Diseño Didáctico Mediado por Modelos de Lenguaje en Matemática Universitaria: Génesis Instrumental, Autorregulación y Andamiaje
DOI:
https://doi.org/10.70747/cr.v5i2.1113Palabras clave:
enseñanza de las matemáticas, inteligencia artificial, tecnología educacional, enseñanza superior, proceso de aprendizajeResumen
La integración de los modelos de lenguaje en la educación matemática universitaria plantea un problema no resuelto, pues, sin una estructura pedagógica explícita, la inestabilidad epistémica de estos artefactos puede sustituir el aprendizaje genuino por dependencia cognitiva. Ante esa brecha, esta investigación tuvo como objetivo proponer una articulación teórica que integre la génesis instrumental, el aprendizaje autorregulado y el andamiaje vygotskiano como un sistema de diseño didáctico para ambientes mediados por modelos de lenguaje, así como explorar su viabilidad operacional. Para ello se desarrolló un estudio mixto exploratorio de caso, con triangulación de datos, en el que se analizaron frecuencias, medias y tablas de contingencia de seis indicadores codificados mediante una rúbrica de cuatro niveles y de un cuestionario de salida con ítems Likert, y se examinaron las producciones escritas a través de cinco categorías de análisis; participaron 29 estudiantes de un curso de matemática para administración del Instituto Tecnológico de Costa Rica, en una sesión presencial estructurada con la guía PRVR (Planear-Resolver-Verificar-Reflexionar). Los hallazgos muestran que el 18,5 % alcanzó la formalización máxima del Teorema del Factor, el 40,7 % instrumentalizó genuinamente el verificador conversacional y el 82,8 % articuló la conexión cero-factor, con una media global de los ítems Likert de 4,65; la evidencia cuantitativa y la cualitativa convergieron en la misma dirección. Se concluye que el marco integrado es operacionalizable mediante la guía PRVR y que aporta evidencia preliminar de que puede estructurar interacciones estudiante-IA pedagógicamente productivas, aunque su componente autorregulador requiere mayor desarrollo.
Citas
Baidoo-Anu, D., y Owusu Ansah, L. (2023). Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning. Journal of AI, 7(1), 52–62. https://doi.org/10.61969/jai.1337500
Bender, E. M., Gebru, T., McMillan-Major, A., y Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? En Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). ACM. https://doi.org/10.1145/3442188.3445922
Creswell, J. W., y Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3.ª ed.). SAGE.
Frieder, S., Pinchetti, L., Chevalier, A., Griffiths, R. R., Salvatori, T., Lukasiewicz, T., Petersen, P., y Berner, J. (2024). Mathematical capabilities of ChatGPT. Advances in Neural Information Processing Systems, 36. https://doi.org/10.48550/arXiv.2301.13867
Hiebert, J., y Lefevre, P. (1986). Conceptual and procedural knowledge in mathematics: An introductory analysis. En J. Hiebert (Ed.), Conceptual and procedural knowledge: The case of mathematics (pp. 1–27). Lawrence Erlbaum.
Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Mogavi, R. H., Deng, C., Kim, J. J., Zhou, P., Kwon, Y. D., Metwally, A. H. S., Tlili, A., Bassanelli, S., Bucchiarone, A., Gujar, S., Nacke, L. E., y Hui, P. (2024). ChatGPT in education: A blessing or a curse? A qualitative study exploring early adopters’ utilization and perceptions. Computers in Human Behavior: Artificial Humans, 2(1), 100027. https://doi.org/10.1016/j.chbah.2023.100027
Rabardel, P. (1995). Les hommes et les technologies: une approche cognitive des instruments contemporains. Armand Colin.
Selwyn, N. (2022). The future of AI and education: Some cautionary notes. European Journal of Education, 57(4), 620–631. https://doi.org/10.1111/ejed.12532
Sfard, A. (1991). On the dual nature of mathematical conceptions: Reflections on processes and objects as different sides of the same coin. Educational Studies in Mathematics, 22(1), 1–36. https://doi.org/10.1007/BF00302715
Trouche, L. (2004). Managing the complexity of human/machine interactions in computerized learning environments: Guiding students’ command process through instrumental orchestrations. International Journal of Computers for Mathematical Learning, 9(3), 281–307. https://doi.org/10.1007/s10758-004-3468-5
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Wardat, Y., Tashtoush, M. A., AlAli, R., y Jarrah, A. M. (2023). ChatGPT: A revolutionary tool for teaching and learning mathematics. EURASIA Journal of Mathematics, Science and Technology Education, 19(7), em2286. https://doi.org/10.29333/ejmste/13272
Wood, D., Bruner, J. S., y Ross, G. (1976). The role of tutoring in problem solving. Journal of Child Psychology and Psychiatry, 17(2), 89–100. https://doi.org/10.1111/j.1469-7610.1976.tb00381.x
Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. En M. Boekaerts, P. R. Pintrich, y M. Zeidner (Eds.), Handbook of self-regulation (pp. 13–39). Academic Press. https://doi.org/10.1016/B978-012109890-2/50031-7
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Melvin Ramírez Bogantes

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


ISSN: 3045-5537














