The Symbiosis between Artificial Intelligence and Secondary School Mathematics Teaching

  1. Patricia Val Fernández 1
  1. 1 Universidad Internacional de Valencia, Valencia
Revista:
Advances in Building Education

ISSN: 2530-7940

Año de publicación: 2023

Título del ejemplar: Septiembre - Diciembre

Volumen: 7

Número: 3

Páginas: 23-31

Tipo: Artículo

DOI: 10.20868/ABE.2023.3.5203 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Advances in Building Education

Objetivos de desarrollo sostenible

Resumen

Este artículo examina la simbiosis en constante evolución entre la inteligencia artificial y la enseñanza de matemáticas en la educación secundaria. La inteligencia artificial ha emergido como un recurso valioso que transforma la pedagogía matemática al personalizar y mejorar la experiencia de aprendizaje. En primer lugar, se analiza cómo la inteligencia artificial permite la adaptación de los contenidos y métodos de enseñanza de acuerdo con las necesidades y el ritmo de cada estudiante, facilitando así un aprendizaje más efectivo y significativo. Se presentan ejemplos de herramientas y plataformas de inteligencia artificial que están siendo implementadas con éxito en las aulas de secundaria. Además, se exploran los resultados más relevantes de la integración de la inteligencia artificial en la educación matemática. Se observa un aumento en la motivación y el compromiso de los estudiantes, así como una mejora en sus habilidades matemáticas. Estos resultados se respaldan con datos y estudios recientes que demuestran los beneficios tangibles de esta simbiosis. Finalmente, se llega a la conclusión de que la inteligencia artificial está enriqueciendo de manera significativa la enseñanza de matemáticas en secundaria al brindar un enfoque más personalizado y eficiente. No obstante, se subraya la importancia de una implementación cuidadosa y ética de estas tecnologías, junto con la continua capacitación de los docentes. Este artículo destaca cómo la integración de la inteligencia artificial en las clases de matemáticas de secundaria está redefiniendo la educación matemática y mejorando las perspectivas de éxito académico de los estudiantes, al tiempo que plantea importantes consideraciones para su implementación futura.

Referencias bibliográficas

  • Dede, C. (2020). AI and personalized learning. En C. M. Reigeluth (Ed.), Instructional-Design Theories and Models: Volume IV (pp. 303-322). Routledge.
  • Bransford, J. D., & Brown, A. L. (2000). How People Learn: Brain, Mind, Experience, and School. National Academies Press.
  • Baker, R. S., & Mitchell, M. (2017). Educational data mining and learning analytics: Applications to constructionist research. Technology, Knowledge and Learning, 22(3), 205-220.
  • Koper, R., & Tattersall, C. (2005). Learning design: A handbook on modeling and delivering networked education and training. Springer.
  • Johnson, E. (2018). Artificial Intelligence in Education: Current and Future Directions. Journal of Educational Technology Systems, 46(1), 123-139.
  • Smith, J. K. (2019). Enhancing Mathematics Education through Artificial Intelligence: A Review of Current Trends and Future Possibilities. International Journal of Artificial Intelligence in Education, 29(2), 475-494.
  • Smith, J. K. (2020). Impact of Artificial Intelligence on Mathematics Education: A Comprehensive Review. Computers & Education, 151, 103858.
  • Anderson, L. (2021). Artificial Intelligence in Mathematics Education: Implications and Opportunities. Journal of Educational Technology Systems, 49(2), 204-221.
  • Kotsiantis, S. B. (2020). Ethical issues in the application of machine learning in education. International Journal of Artificial Intelligence in Education, 30(1), 158-176.
  • Anderson, T., & Dron, J. (2011). Three generations of distance education pedagogy. The International Review of Research in Open and Distributed Learning, 12(3), 80-97.
  • Bloom, B. S., & Krathwohl, D. R. (1956). Taxonomy of Educational Objectives: The Classification of Educational Goals. Handbook I: Cognitive Domain. David McKay Company.
  • Clark, R. E. (1983). Reconsidering research on learning from media. Review of Educational Research, 53(4), 445-459.
  • Hattie, J. A. (2009). Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating to Achievement. Routledge.
  • Prensky, M. (2001). Digital Natives, Digital Immigrants. On the Horizon, 9(5), 1-6.
  • Siemens, G. (2005). Connectivism: A Learning Theory for the Digital Age. International Journal of Instructional Technology and Distance Learning, 2(1), 3-10.
Fuente de los datos: Dialnet