Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
https://doi.org/10.62574/rmpi.v5iEducativa.457
149
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
Jhonn-e.cruz-g@up.ac.pa
Universidad de Panamá, Panamá, Provincia de Panamá, Panamá
https://orcid.org/0009-0004-1838-1785
RESUMEN
El estudio se propone analizar la integración de la inteligencia artificial en la comprensión cinemática
mediante el aprendizaje basado en problemas como estrategia didáctica innovadora. Se empleó diseño
descriptivo documental mediante análisis sistemático de catorce fuentes bibliográficas publicadas entre
2008-2025, estructurado en cuatro etapas: identificación, selección, análisis de contenido y síntesis
interpretativa. Los resultados identifican cinco categorías temáticas: fundamentos pedagógicos del ABP
en física evidenciando mejoras en comprensión conceptual y habilidades de resolución de problemas;
dificultades conceptuales en cinemática relacionadas con coordinación de sistemas de representación y
concepciones intuitivas; aplicaciones de IA en enseñanza de la física facilitando personalización del
aprendizaje y diagnóstico automático de dificultades; convergencia entre ABP e IA generando sinergias
metodológicas que potencian ambos componentes; y efectos documentados mostrando incrementos
significativos en motivación estudiantil y comprensión conceptual.
Descriptores: inteligencia artificial; métodos de enseñanza; física. (Fuente: Tesauro UNESCO).
ABSTRACT
The study aims to analyse the integration of artificial intelligence in kinematic understanding through
problem-based learning as an innovative teaching strategy. A descriptive documentary design was used,
involving a systematic analysis of fourteen bibliographic sources published between 2008 and 2025,
structured in four stages: identification, selection, content analysis and interpretative synthesis. The results
identify five thematic categories: pedagogical foundations of PBL in physics, showing improvements in
conceptual understanding and problem-solving skills; conceptual difficulties in kinematics related to the
coordination of representation systems and intuitive conceptions; applications of AI in physics teaching,
facilitating personalisation of learning and automatic diagnosis of difficulties; convergence between PBL
and AI, generating methodological synergies that enhance both components; and documented effects
showing significant increases in student motivation and conceptual understanding.
Descriptors: artificial intelligence; teaching methods; physics. (Source: UNESCO Thesaurus).
Recibido: 29/08/2025. Revisado: 12/09/2025. Aprobado: 16/09/2025. Publicado: 22/11/2025.
Sección artículos de investigación
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
150
INTRODUCCIÓN
La enseñanza de la física enfrenta desafíos pedagógicos persistentes relacionados con la
comprensión conceptual de fenómenos abstractos que requieren razonamiento matemático
complejo y visualización espacial sofisticada. En este contexto, la cinemática constituye uno de
los contenidos fundamentales que tradicionalmente presenta mayores dificultades para los
estudiantes, especialmente cuando se abordan mediante metodologías expositivas
convencionales que privilegian la memorización sobre la construcción significativa del
conocimiento. Ante esta problemática recurrente, emerge la necesidad de explorar estrategias
didácticas innovadoras que favorezcan procesos cognitivos más profundos y permitan superar
las barreras conceptuales identificadas en múltiples investigaciones educativas.
Paralelamente, el desarrollo acelerado de tecnologías digitales ha introducido nuevas
posibilidades para transformar los ambientes de aprendizaje, particularmente a través de la
incorporación de herramientas de inteligencia artificial que pueden personalizar experiencias
educativas, proporcionar retroalimentación inmediata y adaptar contenidos según las
necesidades individuales de cada aprendiz. Tal como plantean Singh et al. (2025), la
integración de la inteligencia artificial en la enseñanza de la física representa una oportunidad
sin precedentes para avanzar en los resultados de aprendizaje mediante sistemas adaptativos
que responden dinámicamente a las características cognitivas de los estudiantes. Esta
convergencia tecnológica con propuestas pedagógicas activas abre caminos prometedores
para repensar la enseñanza de disciplinas científicas que históricamente han presentado altos
índices de dificultad y deserción estudiantil.
Dentro del espectro de metodologías activas, el aprendizaje basado en problemas (ABP) se ha
consolidado como una alternativa robusta que sitúa al estudiante en el centro del proceso
educativo, promoviendo el desarrollo de competencias de orden superior mediante la
resolución colaborativa de situaciones auténticas contextualmente situadas. Según
documentan Argaw et al. (2017), la instrucción mediante aprendizaje basado en problemas
genera efectos significativos en la motivación estudiantil y en el desarrollo de habilidades de
resolución de problemas en física, transformando la pasividad receptiva en participación activa
constructora de conocimiento. Esta metodología resulta particularmente pertinente cuando se
articula con recursos tecnológicos que amplifican sus potencialidades pedagógicas, creando
ecosistemas de aprendizaje híbridos donde convergen la fundamentación teórica, la
experimentación práctica y la mediación digital.
La investigación educativa contemporánea ha comenzado a documentar experiencias que
integran sistemáticamente la inteligencia artificial con el aprendizaje basado en problemas en
diversos contextos formativos. Al respecto, Muñoz-Álvarez et al. (2025) presentan evidencia
empírica sobre la implementación del aprendizaje basado en problemas como estrategia para
la enseñanza de la física en educación superior técnico-profesional, demostrando mejoras
sustanciales en la comprensión conceptual y en la capacidad para aplicar conocimientos a
situaciones reales de ingeniería. Estas experiencias revelan que la combinación metodológica
entre enfoques pedagógicos activos y recursos tecnológicos inteligentes genera sinergias que
potencian mutuamente ambos componentes, superando las limitaciones que cada uno
presenta cuando se implementa de forma aislada.
Adicionalmente, la literatura referenciada ha identificado que la cinemática, como rama
fundamental de la mecánica clásica, requiere aproximaciones didácticas específicas que
faciliten la transición desde el pensamiento intuitivo hacia el razonamiento científico formal,
mediado por representaciones matemáticas y gráficas precisas. En esta línea, Pulido-Gómez
(2019) evaluó el aprendizaje basado en problemas como método para la comprensión del tema
de cinemática, identificando mejoras significativas en la capacidad de los estudiantes para
conceptualizar variables como posición, velocidad y aceleración cuando participan activamente
en la construcción de soluciones a problemas contextualizados. Estas evidencias sugieren que
la articulación entre inteligencia artificial y aprendizaje basado en problemas podría constituir
una respuesta pedagógica efectiva ante las dificultades recurrentes observadas en la
enseñanza de la cinemática.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
151
Considerando este panorama complejo que articula desafíos pedagógicos tradicionales con
oportunidades tecnológicas emergentes, el presente estudio se propone analizar la integración
de la inteligencia artificial en la comprensión cinemática mediante el aprendizaje basado en
problemas como estrategia didáctica innovadora.
MÉTODO
El trabajo investigativo fue realizado mediante un diseño descriptivo documental que permitió
efectuar un análisis sistemático sobre la producción científica en relación con la integración
entre la inteligencia artificial, aprendizaje basado en problemas, y la enseñanza de la
cinemática. La metodología aplicada tiene relevancia cuando la finalidad de investigación
implica describir e interpretar conocimiento ya construido sobre aquellos fenómenos educativos
complejos que exigen compresión desde diferentes enfoques.
El proceso de revisión documental se organizó en cuatro etapas diferenciadas, garantizando
metodologicidad e integridad en el manejo de la información. Dadas las primeras etapas de
identificación, se desarrollaron criterios de inclusión tendientes a seleccionar literatura
bibliográfica que abordaba explícitamente, al menos, dos de los tres constructos nucleares
denominados inteligencia artificial en educación, aprendizaje basado en problemas en física, u
enseñanza de la cinemática. Priorizando revistas científicas indexadas, compendios de libros
académicos, así como tesis doctorales y maestrías con fuerza teórica sólida u evidencia
empírica sobre el tema de mayor interés.
Posteriormente, en el momento de la fase de selección, se hizo una primera evaluación de
catorce documentos seleccionados según los requisitos definidos, comprobando su adecuación
temática y calidad metodológicos a través de la lectura de resúmenes, introducción y
conclusiones. Este corpus documental estaba compuesto por estudios publicados entre los
años 2008 y 2025, lo cual facilitó no solo el descubrimiento de fundamentos consolidados
teóricos, sino además de desarrollos actuales referidos a la materia de estudio. La ubicación
temporal de estas fuentes de investigación permitió percibir evolución tanto conceptual como
metodológicas relacionadas con las aproximaciones pedagógicas de la enseñanza de la física
con tecnologías
La tercera etapa fue el análisis de contenido, realizado de manera sistemática sobre cada
documento recuperado, que consistió en análisis críticos de textos que posibilitaron detectar
categorías emergentes, conexiones o conexionalidad conceptual, evidencias empíricas, todos
ellos relevantes con los fines de investigación. Sobre estas prácticas fue posible elaborar
matrices de análisis de contenido con base temático, a partir de dimensiones organizadas
sobre los siguientes temas: fundamentos teóricos del aprendizaje basado en problemas,
aplicación de inteligencia artificial aplicadas a la actividad de enseñanza de la física,
dificultades de comprensión cinemática.
Por último, la cuarta fase englobó la síntesis interpretativa sobre los contenidos objeto del
análisis, conectando entre sí diversas perspectivas teóricas y evidencias empíricas a través de
la elaboración de la interpretación a partir de la interconexión entre diversas teorías y
evidencias con la elaboración de la comprensión a través del objetivo del análisis revisionista
sobre la integración con la inteligencia artificial en la comprensión cinemática a partir del
aprendizaje basado en problemas.
RESULTADOS
El análisis sistemático de las fuentes documentales seleccionadas permite identificar múltiples
dimensiones relacionadas con la integración de la inteligencia artificial en la comprensión
cinemática mediante el aprendizaje basado en problemas. Los resultados se organizan en
cinco categorías temáticas que emergen de la literatura revisada: fundamentos pedagógicos
del aprendizaje basado en problemas en física, dificultades conceptuales en la comprensión de
la cinemática, aplicaciones de inteligencia artificial en enseñanza de la física, convergencia
entre ABP e IA, y efectos en el aprendizaje documentados empíricamente.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
152
Fundamentos pedagógicos del aprendizaje basado en problemas en física
El aprendizaje basado en problemas se fundamenta en principios constructivistas que conciben
el conocimiento como construcción activa del sujeto en interacción con situaciones
significativas contextualmente situadas. Coherentemente con esta perspectiva, Escribano-
González y Valle (2010) caracterizan el ABP como una propuesta metodológica en educación
superior que invierte la lógica tradicional de enseñanza, partiendo de problemas auténticos que
movilizan la necesidad de conocimiento antes que la transmisión de contenidos abstractos
descontextualizados. Esta inversión pedagógica resulta particularmente relevante en la
enseñanza de la física, donde frecuentemente los estudiantes memorizan fórmulas sin
comprender los fenómenos naturales que estas representan matemáticamente.
En el ámbito específico de la física, la implementación del ABP ha demostrado generar
transformaciones significativas en la naturaleza del aprendizaje estudiantil. Respecto a esta
dimensión transformadora, Becerra-Labra et al. (2012) documentan que los efectos de una
estructura basada en problemas de contenidos de física sobre el aprendizaje conceptual y la
habilidad para resolver problemas evidencian mejoras tanto en la comprensión profunda de
conceptos como en el desarrollo de competencias de resolución que trascienden la aplicación
mecánica de algoritmos. Estos resultados sugieren que el ABP opera simultáneamente sobre
dimensiones cognitivas y metacognitivas, promoviendo autorregulación del aprendizaje y
conciencia sobre los propios procesos de pensamiento.
Asimismo, la literatura especializada documenta que el aprendizaje basado en problemas
genera efectos motivacionales importantes que influyen sobre el compromiso estudiantil con
tareas académicas desafiantes. Profundizando en esta dimensión afectiva del aprendizaje,
Nicholus et al. (2023) realizaron una revisión sistemática sobre el papel del enfoque de
aprendizaje basado en problemas en la enseñanza y el aprendizaje de la física, identificando
que esta metodología incrementa significativamente la motivación intrínseca de los estudiantes
al situarlos como protagonistas activos de su proceso formativo. Esta dimensión motivacional
resulta particularmente relevante en disciplinas científicas que tradicionalmente presentan altos
niveles de ansiedad y percepción de dificultad entre estudiantes de diversas carreras
universitarias.
Complementariamente, la implementación del ABP requiere transformaciones en el rol docente,
transitando desde el modelo transmisor tradicional hacia funciones de facilitación, tutoría y
diseño de ambientes de aprendizaje estimulantes. En contextos latinoamericanos específicos,
López et al. (2008) analizaron el aprendizaje colaborativo y significativo en la resolución de
problemas de física en estudiantes de ingeniería, evidenciando que la mediación docente
orientada al andamiaje cognitivo resulta determinante para el éxito de experiencias ABP,
especialmente cuando los estudiantes no poseen experiencia previa con metodologías activas.
Estos resultados enfatizan la importancia de considerar no solamente el diseño de problemas
auténticos, sino también el desarrollo de competencias docentes específicas para facilitar
procesos de aprendizaje centrados en el estudiante.
Adicionalmente, las investigaciones revisadas coinciden en señalar que el ABP trasciende la
mera adquisición de conocimientos declarativos, promoviendo competencias procedimentales y
actitudinales esenciales para el desempeño profesional en campos científicos y tecnológicos.
Desde esta perspectiva integradora, Muñoz-Alvarez et al. (2025) reportan que el aprendizaje
basado en problemas como estrategia para la enseñanza de la física en educación superior
técnico-profesional favorece el desarrollo de capacidades de pensamiento crítico, trabajo
colaborativo y transferencia de conocimientos a contextos laborales auténticos, superando la
fragmentación tradicional entre formación teórica y aplicación práctica que caracteriza modelos
educativos convencionales.
Dificultades conceptuales en la comprensión de la cinemática
La cinemática, como estudio del movimiento sin considerar sus causas, presenta
complejidades epistemológicas y cognitivas que han sido ampliamente documentadas en
investigaciones de didáctica de la física. Estas dificultades se relacionan con la necesidad de
coordinar múltiples sistemas de representación (verbal, gráfica, algebraica), operar con
magnitudes vectoriales abstractas y superar concepciones intuitivas que frecuentemente
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
153
contradicen los principios científicos formales. La comprensión cabal de conceptos como
velocidad instantánea, aceleración o movimiento relativo requiere niveles de abstracción
matemática y razonamiento proporcional que muchos estudiantes no han desarrollado
suficientemente al ingresar a cursos universitarios de física.
Específicamente en el estudio de ondas mecánicas, fenómeno cinemático de particular
complejidad, se han identificado dificultades conceptuales recurrentes relacionadas con la
distinción entre movimiento del medio y propagación de la perturbación. Al respecto,
Kanyesigye et al. (2022) documentaron dificultades en la comprensión de ondas mecánicas
que fueron remediadas mediante instrucción basada en problemas, demostrando que
aproximaciones didácticas activas permiten confrontar y transformar concepciones alternativas
arraigadas en el pensamiento estudiantil. Estos resultados evidencian que las dificultades
conceptuales en cinemática no constituyen deficiencias cognitivas individuales, sino
construcciones mentales coherentes desde la experiencia cotidiana que requieren
intervenciones pedagógicas deliberadas para su reconstrucción.
Paralelamente, investigaciones centradas específicamente en la enseñanza de la cinemática
han identificado que el uso de metodologías tradicionales perpetúa concepciones erróneas al
no proporcionar oportunidades para que los estudiantes cuestionen activamente sus ideas
previas. En el contexto ecuatoriano, Díaz-Santamaría et al. (2017) analizaron la utilización del
aprendizaje basado en proyectos en la enseñanza de la cinemática, identificando que
aproximaciones metodológicas activas que involucran diseño, experimentación y análisis de
situaciones reales de movimiento generan comprensión más robusta que la mera resolución de
ejercicios algorítmicos descontextualizados. Esta evidencia resalta la importancia de conectar
conocimiento científico con experiencias concretas que permitan atribuir significado físico a las
representaciones matemáticas formales.
Adicionalmente, las dificultades en cinemática se amplifican cuando los estudiantes carecen de
habilidades matemáticas fundamentales, particularmente en álgebra, trigonometría y cálculo
diferencial. La comprensión del concepto de derivada como razón de cambio instantáneo
resulta esencial para conceptualizar velocidad y aceleración, pero frecuentemente los
estudiantes operan mecánicamente con fórmulas sin comprender el significado físico de estas
operaciones matemáticas. Abordando precisamente esta problemática, Pulido-Gómez (2019)
evaluó el aprendizaje basado en problemas como método para la comprensión del tema de
cinemática, encontrando que esta metodología facilita la integración entre razonamiento
matemático y conceptualización física al situar ambos procesos en contextos de resolución de
problemas auténticos donde su articulación resulta funcionalmente necesaria. Esta
desconexión entre formalismo matemático y realidad física constituye uno de los obstáculos
más significativos para el aprendizaje significativo en cinemática, requiriendo estrategias
didácticas que integren explícitamente ambas dimensiones.
Aplicaciones de inteligencia artificial en enseñanza de la física
La incorporación de inteligencia artificial en contextos educativos de física ha experimentado
desarrollo acelerado durante los últimos años, generando múltiples aplicaciones que
transforman tanto procesos de enseñanza como experiencias de aprendizaje. Estas
aplicaciones abarcan sistemas tutores inteligentes, plataformas adaptativas de evaluación,
herramientas de simulación interactiva y asistentes virtuales que proporcionan
retroalimentación personalizada según las características individuales de cada estudiante. La
versatilidad tecnológica de la IA permite abordar desafíos pedagógicos tradicionales desde
perspectivas innovadoras que serían imposibles mediante medios convencionales.
Desde una perspectiva comprehensiva, Mahligawat et al. (2023) realizaron una revisión
exhaustiva de la literatura sobre inteligencia artificial en la educación en física, identificando
que las aplicaciones más prometedoras se concentran en personalización del aprendizaje,
diagnóstico automático de dificultades conceptuales y generación dinámica de problemas
ajustados al nivel de competencia de cada estudiante. Estas capacidades resultan
particularmente valiosas en contextos masificados donde la atención individualizada resulta
logísticamente inviable mediante metodologías tradicionales. La IA emerge así como recurso
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
154
democratizador que puede extender beneficios de tutoría personalizada a poblaciones
estudiantiles amplias y diversas.
Particularmente relevante resulta el papel de la IA en el soporte de metodologías activas de
aprendizaje que requieren retroalimentación inmediata y ajustes dinámicos según el progreso
estudiantil. En este sentido, Robledo-Rella et al. (2024) investigaron la inteligencia artificial en
cursos de física para apoyar el aprendizaje activo, demostrando que sistemas inteligentes
pueden identificar patrones de dificultad, sugerir recursos complementarios y generar itinerarios
personalizados de aprendizaje que optimizan el tiempo de estudio y maximizan la efectividad
de las intervenciones pedagógicas. Estas funcionalidades transforman radicalmente las
posibilidades de implementación de metodologías centradas en el estudiante, superando
limitaciones estructurales que históricamente han dificultado su adopción generalizada.
Asimismo, la investigación educativa ha comenzado a explorar la convergencia entre
inteligencia artificial y gamificación en contextos de aprendizaje basado en proyectos. Según
documentan Huang et al. (2024), el efecto del aprendizaje basado en proyectos gamificado con
inteligencia artificial generativa en la educación en alfabetización informacional muestra que
esta combinación metodológica incrementa significativamente el compromiso estudiantil y la
calidad de los productos de aprendizaje generados. Aunque esta investigación no se centra
específicamente en física, sus resultados son transferibles a la enseñanza de ciencias
naturales donde la resolución de problemas complejos requiere motivación sostenida y
perseverancia ante dificultades.
Por otra parte, el análisis de la literatura revela que las aplicaciones de IA en enseñanza de la
física deben considerar dimensiones éticas y pedagógicas que trascienden la mera eficiencia
tecnológica. Coherentemente con esta perspectiva crítica, Aliassacq et al. (2025) analizan el
papel de la inteligencia artificial en la transformación de la educación en física, argumentando
que debe evaluarse críticamente, reconociendo tanto potencialidades como riesgos asociados
a la automatización de procesos educativos tradicionalmente mediados por interacción
humana. Esta perspectiva crítica resulta esencial para evitar determinismos tecnológicos que
subordinen objetivos educativos a lógicas instrumentales, preservando la centralidad de la
reflexión pedagógica en cualquier proceso de innovación didáctica.
Convergencia entre aprendizaje basado en problemas e inteligencia artificial
La articulación entre el aprendizaje basado en problemas y la inteligencia artificial genera
sinergias metodológicas que potencian las fortalezas de ambos componentes mientras mitigan
sus limitaciones respectivas. Por un lado, el ABP proporciona marco pedagógico constructivista
que sitúa al estudiante como agente activo de su aprendizaje mediante resolución de
problemas auténticos. Por otro lado, la IA aporta capacidades tecnológicas de personalización,
adaptación y retroalimentación inmediata que amplían significativamente las posibilidades de
implementación efectiva del ABP en contextos educativos reales con recursos limitados.
En contextos de educación superior, esta convergencia ha comenzado a materializarse en
experiencias concretas que documentan resultados alentadores. Como evidencian Plúas et al.
(2024), el aprendizaje basado en proyectos con inteligencia artificial permite crear ambientes de
aprendizaje híbridos donde los estudiantes enfrentan desafíos complejos con apoyo de
asistentes inteligentes que facilitan acceso a información, sugieren estrategias de solución y
proporcionan evaluación formativa continua. Esta integración metodológica transforma
radicalmente la experiencia de aprender, transitando desde modelos de transmisión pasiva
hacia ecosistemas interactivos que estimulan la autonomía, creatividad y pensamiento crítico.
Específicamente en la enseñanza de la física mediante ABP, la incorporación de herramientas
de IA puede resolver obstáculos prácticos que históricamente han limitado la adopción
generalizada de esta metodología. Entre estos obstáculos se encuentran la dificultad para
proporcionar retroalimentación individualizada en grupos numerosos, la necesidad de diseñar
problemas apropiadamente desafiantes para estudiantes con niveles heterogéneos de
conocimiento previo, y la complejidad de facilitar procesos colaborativos productivos.
Atendiendo precisamente a estas limitaciones prácticas, Robledo-Rella et al. (2024)
demuestran que sistemas inteligentes pueden asumir parcialmente estas funciones, liberando
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
155
al docente para concentrarse en mediación pedagógica de alto nivel que requiere juicio
profesional experto.
Adicionalmente, la integración de IA en contextos ABP permite generar escenarios de
aprendizaje adaptativos que ajustan automáticamente nivel de complejidad, tipo de andamiaje
y recursos disponibles según el desempeño observado en tiempo real. Esta adaptabilidad
resulta particularmente valiosa en la enseñanza de la cinemática, donde estudiantes con
diferentes trayectorias formativas presentan necesidades de aprendizaje altamente
diversificadas. Un sistema inteligente puede identificar automáticamente si un estudiante
requiere reforzamiento en conceptos matemáticos previos, visualización gráfica de fenómenos
o práctica adicional en interpretación de problemas, proporcionando experiencias
personalizadas imposibles de lograr mediante intervenciones uniformes.
No obstante, la convergencia entre ABP e IA también plantea desafíos importantes que deben
considerarse cuidadosamente. Entre estos se encuentra el riesgo de tecnificación excesiva que
subordine objetivos pedagógicos a lógicas algorítmicas, la necesidad de desarrollar
competencias digitales docentes y estudiantiles suficientes para aprovechar herramientas
complejas, y la importancia de preservar dimensiones sociales del aprendizaje que podrían
verse comprometidas por mediación tecnológica intensiva. Reflexionando críticamente sobre
estas tensiones, Aliassacq et al. (2025) advierten que la transformación de la educación en
física mediante inteligencia artificial requiere equilibrio cuidadoso entre innovación tecnológica y
preservación de valores pedagógicos fundamentales centrados en el desarrollo integral de los
estudiantes. Estos desafíos requieren atención deliberada en el diseño de intervenciones
educativas que aspiren a integrar ABP e IA de manera equilibrada y pedagógicamente
fundamentada.
Efectos documentados sobre el aprendizaje
La evidencia empírica acumulada documenta efectos positivos consistentes de la integración
entre aprendizaje basado en problemas e inteligencia artificial sobre múltiples dimensiones del
aprendizaje en física. Estos efectos abarcan no solamente mejoras en comprensión conceptual
y desempeño en evaluaciones estandarizadas, sino también desarrollo de competencias
transversales como trabajo colaborativo, autorregulación del aprendizaje y motivación
intrínseca hacia el estudio de disciplinas científicas.
En relación con la motivación estudiantil, variable determinante para el compromiso sostenido
con tareas académicas desafiantes, la investigación muestra resultados concluyentes. Según
reportan Argaw et al. (2017), el efecto de la instrucción de aprendizaje basado en problemas en
la motivación de los estudiantes y las habilidades de resolución de problemas de física
evidencia incrementos significativos en múltiples dimensiones motivacionales, incluyendo
percepción de competencia, valoración de la tarea y expectativas de éxito. Estos efectos
motivacionales resultan especialmente importantes en poblaciones estudiantiles que
históricamente han experimentado ansiedad y frustración en cursos de física, generando
círculos virtuosos donde mayor motivación conduce a mayor esfuerzo y mejores resultados de
aprendizaje.
Respecto a la comprensión conceptual, dimensión central de cualquier evaluación de
efectividad pedagógica, las investigaciones documentan mejoras sustanciales cuando se
implementa ABP con soporte tecnológico inteligente. Al analizar efectos de una estructura
basada en problemas de contenidos de física, Becerra-Labra et al. (2012) identificaron que
estudiantes expuestos a esta metodología desarrollan comprensión más profunda y duradera
que aquellos que reciben instrucción tradicional, manifestando mayor capacidad para transferir
conocimientos a contextos novedosos y explicar fenómenos físicos en términos conceptuales
rigurosos. Estos resultados sugieren que el ABP opera transformaciones cognitivas cualitativas
que trascienden el aprendizaje superficial de procedimientos algorítmicos.
Particularmente relevante para los propósitos del presente estudio resulta la evidencia
específica sobre comprensión de la cinemática. Como ya se mencionó, Pulido-Gómez (2019)
evaluó el aprendizaje basado en problemas como método para la comprensión del tema de
cinemática, documentando que estudiantes que participaron en secuencias didácticas
estructuradas según principios ABP demostraron mejor capacidad para conceptualizar
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
156
relaciones entre posición, velocidad y aceleración, interpretar gráficas cinemáticas y resolver
problemas que requieren razonamiento proporcional complejo. Estos resultados confirman que
el ABP constituye alternativa metodológica efectiva para abordar las dificultades conceptuales
históricamente asociadas a la enseñanza de la cinemática.
Asimismo, investigaciones recientes comienzan a documentar efectos específicos de la
incorporación de IA en contextos de aprendizaje activo en física. Singh et al. (2025) reportan
que el avance en los resultados de aprendizaje en la educación en física a través de la
integración de inteligencia artificial se manifiesta en múltiples indicadores, incluyendo tasas de
aprobación, calificaciones promedio y nivel de satisfacción estudiantil con experiencias de
aprendizaje. Estos efectos positivos se atribuyen principalmente a la capacidad de sistemas
inteligentes para proporcionar retroalimentación inmediata, ajustar nivel de dificultad
dinámicamente y ofrecer múltiples representaciones de conceptos abstractos.
Complementariamente, estudios sobre metodologías híbridas que combinan proyectos y
tecnología muestran resultados prometedores. Huang et al. (2024) documentan que el
aprendizaje basado en proyectos gamificado con inteligencia artificial generativa incrementa
significativamente el compromiso estudiantil y la calidad de productos de aprendizaje,
sugiriendo que combinaciones metodológicas innovadoras pueden potenciar efectos más allá
de lo que cada componente generaría aisladamente.
Por tanto; cabe señalar que los efectos documentados no se distribuyen homogéneamente
entre todos los estudiantes, identificándose diferencias según características como
conocimiento previo, autorregulación del aprendizaje y experiencia con tecnologías digitales.
Reconociendo esta variabilidad, Nicholus et al. (2023) señalan en su revisión sistemática que el
ABP beneficia especialmente a estudiantes con menor rendimiento inicial, sugiriendo potencial
compensatorio de esta metodología para reducir brechas de aprendizaje. Esta heterogeneidad
de efectos sugiere la necesidad de considerar cuidadosamente aspectos de equidad educativa
al diseñar intervenciones que integren ABP e IA, asegurando que estos recursos beneficien
especialmente a estudiantes que más los necesitan y no solamente a aquellos que ya poseen
ventajas académicas o socioeconómicas.
DISCUSIÓN
Los resultados presentados revelan un panorama complejo y prometedor respecto a la
integración de la inteligencia artificial en la comprensión cinemática mediante el aprendizaje
basado en problemas. La evidencia analizada sugiere que esta convergencia metodológica
representa mucho más que la simple adición de herramientas tecnológicas a prácticas
pedagógicas establecidas, constituyendo una reconfiguración fundamental de las relaciones
entre enseñanza, aprendizaje y mediación tecnológica en contextos de educación media y
básica.
Desde una perspectiva pedagógica, la articulación entre ABP e IA materializa principios
constructivistas que durante décadas han permanecido como aspiraciones teóricas difícilmente
concretables en prácticas educativas masivas. Coherentemente con esta interpretación, Singh
et al. (2025) argumentan que la integración de inteligencia artificial en la enseñanza de la física
posibilita avanzar significativamente en resultados de aprendizaje mediante sistemas que
personalizan experiencias educativas según perfiles cognitivos individuales. La personalización
del aprendizaje, frecuentemente proclamada como ideal pedagógico, se torna técnicamente
viable mediante sistemas inteligentes capaces de adaptar contenidos, ritmos y andamiajes
según las necesidades individuales detectadas algorítmicamente. Esta viabilidad técnica no
garantiza automáticamente calidad pedagógica, pero sí expande significativamente el espacio
de posibilidades para diseñar experiencias educativas genuinamente centradas en el
estudiante.
En el ámbito específico de la cinemática, las dificultades conceptuales documentadas durante
décadas en investigaciones didácticas encuentran en la convergencia ABP-IA una respuesta
potencialmente efectiva. La naturaleza abstracta de magnitudes como velocidad instantánea o
aceleración vectorial requiere múltiples representaciones, manipulación simbólica y conexión
entre formalismo matemático y fenómenos físicos observables. Abordando precisamente estas
complejidades epistemológicas, Kanyesigye et al. (2022) demuestran que la instrucción basada
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
157
en problemas permite remediar dificultades conceptuales profundamente arraigadas en ondas
mecánicas, sugiriendo que aproximaciones similares podrían resultar efectivas para otros
contenidos cinemáticos. Sistemas inteligentes pueden proporcionar simulaciones interactivas,
visualizaciones dinámicas y problemas contextualizados que faciliten estas conexiones
cognitivas complejas, mientras que el marco ABP asegura que estas herramientas se integren
en procesos de indagación auténtica orientados por preguntas significativas.
No obstante, la implementación efectiva de esta convergencia metodológica enfrenta desafíos
sustanciales que trascienden aspectos puramente técnicos. Entre estos desafíos destacan la
necesidad de desarrollar competencias docentes para diseñar, facilitar y evaluar experiencias
de aprendizaje que integren ABP e IA de manera pedagógicamente fundamentada.
Reconociendo esta dimensión formativa, López et al. (2008) evidencian que la mediación
docente constituye factor determinante para el éxito de experiencias ABP, sugiriendo que la
incorporación de IA no elimina sino que transforma el papel del profesor hacia funciones de
mayor complejidad pedagógica. Los profesores de física, frecuentemente formados en
tradiciones disciplinares con énfasis conceptual y matemático, requieren oportunidades de
desarrollo profesional que les permitan apropiar tanto fundamentos del aprendizaje basado en
problemas como posibilidades y limitaciones de herramientas de inteligencia artificial
disponibles.
Paralelamente, la integración de IA en educación plantea cuestiones éticas que merecen
atención cuidadosa. La recopilación y análisis de datos estudiantiles mediante sistemas
inteligentes genera interrogantes sobre privacidad, consentimiento informado y uso apropiado
de información personal con fines educativos. Alertando sobre estos riesgos potenciales,
Aliassacq et al. (2025) argumentan que la transformación de la educación en física mediante
inteligencia artificial debe evaluarse críticamente, reconociendo tanto oportunidades como
amenazas asociadas a la automatización de procesos tradicionalmente mediados por
relaciones humanas. Estas preocupaciones se amplifican cuando consideramos poblaciones
estudiantiles vulnerables o contextos institucionales con recursos limitados para implementar
salvaguardas éticas robustas. La comunidad educativa debe desarrollar marcos normativos que
equilibren innovación tecnológica con protección de derechos fundamentales de los
estudiantes.
Adicionalmente, persisten incertidumbres respecto a la sostenibilidad de innovaciones que
dependen de infraestructura tecnológica sofisticada en contextos educativos caracterizados por
recursos limitados y desigualdades estructurales. Mientras que instituciones universitarias de
élite pueden implementar sistemas de IA avanzados para personalizar aprendizaje de física,
instituciones con menor presupuesto podrían verse excluidas de estas posibilidades, ampliando
brechas educativas existentes. Profundizando en esta problemática contextual, Díaz-
Santamaría et al. (2017) documentan experiencias de aprendizaje basado en proyectos en la
enseñanza de la cinemática implementadas en contextos ecuatorianos con recursos limitados,
demostrando que metodologías activas pueden generar efectos positivos incluso sin tecnología
sofisticada. Esta consideración resalta la importancia de desarrollar soluciones tecnológicas
accesibles, de código abierto y culturalmente pertinentes que puedan democratizar beneficios
de la convergencia ABP-IA.
Desde una perspectiva epistemológica, la integración de IA en la enseñanza de la física
plantea interrogantes sobre la naturaleza del conocimiento científico y los propósitos de la
educación universitaria. Si sistemas inteligentes pueden resolver automáticamente problemas
de cinemática, generar explicaciones conceptuales y evaluar comprensión estudiantil, ¿cuáles
son las competencias humanas específicas que la educación debe cultivar? Esta pregunta nos
invita a repensar los objetivos formativos en ciencias, enfatizando capacidades de orden
superior como pensamiento crítico, creatividad científica, razonamiento ético y colaboración
interdisciplinaria que difícilmente pueden ser automatizadas completamente.
Los resultados también sugieren que la efectividad del ABP integrado con IA depende
críticamente de la calidad del diseño instruccional, más que de la sofisticación tecnológica per
se. Problemas auténticos, contextualmente situados y apropiadamente desafiantes constituyen
el núcleo de experiencias ABP exitosas, independientemente de las herramientas tecnológicas
disponibles. Consistentemente con esta interpretación, Escribano-González y Valle (2010)
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
158
enfatizan que el ABP como propuesta metodológica requiere fundamentación pedagógica
rigurosa centrada en la naturaleza de los problemas seleccionados y los procesos de
mediación docente. La IA debe concebirse como recurso que amplifica posibilidades
pedagógicas del ABP, no como sustituto de fundamentación didáctica rigurosa y comprensión
profunda de procesos de aprendizaje en física.
Mirando hacia el futuro, la investigación educativa requiere estudios empíricos más robustos
que documenten efectos longitudinales de la integración ABP-IA sobre aprendizaje en física,
empleando diseños experimentales o cuasi-experimentales que permitan establecer relaciones
causales con mayor confianza. Reconociendo esta necesidad de evidencia más sólida,
Nicholus et al. (2023) señalan en su revisión sistemática que muchos estudios sobre ABP en
física presentan limitaciones metodológicas que dificultan conclusiones definitivas, sugiriendo
direcciones para investigación futura. La mayor parte de la evidencia disponible proviene de
estudios descriptivos, correlacionales o investigaciones-acción con muestras limitadas,
dificultando generalizaciones. Investigaciones futuras deberían también explorar mecanismos
cognitivos mediante los cuales la convergencia ABP-IA genera efectos sobre comprensión
conceptual, utilizando metodologías como análisis de protocolos verbales, seguimiento ocular o
neuroimagen funcional.
Adicionalmente, resulta imperativo investigar condiciones contextuales que moderan efectividad
de esta integración metodológica, considerando variables como cultura institucional, nivel
socioeconómico estudiantil y disponibilidad de recursos tecnológicos. Atendiendo a estas
particularidades contextuales, Muñoz-Alvarez et al. (2025) documentan que el aprendizaje
basado en problemas en educación superior técnico-profesional chilena genera resultados
diferenciados según características institucionales y estudiantiles, evidenciando la importancia
de considerar especificidades locales al diseñar intervenciones educativas.
CONCLUSION
La integración de la inteligencia artificial en la comprensión cinemática mediante el aprendizaje
basado en problemas constituye una convergencia metodológica que materializa principios
constructivistas históricamente difíciles de implementar en contextos educativos masivos,
generando transformaciones simultáneas en dimensiones cognitivas, motivacionales y
metacognitivas del aprendizaje de la física. Esta articulación opera a través de tres
mecanismos complementarios: el ABP proporciona marco pedagógico que sitúa al estudiante
como constructor activo de conocimiento mediante resolución de problemas auténticos
contextualizados; la IA aporta capacidades de personalización, retroalimentación inmediata y
adaptación dinámica según perfiles individuales de aprendizaje; y su convergencia genera
experiencias híbridas donde sistemas inteligentes facilitan múltiples representaciones de
conceptos abstractos, ajustan nivel de complejidad según desempeño observado y
proporcionan andamiaje cognitivo diferenciado para abordar las dificultades conceptuales
específicas de la cinemática relacionadas con magnitudes vectoriales, razonamiento
proporcional y coordinación entre formalismos matemáticos y fenómenos físicos.
FINANCIAMIENTO
No monetario
CONFLICTO DE INTERÉS
No existe conflicto de interés con personas o instituciones ligadas a la investigación.
AGRADECIMIENTOS
A los docentes de ciencias.
REFERENCIAS
Aliassacq, I., Greca, I. M., & Muñoz-Alvarez, G. (2025). The role of artificial intelligence (AI) in
transforming physics education: A narrative review [El papel de la inteligencia artificial
(IA) en la transformación de la educación en física: Una revisión narrativa]. Lensa:
Jurnal Kependidikan Fisika, 12(2), 200–215.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
159
Argaw, A. S., Haile, B. B., Ayalew, B. T., & Kuma, S. G. (2017). The effect of problem based
learning (PBL) instruction on students' motivation and problem solving skills of physics
[El efecto de la instrucción de aprendizaje basado en problemas (ABP) en la motivación
de los estudiantes y las habilidades de resolución de problemas de física]. Eurasia
Journal of Mathematics, Science and Technology Education, 13(3), 857–871.
https://doi.org/10.12973/eurasia.2017.00647a
Becerra-Labra, C., Gras-Martí, A., & Martínez-Torregrosa, J. (2012). Effects of a problem-based
structure of physics contents on conceptual learning and the ability to solve problems
[Efectos de una estructura basada en problemas de contenidos de física en el
aprendizaje conceptual y la habilidad para resolver problemas]. International Journal of
Science Education, 34(8), 1235–1253. https://doi.org/10.1080/09500693.2011.619210
Díaz-Santamaría, J. O., Abril-Neira, A. M., Díaz-Santamaría, L. S., & Bravo-Faytong, F. A.
(2017). La utilización del aprendizaje basado en proyectos en la enseñanza de la
cinemática [The use of project-based learning in the teaching of kinematics]. Revista
Atlante: Cuadernos de Educación y Desarrollo, 2(7), 1–15.
https://www.eumed.net/rev/atlante/2017/07/aprendizaje-cinematica.html
Escribano-González, A., & Valle, Á. (2010). Aprendizaje basado en problemas (ABP): Una
propuesta metodológica en educación superior [Problem-based learning (PBL): A
methodological proposal in higher education]. Narcea Ediciones.
https://elibro.net/es/ereader/uguayaquil/102005
Huang, W., Wang, T., & Tong, Y. (2024). The effect of gamified project-based learning with
AIGC in information literacy education [El efecto del aprendizaje basado en proyectos
gamificado con AIGC en la educación en alfabetización informacional]. Innovations in
Education & Teaching International, 1–15.
https://doi.org/10.1080/14703297.2024.2423012
Kanyesigye, S. T., Uwamahoro, J., & Kemeza, I. (2022). Difficulties in understanding
mechanical waves: Remediated by problem-based instruction [Dificultades en la
comprensión de ondas mecánicas: Remediadas mediante instrucción basada en
problemas]. Physical Review Physics Education Research, 18(1), 010140.
https://doi.org/10.1103/PhysRevPhysEducRes.18.010140
López, E., Castillo, C., & Véliz, J. (2008). Aprendizaje colaborativo y significativo en la
resolución de problemas de física en estudiantes de ingeniería [Collaborative and
meaningful learning in physics problem solving in engineering students]. Caderno
Brasileiro de Ensino de Física, 25(1), 55–76.
https://dialnet.unirioja.es/servlet/articulo?codigo=5165973
Mahligawat, F., Allanas, E., Butarbutar, M. H., & Nordin, N. A. N. (2023). Artificial intelligence in
physics education: A comprehensive literature review [Inteligencia artificial en la
educación en física: Una revisión exhaustiva de la literatura]. Journal of Physics:
Conference Series, 2596, 012080. https://doi.org/10.1088/1742-6596/2596/1/012080
Muñoz-Alvarez, G., Greca, I. M., & Arriassecq, I. (2025). Problem-based learning as a strategy
for teaching physics in technical–professional higher education: A case study in Chile
[Aprendizaje basado en problemas como estrategia para la enseñanza de la física en la
educación superior técnico-profesional: Un estudio de caso en Chile]. Education
Sciences, 15(8), 941. https://doi.org/10.3390/educsci15080941
Nicholus, G., Muwonge, C. M., & Joseph, N. (2023). The role of problem-based learning
approach in teaching and learning physics: A systematic literature review [El papel del
enfoque de aprendizaje basado en problemas en la enseñanza y el aprendizaje de la
física: Una revisión sistemática de la literatura]. F1000Research, 12, 951.
https://doi.org/10.12688/f1000research.136339.2
Plúas, L., Coloma, T., Landívar, J., & Arce, J. (2024). Aprendizaje basado en proyectos con
inteligencia artificial [Project-based learning with artificial intelligence]. Pro Sciences:
Revista de Producción, Ciencias e Investigación, 8(55), 59–68.
https://doi.org/10.29018/issn.2588-1000vol8iss55.2024pp59-68
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 149-160, 2025
Inteligencia artificial y comprensión cinemática desde el ABP
Artificial intelligence and cinematic comprehension from ABP
Jhonn Edisson Cruz-Guerra
160
Pulido-Gómez, D. A. (2019). Evaluación del aprendizaje basado en problemas como un método
para la comprensión del tema de cinemática [Evaluation of problem-based learning as a
method for understanding the topic of kinematics] [Tesis de maestría, Universidad
Externado de Colombia]. Repositorio Digital.
https://bdigital.uexternado.edu.co/handle/001/1577
Robledo-Rella, V., Gonzalez-Nucamendi, A., Neri, L., García-Castelán, R. M. G., & Noguez, J.
(2024). Artificial intelligence in physics courses to support active learning [Inteligencia
artificial en cursos de física para apoyar el aprendizaje activo]. Proceedings of the 2024
10th International Conference on e-Society, e-Learning and e-Technologies (ICSLT),
125–130. https://doi.org/10.1145/3678610.3678631
Singh, P., Kumar, R., & Sharma, M. (2025). Advancing learning outcomes in physics education
through artificial intelligence integration [Avanzando los resultados de aprendizaje en la
educación en física a través de la integración de inteligencia artificial]. European
Journal of Education and Pedagogy, 6(3), 45–59. https://eu-
opensci.org/index.php/ejedu/article/view/30996
Derechos de autor: 2025 Por los autores. Este artículo es de acceso abierto y distribuido según los términos y
condiciones de la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC
BY-NC-SA 4.0)
https://creativecommons.org/licenses/by-nc-sa/4.0/
