobre la complejidad de los objetos matemáticos a enseñar [Tesis doctoral, Universidad de Barcelona]. Repositorio institucional.
Chevallard, Y., Bosch, M., y Gascón, J. (1997). Estudiar matemáticas: El eslabón perdido entre la enseñanza y el aprendizaje. ICE; Horsori.
Fajardo Aguilar, G. M., Ayala Gavilanes, D. C., Arroba Freire, E. M., y López Quincha, M. (2023). Inteligencia artificial y la educación universitaria: Una revisión sistemática. Magazine de las Ciencias: Revista de Investigación e Innovación, 8(1). https://doi.org/10.33262/magazine.v8i1.2935
Font, V., Planas, N., y Godino, J. D. (2010). Modelo para el análisis didáctico en educación matemática. Infancia y Aprendizaje, 33(1), 89–105.
Godino, J. D. (2011, julio). Indicadores de idoneidad didáctica de procesos de enseñanza y aprendizaje de las matemáticas [Ponencia]. XIII Conferencia Interamericana de Educación Matemática (CIAEM-IACME), Recife, Brasil.
Godino, J. D. (2013). Diseño y análisis de tareas para el desarrollo del conocimiento didáctico-matemático de profesores. En J. M. Contreras, G. R. Cañadas, M. M. Gea, y P. Arteaga (Eds.), Actas de las 1° Jornadas Virtuales en Didáctica de la Estadística, Probabilidad y Combinatoria (pp. 1–15). Grupo de Investigación en Didáctica de la Estadística, Probabilidad y Combinatoria de la SEIEM.
Godino, J. D., Bencomo, D., Font, V., y Wilhelmi, M. (2007). Análisis y valoración de la idoneidad didáctica de procesos de estudio de las matemáticas. Paradigma, 27(2), 221–252.
Godino, J. D., Contreras, A., y Font, V. (2006). Análisis de procesos de instrucción basado en el enfoque ontológico-semiótico de la cognición matemática. Recherches en Didactiques des Mathematiques, 26(1), 39–88.
Godino, J. D., y Batanero, C. (1994). Significado institucional y personal de los objetos matemáticos. Recherches en Didactiques des Mathematiques, 14(3), 325–355.
Hernández-Sampieri, R., Fernández-Collado, C., y Baptista-Lucio, P. (2010). Metodología de la investigación (5.ª ed.). McGraw-Hill.
Martínez, J. (2017). La formación docente en matemáticas en Ecuador: Un análisis crítico. Cuadernos de Investigación Educativa, 5(1), 45–68.
Montenegro, F. (2022). Caracterización de las tareas de matemática que se proponen en una formación continua de profesores cuando las TIC se establecen como recurso prioritario [Tesis doctoral, Universidad Católica de Santa Fe].
Pochulu, M. (2022). Educación matemática: Licenciatura en pedagogía de la matemática. Universidad Católica de Santiago del Estero.
Pochulu, M. (23 de septiembre de 2023). Modelización matemática en contextos extramatemáticos [Video]. YouTube. https://www.youtube.com/watch?v=aTbV_vueevw
Pochulu, M. (12 de octubre de 2023). Avances en educación matemática: Diseñando tareas con inteligencia artificial [Conferencia]. Núcleo de Investigación de Educación Matemática (NIEM), UNICEN, Tandil, Argentina.
Pochulu, M. (23 de mayo de 2024). Reformulación de problemas interdisciplinarios de matemáticas con IA: Estrategias para docentes [Video]. YouTube. https://www.youtube.com/watch?v=9eEqqTMWoAo
Pochulu, M. (7 de julio de 2024). Inteligencia artificial y educación matemática [Video]. YouTube. https://www.youtube.com/watch?v=lTw9kmBgQMc
Pochulu, M., y Ferreiro, M. (2024). Modelización matemática e inteligencia artificial generativa [Manuscrito en preparación].
Ronquillo Cando, N. E. (2018). La formación continua de los docentes del área de matemática (bachillerato) en la Unidad Educativa Saquisilí [Tesis de maestría, Universidad Andina Simón Bolívar]. Repositorio institucional.
Sureda, P., Corica, A. R., y Parra, V. (2023). Inteligencia artificial generativa en la formación de profesores de matemática en servicio. Unión - Revista Iberoamericana de Educación Matemática, 19(69), 1–13.
Supo, J. (2012). Seminarios de investigación científica [Audiolibro]. Sociedad Hispana de Investigadores Científicos.
Yuni, J., y Urbano, C. (2014). Técnicas para investigar: Recursos metodológicos para la preparación de proyectos de investigación (Vol. 1). Editorial Brujas.
Zabala Leal, M. A., y Zuluaga, J. D. (2021). Modelo de personalización de recursos de aprendizaje mediante técnicas de inteligencia artificial para la enseñanza de matemáticas en educación superior. Revista Interamericana de Investigación, Educación y Pedagogía, 14(2), 1–24. https://doi.org/10.15332/25005421.7904
Vesub, L. (2018). Formación docente y desarrollo profesional en la enseñanza de la matemática. Universidad Nacional de Rosario.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Arián Vázquez Alvarez, Ph.D , Fabiana Guadalupe Montenegro, Ph.D
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y construir a partir del material
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
