Vol. 14 Núm. 86 (2025): Edición Continua (Febrero - Diciembre 2025)
Articles

Percepciones y el uso de IAGen en profesores universitarios de matemáticas desde Campos Conceptuales

PDF (English) EPUB (English) HTML (English)
  • Denilsón Andrés Silgado-Tuñón,
  • Patricia Sureda,
  • José Iván López-Flores,
  • Emmanuel Magallanes
Denilsón Andrés Silgado-Tuñón
Universidad Autónoma de Zacatecas, México.
Biografía del autor/a

Maestro-Investigador en Matemática Educativa, Universidad Autónoma de Zacatecas, México.

Patricia Sureda
Universidad Nacional del Centro de la Provincia de Buenos Aires (UNICEN), Argentina.
Biografía del autor/a

Doctora-Investigadora del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), Núcleo de Investigación en Educación Matemática (NIEM-CIC-UNCPBA), Instituto Superior de Ingeniería del Software (ISISTAN/CONICET-UNCPBA), Facultad de Ciencias Exactas, Universidad Nacional del Centro de la Provincia de Buenos Aires (UNICEN), Argentina.

José Iván López-Flores
Universidad Autónoma de Zacatecas, Zacatecas, México.
Biografía del autor/a

Doctor-Investigador de la Unidad Académica de Matemáticas de la Universidad Autónoma de Zacatecas, Zacatecas, México.

Emmanuel Magallanes
Universidad Politécnica de Zacatecas, México.
Biografía del autor/a

Doctor-Investigador de la Universidad Politécnica de Zacatecas, Ingeniería Industrial, Plan de Pardillo s/n., Parque Industrial, Fresnillo, México.

DOI: https://doi.org/10.34069/AI/2025.86.02.19

Publicado 2025-10-20

Palabras clave

  • Inteligencia artificial,
  • Tecnología educativa,
  • Formación docente,
  • Educación superior,
  • Cognición,
  • Campos Conceptuales
    • ...Más
    Menos

Cómo citar

Silgado-Tuñón, D. A., Sureda, P., López-Flores, J. I., & Magallanes, E. (2025). Percepciones y el uso de IAGen en profesores universitarios de matemáticas desde Campos Conceptuales. Amazonia Investiga, 14(86), 250–263. https://doi.org/10.34069/AI/2025.86.02.19

Derechos de autor 2025 Denilsón Andrés Silgado-Tuñón, Patricia Sureda, José Iván López-Flores, Emmanuel Magallanes

Creative Commons License

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

Resumen

La Inteligencia Artificial Generativa (GenAI) está transformando rápidamente la educación superior, desafiando las normas pedagógicas tradicionales y motivando una reevaluación de las prácticas de enseñanza y aprendizaje. Este estudio analiza los invariantes operacionales que guían los esquemas de acción de los profesores universitarios de matemáticas al interactuar con la GenAI, utilizando como marco teórico la Teoría de los Campos Conceptuales (TCC). Se realizaron entrevistas semiestructuradas a diez profesores universitarios activos de matemáticas, centradas en las ocho dimensiones del Conocimiento Tecnológico Pedagógico del Contenido (TPACK). Las transcripciones fueron analizadas para inferir teoremas en acto (ETs), los cuales se clasificaron en ocho categorías temáticas: funcionalidad general, construcción de prompts, validación del conocimiento, aplicaciones académicas, ética y regulación, relación con la enseñanza y el aprendizaje, conocimiento y uso docente, y limitaciones y riesgos. Los resultados revelaron un esquema de uso predominantemente pragmático, con GenAI percibida como un motor de búsqueda, optimizador de procesos y generador de código. Sin embargo, los ETs contradictorios indican que el campo conceptual aún está en construcción. Los profesores emplean principalmente la GenAI para la edición de textos, generación de contenidos y organización de ideas, pero su uso directo en el aula sigue siendo limitado. Existe una ambivalencia epistemológica respecto a la confiabilidad de la GenAI, con preocupaciones sobre su propensión a cometer errores. Los marcos éticos y regulatorios aún no son centrales en el campo conceptual. Los hallazgos destacan la necesidad de una apropiación crítica, reflexiva y sensible al contexto de la GenAI en la educación universitaria en matemáticas, apoyada por el desarrollo profesional docente y la política institucional.

PDF (English) EPUB (English) HTML (English)

Descargas

Los datos de descargas todavía no están disponibles.

Citas

  1. Alshamy, A., Al-Harthi, A. S. A., & Abdullah, S. (2025). Perceptions of Generative AI Tools in Higher Education: Insights from Students and Academics at Sultan Qaboos University. Education Sciences, 15(4), 501. https://doi.org/10.3390/educsci15040501
  2. Cabellos, B., de Aldama, C., & Pozo, J-I. (2024). University teachers’ beliefs about the use of generative artificial intelligence for teaching and learning. Frontiers in Psychology, 15, 1468900. https://doi.org/10.3389/fpsyg.2024.1468900
  3. Corica, A., Parra, V., Sureda, P., Schiaffino, S., & Godoy, D. (2024). Fractal de Koch: análisis de respuestas de IA generativa y un profesor de matemática. Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología (TE&ET), 89-99. https://doi.org/10.24215/18509959.37.e8
  4. Kang, Y. J. (2024). A study on the didactical application of ChatGPT for mathematical word problem solving. Mathematical Education Communications, 38(1), 49-67. https://doi.org/10.7468/jksmee.2024.38.1.49
  5. Kwon, O. N., Oh, S. J., Yoon, J. E., Lee, K. Y., Shin, B. C., & Jeong, W. (2023). Analyzing mathematical performances of ChatGPT: Focusing on the solution of national assessment of educational achievement and the college scholastic ability test. Mathematical Education, 37(2), 233-256. https://doi.org/10.7468/jksmee.2023.37.2.233
  6. Larico-Hanco, R. (2024). Impacto de la Inteligencia Artificial Generativa Chatgpt en la Enseñanza Universitaria. Em SciELO Preprints. https://doi.org/10.1590/SciELOPreprints.9332
  7. Lee, G. M., Lee, Y. J., & Kim, H. J. (2023). Analysis of adaptive learning in Korea's AI mathematics learning platforms. Journal of the Korean School Mathematics Society, 26(3), 245-268. https://doi.org/10.30807/ksms.2023.26.3.004
  8. Mishra, P., & Koehler, M. J. (2006). Technological Pedagogical Content Knowledge: A Framework for Teacher Knowledge. Teachers College Record, 108(6), 1017-1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x
  9. Mishra, P., Warr, M., & Islam, I. (2023). TPACK in the age of ChatGPT and Generative AI. Journal of Digital Learning in Teacher Education, 39(4), 235-251. https://doi.org/10.1080/21532974.2023.2247480
  10. Parra, V., Sureda, P., Corica, A., Schiaffino, S., & Godoy, D. (2024a). Can generative AI solve Geometry problems? Strengths and weaknesses of LLMs for geometric reasoning in Spanish. International Journal of Interactive Multimedia and Artificial Intelligence, 8(5), 65-74. https://doi.org/10.9781/ijimai.2024.02.009
  11. Parra, V., Sureda, P., & Corica, A. (2024b). Teoría de Situaciones Didácticas e Inteligencia Artificial: diseño de propuestas para enseñar las nociones de muestra y población en educación secundaria. Uno: Revista de Didáctica de Las Matemáticas, (104), 43-50. http://hdl.handle.net/11336/241263
  12. Ruediger, D., Blankstein, M., & Love, S. J. (2024). Generative AI and Postsecondary Instructional Practices: Findings from a National Survey of Instructors. (Vol. 320892). Ithaka S+R. https://doi.org/10.18665/sr.320892
  13. Silgado-Tuñón, D. A., & López-Flores, J. I. (2025a). Inteligencia Artificial Generativa en la Educación Superior: una Revisión Sistemática. Unión - Revista Iberoamericana de Educación Matemática, 21(73). Recuperado a partir de https://union.fespm.es/index.php/UNION/article/view/1709
  14. Silgado-Tuñón, D. A., & López-Flores, J. I. (2025b). Inteligencia Artificial Generativa en el aula: ¿aliada o amenaza para la enseñanza de las matemáticas? Revista Electrónica Tecnologías Emergentes en la Educación, 2(1), 53-66. https://doi.org/10.71713/retee.v2i1.3512
  15. Sureda, P., & Otero, M. (2025). Lo exponencial en la Escuela Secundaria de Adultos: análisis de invariantes operatorios. Educación matemática, 37(1), 101-126. https://doi.org/10.24844/EM3701.04
  16. Sureda, P., Corica, A., Parra, V., Godoy, D., & Schiaffino, S. (2024). La evaluación en educación matemática: aportes de chatbots y futuros profesores de matemática. Edutec, Revista Electrónica De Tecnología Educativa, (89), 64-83. https://doi.org/10.21556/edutec.2024.89.3243
  17. Vergnaud, G. (1990). La théorie des champs conceptuels. Recherches en Didactique des Mathématiques, 10(23), 133-170. https://acortar.link/MW7yqs
  18. Vergnaud, G. (2007a). Forma operatoria y forma predicativa del conocimiento, en M. R. Otero, I. Elichirebehety, M. Fanaro, A. Corica y P. Sureda (eds.), Primer Encuentro Nacional sobre Enseñanza de la Matemática, Tandil, Buenos Aires, Argentina.
  19. Vergnaud, G. (2007b). ¿En qué sentido la teoría de los campos conceptuales puede ayudarnos para facilitar aprendizaje significativo? Investigações em Ensino de Ciências, 12(2), 285-302. https://ienci.if.ufrgs.br/index.php/ienci/article/view/475
  20. Vergnaud, G. (2013). Pourquoi la théorie des champs conceptuels? Journal for the Study of Education and Development, 36(2), 131-161. https://doi.org/10.1174/021037013806196283