Apertura. Revista de innovación educativa‏

Sistema de apoyo docente con inteligencia artificial para personalizar el aprendizaje universitario

Javier Bárcenas Rosas, María Eugenia Gil Rendón

Resumen


El objetivo de este estudio fue diseñar y valorar un sistema de apoyo docente impulsado por inteligencia artificial capaz de traducir perfiles multidimensionales de aprendizaje en recomendaciones didácticas y de evaluación para educación superior. La propuesta integró cinco dimensiones diagnósticas: VARK, para preferencias de acceso a la información; FSLSM, para rasgos de procesamiento y representación; ICAP, para niveles de compromiso cognitivo; SRL, para autorregulación del aprendizaje; y EBSI, para hábitos de estudio. Se empleó un enfoque mixto secuencial explicativo. En la fase cuantitativa se aplicó un cuestionario digital a 145 estudiantes de cinco universidades y se procesaron los datos mediante un sistema desarrollado en Python, que generó perfiles diagnósticos y reportes pedagógicos personalizados para el profesorado. En la fase cualitativa, cuatro docentes valoraron la utilidad, coherencia percibida, factibilidad y aceptabilidad ética de los reportes. Los resultados mostraron convergencia sustantiva entre el diagnóstico calculado sin IA y la narrativa generada con IA en dimensiones como VARK e ICAP, así como una aceptación favorable por parte del profesorado. Sin embargo, se identificaron desajustes en la calibración de FSLSM y en la intensidad atribuida a SRL y EBSI. Se concluye que la IA puede mediar decisiones docentes bajo supervisión pedagógica


Palabras clave


Inteligencia artificial; educación superior; estilos de aprendizaje; personalización del aprendizaje; apoyo docente

Texto completo:

PDF

Referencias


Brusilovsky, P. (2001). Adaptive hypermedia. User Modeling and User-Adapted Interaction, 11(1-2), 87-110. https://doi.org/10.1023/A:1011143116306

Brusilovsky, P., & Millán, E. (2007). User models for adaptive hypermedia and adaptive educational systems. In P. Brusilovsky, A. Kobsa, & W. Nejdl (Eds.), The adaptive web (pp. 3-53). Springer. https://doi.org/10.1007/978-3-540-72079-9_1

Chi, M. T. H., & Wylie, R. (2014). The ICAP framework: Linking cognitive engagement to active learning outcomes. Educational Psychologist, 49(4), 219-243. https://doi.org/10.1080/00461520.2014.965823

Creswell, J. W., & Plano Clark, V. L. (2017). Designing and conducting mixed methods research (3rd ed.). SAGE.

Felder, R. M., & Silverman, L. K. (1988). Learning and teaching styles in engineering education. Engineering Education, 78(7), 674-681.

Fleming, N. D. (2006). Teaching and learning styles: VARK strategies. The VARK Group. https://vark-learn.com/

Fleming, N. D., & Mills, C. (1992). Not another inventory, rather a catalyst for reflection. To Improve the Academy, 11, 137-155.

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

Laurillard, D. (2012). Teaching as a design science: Building pedagogical patterns for learning and technology. Routledge.

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.

OECD. (2020). The impact of AI on learning, teaching, and education: Policies for the future. OECD Publishing. https://doi.org/10.1787/747832c4-en

Shulman, L. S. (1987). Knowledge and teaching: Foundations of the new reform. Harvard Educational Review, 57(1), 1-22. https://doi.org/10.17763/haer.57.1.j463w79r56455411

Shute, V. J., & Zapata-Rivera, D. (2012). Adaptive educational systems. In J. M. Spector, D. Ifenthaler, D. Sampson, & P. Isaias (Eds.), Handbook of research on educational communications and technology (pp. 277-294). Routledge.

UNESCO. (2021). Reimagining our futures together: A new social contract for education. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000379707

Valenzuela González, J. R., & Flores Fahara, M. (2011). Fundamentos de investigación educativa (Vol. 2). Editorial Digital Tecnológico de Monterrey.

Weinstein, C. E., Palmer, D. R., & Acee, T. W. (2016). LASSI user manual (3rd ed.). H&H Publishing.

Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 13-39). Academic Press. https://doi.org/10.1016/B978-012109890-2/50031-7

Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64-70. https://doi.org/10.1207/S15430421TIP4102_2




DOI: http://dx.doi.org/10.32870/ap.v18n2.2882

Métricas de artículo

Cargando métricas ...

Metrics powered by PLOS ALM

Enlaces refback

  • No hay ningún enlace refback.


Bookmark and Share




Apertura vol. 18, núm. 2, octubre 2026 - marzo 2027, es una revista científica especializada en innovación educativa en ambientes virtuales que se publica de manera semestral por la Universidad de Guadalajara, a través de la Coordinación de Recursos Informativos del Sistema de Universidad Virtual. Oficinas en Av. La Paz 2453, colonia Arcos Sur, CP 44140, Guadalajara, Jalisco, México. Tel.: 3268-8888, ext. 18775, www.udgvirtual.udg.mx/apertura, apertura@udgvirtual.udg.mx. Editor responsable: Dr. Rafael Morales Gamboa. Número de la Reserva de Derechos al Uso Exclusivo del Título de la versión electrónica: 04-2009-080712102200-203, e-ISSN: 2007-1094; número de la Reserva de Derechos al Uso Exclusivo del Título de la versión impresa: 04-2009-121512273300-102, ISSN: 1665-6180, otorgados por el Instituto Nacional del Derecho de Autor. Número de Licitud de Título: 13449 y número de Licitud de contenido: 11022 de la versión impresa, ambos otorgados por la Comisión Calificadora de Publicaciones y Revistas Ilustradas de la Secretaría de Gobernación. Responsable de la última actualización de este número: Sergio Alberto Mendoza Hernández. Fecha de última actualización: 30 de septiembre de 2026.