Integración de metodologías activas e inteligencia artificial en la enseñanza de vectores, rectas y planos: una experiencia de aula en un curso universitario de álgebra lineal

Contenido principal del artículo

Reiman Acuña-Chacón
Marcela Marrero-Calvo

Resumen

Este trabajo describe una experiencia educativa desarrollada en un curso universitario de Álgebra Lineal en el Instituto Tecnológico de Costa Rica, centrada en el estudio de vectores, rectas y planos. Con el objetivo de fortalecer la comprensión conceptual y el pensamiento crítico, se implementaron metodologías activas como la Enseñanza Justo a Tiempo (JiTT) y la Instrucción entre Pares (PI), apoyadas por herramientas de Inteligencia Artificial (IA).  La dinámica de trabajo involucró a estudiantes en grupos aleatorios, quienes utilizaron la IA para generar soluciones iniciales a ejercicios complejos, las cuales debían ser analizadas, corregidas y justificadas críticamente. Los hallazgos, basados en la retroalimentación de los estudiantes, revelan una alta valoración de la metodología, destacando su utilidad para verificar procedimientos, corregir errores y obtener retroalimentación instantánea. Además, la experiencia promovió el desarrollo de habilidades de validación y razonamiento crítico al enfrentar las limitaciones de las herramientas de IA. El estudio concluye que la integración de la IA en una estructura pedagógica activa fomenta un aprendizaje más profundo, colaborativo y autónomo.

Detalles del artículo

Cómo citar
Acuña-Chacón, R., & Marrero-Calvo, M. (2026). Integración de metodologías activas e inteligencia artificial en la enseñanza de vectores, rectas y planos: una experiencia de aula en un curso universitario de álgebra lineal. Revista Tecnología En Marcha, 39(5), Pág. 190–202. https://doi.org/10.18845/tm.v39i5.8256
Sección
Inteligencia Artificial en educación superior

Citas

[1] L. Ávila, J. Briones, D. Hidalgo, y J. Calderón, “Innovación en la enseñanza de álgebra lineal en la educación superior: integración de tecnologías interactivas y enfoques didácticos,” Reincisol, vol. 3, no. 6, pp. 4971-4988, 2024.

[2] M. Hernández-Campos y N. Murillo-Quirós, “Instrucción entre pares y enseñanza justo a tiempo: una experiencia en la enseñanza de la Física en educación superior,” Cuadernos de Investigación UNED, vol. 11, no. 2, pp. 130–136, 2019.

[3] D. Fardian, D. Suryadi, S. Prabawanto, y A. Jupri, “Integrating Chat-GPT in the Classroom: A Study on Linear Algebra Learning in Higher Education,” International Journal of Information and Education Technology, vol. 15, no. 4, pp. 732–751, 2025.

[4] F. P. Guachún-Lucero y G. R. Espadero-Faicán, “El software GeoGebra como recurso para la enseñanza de vectores: una experiencia didáctica,” Revista de Matemática, Enseñanza y Cultura (REMATEC), vol. 16, no. 37, pp. 46–60, 2021.

[5] W. Holmes, M. Bialik, y C. Fadel, Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Boston, MA: Center for Curriculum Redesign, 2019.

[6] O. Zawacki-Richter, V. I. Marín, M. Bond, y F. Gouverneur, “Systematic review of research on artificial intelligence applications in higher education – where are the educators?,” International Journal of Educational Technology in Higher Education, vol. 16, no. 39, pp. 1–27, 2019.

[7] R. Y. A. Chacón y M. M. Calvo, “Integración de metodologías activas e inteligencia artificial en la enseñanza del tema de sucesiones y series: Una experiencia de clase en un curso semipresencial del Instituto Tecnológico de Costa Rica,” Cuadernos de Investigación y Formación en Educación Matemática, vol. 18, no. 2, pp. 135–160, jun. 2025. [En línea]. Disponible en: https://revistas.ucr.ac.cr/index.php/rcifem/article/view/1384/1651

[8] J.V. Méndez-Gamba, “Inteligencia artificial y didáctica matemática”, Revista Multidisciplinaria Perspectivas Investigativas, vol. 5, no. Educativa, pp. 161-171, nov. 2025. [En línea]. Disponible en: https://rperspectivasinvestigativas.org/index.php/multidiscipinaria/article/view/458

[9] S. Mendo-Lázaro, J. León-del-Barco, E. Felipe-Castaño, M. Polo-del-Río y M. Iglesias-Gallego, “The impact of cooperative learning on university students’ academic goals and engagement,” Frontiers in Education, vol. 7, Art. no. 784940, 2022. [En línea]. Disponible en:

https://www.frontiersin.org/articles/10.3389/feduc.2022.784940/full

[10] L. Yan, L. Sha, L. Zhao, Y. Li, R. Martinez-Maldonado, G. Chen y D. Gašević, “Practical and ethical challenges of large language models in education: A systematic scoping review,” arXiv preprint, arXiv:2303.13379, 2023. [En línea]. Disponible en:

https://arxiv.org/abs/2303.13379

[11] L. Ávila, J. Briones, D. Hidalgo, y J. Calderón, “Innovación en la enseñanza de álgebra lineal en la educación superior: integración de tecnologías interactivas y enfoques didácticos,” Reincisol, vol. 3, no. 6, pp. 4971-4988, 2024. [En línea]. Disponible en: https://dialnet.unirioja.es/descarga/articulo/9934637.pdf

[12] L. J. Valencia, “Metodologías activas en la enseñanza de Matemáticas en nivel superior,” Repositorio UASB, 2025. [En línea]. Disponible en: https://repositorio.uasb.edu.ec/bitstream/10644/10407/1/T4524-MIE-Valencia-Metodologias.pdf

[13] C. A. Carvajal Chávez, “Inteligencia artificial como recurso didáctico en la educación superior: una revisión sistemática,” RECIMUNDO, vol. 8, no. 2, pp. 312–329, 2024. [En línea]. Disponible en: https://www.recimundo.com/index.php/es/article/view/2463

[14] R. Zambrana Copaja, A. D. Salinas Montemayor, F. A. Macías García y E. E. Escobar, “Inteligencia artificial en la educación superior para promover un aprendizaje personalizado e inclusivo: una revisión sistemática,” Revista InveCom, vol. 5, no. 1, pp. 1–18, 2025. [En línea]. Disponible en: https://www.revistainvecom.org/index.php/invecom/article/view/4013