Aprendizaje personalizado mediante el uso de inteligencia artificial y entornos virtuales de aprendizaje
Palabras clave:
Inteligencia Artificial Educativa, Aprendizaje Adaptativo, Entornos Virtuales de Aprendizaje (EVA), Sistemas de Tutoría Inteligente (ITS).Resumen
El modelo educativo tradicional de "talla única" ha demostrado ser insuficiente para atender la diversidad de ritmos de aprendizaje en el aula contemporánea. La presente investigación analiza el impacto de la Inteligencia Artificial (IA) integrada en Entornos Virtuales de Aprendizaje (EVA) para la personalización de la enseñanza. El objetivo central fue determinar si existe una diferencia estadísticamente significativa en el desempeño estudiantil al aplicar modelos de aprendizaje adaptativo. Para ello, se empleó un diseño cuasi-experimental con una muestra de 120 estudiantes universitarios, distribuidos en tres grupos: un grupo control con EVA convencional y dos grupos experimentales con niveles incrementales de intervención tecnológica (analítica de aprendizaje básica e IA adaptativa). Los resultados, evaluados mediante una matriz ANOVA de un factor, revelaron diferencias significativas (p < 0,001), rechazando la hipótesis nula. El grupo con IA adaptativa alcanzó la media más alta (88,4/100), superando al grupo de analítica básica (78,5) y al de control (72,1). Además, se registró una optimización del tiempo de aprendizaje del 22% y un incremento del 15% en la retención de conocimientos a largo plazo. El estudio concluye que la personalización algorítmica actúa como un "nivelador" pedagógico que reduce la brecha cognitiva y transforma estructuralmente la eficacia educativa, por lo que se recomienda la transición hacia ecosistemas de aprendizaje inteligentes.
Descargas
Citas
Akinwalere, S. N. & Ivanov, V. (2022) “Artificial Intelligence in Higher Education: Challenges and Opportunities”, Border Crossing. London, UK, 12(1), pp. 1–15.. https://doi.org/10.33182/bc.v12i1.2015
Alam, A. (2021). Possibilities and Apprehensions in the Landscape of Artificial Intelligence in Education. Communications in Computer and Information Science, 1395(1), 59-71. https://doi.org/ https://doi.org/10.1109/ICCICA52458.2021.9697272
Alvarado Bedor, A. E. (2025). Inteligencia Artificial y Aprendizaje Personalizado: Adaptación de Contenidos Educativos para Potenciar el Desarrollo Integral en Primero de Básica. Revista Científica De Salud Y Desarrollo Humano, 6(1), 1530–1553. https://doi.org/10.61368/r.s.d.h.v6i1.545
Bañeres, D., Rodriguez-Gonzalez, M. E., & Serra, M. (2019). An early feedback system based on learner’s academic performance prediction. IEEE Transactions on Learning Technologies 12(2), 249 - 263. https://doi.org/10.1109/TLT.2019.2912167
Beetroot Academy. (2025). The impact of adaptive learning on student speed and efficiency: A global 2024 report. Beetroot Publishing.
Brusilovsky, P. (2007). Adaptive Navigation Support. Lecture Notes in Computer Science, 4321, 263-290. https://doi.org/10.1007/978-3-540-72079-9_8
Carter, E Molina, E Pushparatnam, A Rimm-Kaufman, S Tsapali, M & Wong, K. (2024). Evidence-based teaching: effective teaching practices in primary school classrooms. London Review of Education 22(1) doi: 10.14324/LRE.22.1.08
Chen, X., Xie, H., Zou, D., & Hwang, G. J. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510
Cortez Granizo, D. W. (2025). Impacto de la inteligencia artificial generativa en la mejora del rendimiento académico y la retroalimentación personalizada en estudiantes universitarios. Remulci, 3(1), e–1171. https://doi.org/10.59282/remulci.3.1.1171
Graesser, A. C. (2016). Conversations with AutoTutor: A compilation of strategies to help students learn. International Journal of Artificial Intelligence in Education, 26(1), 88-99. https://doi.org/10.1007/s40593-015-0086-4
He, G., Huang, C., Yang, S., Lwin, K., Ouh, E. L., Ju, R., & Zhu, X. (2023). Predicting Students' Progress in Intelligent Tutoring Systems. Preprints. https://doi.org/10.20944/preprints202311.1073.v2
Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Shum, S. B., ... & Koedinger, K. R. (2022). Ethics of AI in Education: Towards a Community-Wide Framework. International Journal of Artificial Intelligence in Education, 32(3), 501-526. https://doi.org/10.1007/s40593-021-00239-1
Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542-570. https://doi.org/10.1111/ejed.12533
Hwang, G. J., Xie, H., Wah, B. W., & Gašević, D. (2020). Vision, challenges, and considerations for Taiwan’s AI in education. Computers and Education: Artificial Intelligence, 1 2020, 100001. https://doi.org/10.1016/j.caeai.2020.100001
Ismail, H., Hussein, N., Harous, S., & Khalil, A. (2023). Survey of Personalized Learning Software Systems: A Taxonomy of Environments, Learning Content, and User Models. Education Sciences, 13(7), 741. https://doi.org/10.3390/educsci13070741
Kulik, J. A., & Fletcher, J. D. (2016). Effectiveness of Intelligent Tutoring Systems: A Meta-Analysis. Review of Educational Research, 86(1), 42-78. https://doi.org/10.3102/0034654315581420
Luan, H., & Tsai, C. C. (2021). A Review of Using Machine Learning Approaches for Precision Education. Educational Technology & Society, 24(1), 250-266.
Luckin, R., & Cukurova, M. (2019). Designing educational technologies in the age of AI: A learning sciences perspective. British Journal of Educational Technology, 54(2), 341-356. https://doi.org/10.1111/bjet.12861
Mousavinasab, E., Zarifsanaiey, N., R. Niakan Kalhori, S., Rakhshan, M., Keikha, L., & Ghazi Saeedi, M. (2021). Intelligent tutoring systems: a systematic review of characteristics, applications, and evaluation methods. Interactive Learning Environments, 29(1), 142–163. https://doi.org/10.1080/10494820.2018.1558257
Mustafa, M.Y., Tlili, A., Lampropoulos, G. et al. (2024). A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda. Smart Learn. Environ. 11, 59. https://doi.org/10.1186/s40561-024-00350-5
Paramythis, A., & Loidl-Reisinger, S. (2004). Adaptive Learning Environments and e-Learning Standards. Electronic Journal of e-Learning, 2(1), 181-194.
Posso-Pacheco, RJ (2025). El rol del docente en la era de la inteligencia artificial: de transmisor de contenidos a desarrollador de habilidades y valores del siglo XXI. MENTOR Revista de investigación educativa y deportiva, 4 (11), 1–8. https://doi.org/10.56200/mried.v4i11.10185
Roll, I., & Wylie, R. (2016). Evolution and Revolution in Artificial Intelligence in Education. International Journal of Artificial Intelligence in Education, 26(2), 582-599. https://doi.org/10.1007/s40593-016-0110-3
Selwyn, N. (2019). Should Robots Replace Teachers? AI and the Future of Education. Polity Press.
Stanford University. (2024). AI and the future of learning: Annual research summary. Stanford Digital Education. https://digitaleducation.stanford.edu/reports/2024-ai-learning.
Steenbergen-Hu, S., & Cooper, H. (2014). A meta-analysis of the effectiveness of intelligent tutoring systems on K-12 students' mathematical learning. Journal of Educational Psychology, 106(2), 331-347. https://doi.org/10.1037/a0034742
Sweller, J. (2020). Cognitive load theory and educational technology. Educational Technology Research and Development, 68(1), 1-16. https://doi.org/10.1007/s11423-019-09701-3
Tuomi, I. (2018). The Impact of Artificial Intelligence on Learning, Teaching, and Education. Joint Research Centre, European Commission. https://doi.org/10.2760/12297
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16(1), 1-24. https://doi.org/10.1186/s41239-019-0171-0
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Journal of Science and Research
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
No utilizar esta obra para fines comerciales.
Declaración de privacidad
Los nombres y direcciones de correo-e introducidos en esta revista se usarán exclusivamente para los fines declarados por esta revista y no estarán disponibles para ningún otro propósito u otra persona.