Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
https://doi.org/10.62574/rmpi.v5iEducativa.458
161
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
johann-v.mendez-g@up.ac.pa
Universidad de Panamá, Panamá, Provincia de Panamá, Panamá
https://orcid.org/0009-0008-6332-4850
RESUMEN
El estudio se propuso analizar la integración de la inteligencia artificial en la didáctica matemática como
estrategia innovadora para transformar procesos de enseñanza y aprendizaje en educación superior. Se
empleó diseño descriptivo documental mediante análisis sistemático de quince fuentes bibliográficas
publicadas entre 2022-2025, estructurado en cuatro fases: identificación y selección, análisis preliminar,
análisis de contenido y síntesis interpretativa. Los resultados identificaron cinco categorías temáticas:
aplicaciones de IA en educación matemática incluyendo sistemas tutores adaptativos, plataformas de
evaluación automatizada y herramientas de visualización dinámica; efectos positivos sobre rendimiento
académico mediante retroalimentación formativa personalizada; factores que influyeron sobre adopción
docente como creencias pedagógicas, competencias tecnológicas y apoyo institucional; desafíos
relacionados con equidad tecnológica e infoxicación; y perspectivas teóricas enfatizando subordinación de
tecnología a objetivos pedagógicos humanistas. La integración efectiva requirió equilibrio cuidadoso entre
aprovechamiento de capacidades tecnológicas y preservación de valores pedagógicos fundamentales,
demandando atención simultánea a desarrollo profesional docente.
Descriptores: inteligencia artificial; enseñanza de las matemáticas; enseñanza superior. (Fuente: Tesauro
UNESCO).
ABSTRACT
The study aimed to analyse the integration of artificial intelligence in mathematics teaching as an
innovative strategy to transform teaching and learning processes in higher education. A descriptive
documentary design was used, involving a systematic analysis of fifteen bibliographic sources published
between 2022 and 2025, structured in four phases: identification and selection, preliminary analysis,
content analysis, and interpretative synthesis. The results identified five thematic categories: AI
applications in mathematics education, including adaptive tutoring systems, automated assessment
platforms, and dynamic visualisation tools; positive effects on academic performance through personalised
formative feedback; factors influencing teacher adoption, such as pedagogical beliefs, technological skills,
and institutional support; challenges related to technological equity and infoxication; and theoretical
perspectives emphasising the subordination of technology to humanistic pedagogical objectives. Effective
integration required a careful balance between leveraging technological capabilities and preserving
fundamental pedagogical values, demanding simultaneous attention to teacher professional development.
Descriptors: artificial intelligence; mathematics education; higher education. (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), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
162
INTRODUCCIÓN
La enseñanza de las matemáticas en educación superior constituye un campo disciplinar
complejo que históricamente ha enfrentado desafíos relacionados con la comprensión
conceptual profunda, el desarrollo de competencias de razonamiento abstracto y la
transferencia de conocimientos a contextos de aplicación auténtica. Estas dificultades se
manifiestan de manera recurrente en altos índices de reprobación, deserción estudiantil y
actitudes negativas hacia las matemáticas que limitan significativamente las trayectorias
académicas y profesionales de miles de estudiantes universitarios en contextos
latinoamericanos y globales. Ante esta problemática persistente, que trasciende metodologías
tradicionales y reformas curriculares convencionales, emerge la necesidad de explorar
alternativas innovadoras que aprovechen desarrollos tecnológicos contemporáneos para
transformar radicalmente las prácticas didácticas en matemáticas.
En este contexto de búsqueda de alternativas pedagógicas efectivas, el desarrollo exponencial
de la inteligencia artificial durante la última década ha abierto posibilidades sin precedentes
para reimaginar procesos educativos en disciplinas que tradicionalmente han presentado
barreras de acceso significativas. Tal como plantean Gabriel et al. (2025), la inteligencia
artificial pragmática en la educación desempeña un papel transformador en el aprendizaje y la
enseñanza de las matemáticas, ofreciendo sistemas adaptativos capaces de personalizar
experiencias educativas según perfiles cognitivos individuales, proporcionar retroalimentación
inmediata sobre errores conceptuales y generar trayectorias de aprendizaje optimizadas
mediante algoritmos de aprendizaje automático. Esta convergencia entre capacidades
tecnológicas avanzadas y necesidades pedagógicas urgentes configura un escenario
prometedor pero simultáneamente complejo que requiere análisis riguroso desde perspectivas
educativas fundamentadas.
Paralelamente, la investigación en didáctica de las matemáticas ha acumulado conocimiento
sustancial sobre naturaleza de dificultades de aprendizaje, procesos cognitivos involucrados en
construcción de conceptos matemáticos y características de ambientes instruccionales
efectivos que favorecen comprensión profunda. Este cuerpo de conocimiento didáctico debe
dialogar productivamente con desarrollos tecnológicos emergentes para evitar caer en
determinismos instrumentales que subordinen objetivos educativos a lógicas algorítmicas.
Reflexionando críticamente sobre esta tensión, Suárez-Estavillo (2025) interroga si la
inteligencia artificial en la educación representa genuina transformación o meramente
infoxicación que sobrecarga sistemas educativos sin producir mejoras sustantivas en
aprendizaje, planteando la necesidad de aproximaciones críticas que evalúen rigurosamente
impactos reales de tecnologías inteligentes en contextos educativos concretos.
Bajo la literatura especializada actualmente se pueden encontrar diversas experiencias sobre la
integración de la inteligencia artificial en la enseñanza de matemáticas que engloban no
solamente los sistemas tutores inteligentes y plataformas de evaluación basadas en la
inteligencia artificial y la personalización, también se encuentran proyectos de visualización
dinámica y asistentes virtuales para la solución de problemas matemáticos. Como se
demuestra a través de la revisión sistemática sobre la inteligencia artificial en la enseñanza
matemática presentada por Mohamed et al. (2022), se pueden encontrar diversas posibilidades
técnicas dirigidas a la automatización del diagnóstico sobre la dificultad del aprendizaje y la
creación personalizada de ejercicios según cada nivel demostrado por los estudiantes.
Por otra parte, es importante estudiar los factores de influencia sobre la adopción por parte de
los docentes de las tecnologías de inteligencia artificial en el contexto de las matemáticas, al
entender que la disponibilidad no es sinónimo de implementación de dichas tecnologías. En
esta línea, Li (2024) investigó la integración de la inteligencia artificial en educación matemática
primaria, examinando influencias internas y externas sobre la adopción docente, identificando
que creencias pedagógicas, competencias tecnológicas, apoyo institucional y percepción de
utilidad constituyen factores determinantes que median entre disponibilidad de recursos
tecnológicos y su uso efectivo en aulas reales. Estas evidencias subrayan que integración
exitosa de IA en didáctica matemática trasciende dimensiones puramente técnicas, requiriendo
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
163
atención a factores humanos, organizacionales y culturales que configuran prácticas educativas
concretas.
Considerando este panorama complejo que articula oportunidades tecnológicas con desafíos
pedagógicos tradicionales y emergentes, el presente estudio se propone analizar la integración
de la inteligencia artificial en la didáctica matemática como estrategia innovadora para
transformar procesos de enseñanza y aprendizaje en educación superior.
MÉTODO
En correspondencia con los objetivos planteados, el diseño descriptivo documental empleado
en la presente investigación permitió comprender y analizar sistemáticamente la producción
científica relacionada con la incorporación de la Inteligencia Artificial en la Didáctica
Matemática. Esta aproximación metodológica resulta pertinente cuando se busca describir,
interpretar y sintetizar un cuerpo de información vinculado con hechos y fenómenos del ámbito
educativo que se encuentran en etapa emergente.
Asimismo, el proceso de revisión documental se organizó siguiendo cuatro fases metodológicas
diferenciadas que garantizaron un tratamiento sistemático y riguroso de la información. La
primera etapa de identificación y selección contempló la aplicación de criterios de inclusión
orientados a incorporar documentación bibliográfica que abordara explícitamente la integración
de la inteligencia artificial en escenarios de enseñanza de las matemáticas. Se priorizó la
inclusión de artículos publicados en revistas académicas especializadas, libros académicos
sobre la temática y documentos con fundamentación teórica sólida.
Posteriormente, durante la segunda fase de análisis preliminar, se realizó una evaluación de
quince documentos que cumplían los criterios preestablecidos, verificando su pertinencia
temática mediante la revisión de resúmenes, introducción, metodología y conclusiones de cada
texto examinado. Se incluyeron investigaciones publicadas entre 2022 y 2025, lo que facilitó el
acceso tanto a desarrollos conceptuales consolidados como a avances tecnológicos y
pedagógicos recientes, permitiendo caracterizar la evolución de las aproximaciones sobre la
integración de IA en la enseñanza matemática.
En consecuencia, la tercera fase correspondió al análisis de contenido, en la cual se
examinaron minuciosamente los documentos seleccionados, identificando patrones temáticos,
enfoques metodológicos y resultados relevantes. Este análisis permitió extraer las
contribuciones teóricas y prácticas más significativas de cada fuente consultada.
Por último, la cuarta fase comprendió la síntesis interpretativa de los contenidos analizados,
estableciendo conexiones entre perspectivas teóricas diversas y evidencia empírica, con el fin
de construir una comprensión integrada del fenómeno estudiado. Esta síntesis se orientó
específicamente hacia el análisis de la integración de la inteligencia artificial en la didáctica
matemática, articulando las diferentes contribuciones en una narrativa coherente que
respondiera a la pregunta de investigación planteada, reconociendo al mismo tiempo las
dificultades y contradicciones identificadas en la literatura.
Conviene señalar que, como método descriptivo documental, existen limitaciones inherentes
que incluyen la dependencia de fuentes secundarias, la imposibilidad de generar datos
primarios mediante observación o experimentación directa, y la susceptibilidad al sesgo de
publicación, donde tienden a privilegiarse experiencias exitosas sobre implementaciones
problemáticas. No obstante, este método resulta apropiado y útil para sistematizar el
conocimiento existente, identificar tendencias emergentes y detectar vacíos que requieren
investigación empírica posterior en el área de estudio.
RESULTADOS
El análisis sistemático de las fuentes documentales seleccionadas permite identificar múltiples
dimensiones relacionadas con la integración de la inteligencia artificial en la didáctica
matemática. Los resultados se organizan en cinco categorías temáticas que emergen de la
literatura revisada: aplicaciones de inteligencia artificial en educación matemática, efectos
sobre aprendizaje y rendimiento académico, factores que influyen sobre adopción docente,
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
164
desafíos y tensiones identificadas, y perspectivas críticas sobre transformación educativa
mediante IA.
Aplicaciones de inteligencia artificial en educación matemática
La incorporación de inteligencia artificial en educación matemática se materializa en
aplicaciones tecnológicas diversas que abarcan desde sistemas tutores adaptativos hasta
plataformas de análisis predictivo de datos educativos. Estas aplicaciones varían
significativamente en sofisticación algorítmica, fundamentación pedagógica y alcance de sus
pretensiones transformadoras, requiriendo caracterización diferenciada que reconozca
especificidades técnicas y educativas de cada aproximación.
Desde una perspectiva panorámica que sintetiza múltiples aplicaciones, Mohamed et al. (2022)
realizaron una revisión sistemática de la literatura sobre inteligencia artificial en educación
matemática, identificando que las aplicaciones más frecuentemente documentadas incluyen
sistemas tutores inteligentes que adaptan contenidos según desempeño estudiantil,
plataformas de evaluación automatizada que proporcionan retroalimentación inmediata sobre
errores conceptuales, herramientas de visualización dinámica que facilitan comprensión de
conceptos abstractos, y sistemas de recomendación que sugieren recursos de aprendizaje
personalizados según perfil cognitivo individual. Esta diversidad de aplicaciones refleja la
versatilidad de tecnologías de IA para abordar diferentes aspectos del proceso de enseñanza-
aprendizaje matemático, desde motivación inicial hasta dominio avanzado de conceptos
complejos.
Profundizando en aplicaciones específicas orientadas a resolución de problemas, Duarte-
Cango et al. (2024) analizaron el uso de la inteligencia artificial en la resolución de problemas
matemáticos, documentando innovaciones y mejoras del rendimiento académico en educación
superior que resultan de sistemas capaces de descomponer problemas complejos en pasos
manejables, identificar errores procedimentales específicos y proporcionar andamiaje cognitivo
personalizado según necesidades individuales detectadas algorítmicamente. Estas
herramientas trascienden funciones de simple calculadora o verificador de respuestas,
constituyendo ambientes de aprendizaje interactivos donde estudiantes construyen
comprensión mediante diálogo con sistemas inteligentes que responden dinámicamente a sus
acciones.
Paralelamente, investigaciones han explorado el uso de modelos de inteligencia artificial para
optimización global de procesos de enseñanza matemática, yendo más allá de apoyo individual
a estudiantes para abarcar planificación instruccional, diseño curricular y evaluación formativa.
Al respecto, Rivas-Díaz et al. (2024) examinaron el uso de modelos de inteligencia artificial en
la optimización de la enseñanza de matemáticas en educación superior, evidenciando que
algoritmos de aprendizaje automático pueden analizar patrones de desempeño estudiantil a
nivel agregado, identificar contenidos que generan dificultades recurrentes y sugerir ajustes
instruccionales basados en evidencia de efectividad diferencial de diferentes aproximaciones
didácticas. Esta dimensión analítica de la IA promete informar mejoramiento continuo de
prácticas docentes mediante retroalimentación sistemática imposible de generar manualmente.
Adicionalmente, desarrollos recientes en inteligencia artificial generativa han introducido nuevas
posibilidades para educación matemática que trascienden aplicaciones tradicionales.
Reflexionando sobre estas transformaciones emergentes, Walkington (2025) analiza las
implicaciones de la inteligencia artificial generativa para la educación matemática, señalando
que sistemas capaces de generar explicaciones personalizadas, construir problemas
adaptados a intereses estudiantiles específicos y proporcionar múltiples representaciones de
conceptos matemáticos podrían democratizar acceso a experiencias educativas de alta calidad
previamente reservadas a contextos privilegiados con recursos abundantes. No obstante, estas
mismas capacidades generativas plantean interrogantes sobre autenticidad del trabajo
estudiantil, desarrollo de pensamiento independiente y preservación de desafíos cognitivos
apropiados que favorecen aprendizaje profundo.
En contextos específicos latinoamericanos, investigaciones han documentado aplicaciones de
IA adaptadas a necesidades y recursos de sistemas educativos regionales. Siguiendo esta
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
165
línea contextualizada, Coy-García et al. (2024) estudiaron la inteligencia artificial aplicada a la
enseñanza de la matemática en contextos donde infraestructura tecnológica puede ser
limitada, identificando que incluso aplicaciones relativamente simples de IA pueden generar
efectos positivos cuando se integran reflexivamente en prácticas pedagógicas fundamentadas,
sugiriendo que sofisticación tecnológica no constituye requisito absoluto para aprovechamiento
educativo de recursos de inteligencia artificial.
Efectos sobre aprendizaje y rendimiento académico
La literatura revisada documenta efectos generalmente positivos de la integración de
inteligencia artificial sobre diferentes dimensiones del aprendizaje matemático, aunque con
variabilidad considerable según características de implementación, contexto educativo y
población estudiantil específica. Estos efectos abarcan desde mejoras en rendimiento
académico medido mediante evaluaciones estandarizadas hasta transformaciones en actitudes
hacia las matemáticas y desarrollo de competencias metacognitivas.
Respecto a impactos sobre rendimiento académico, variable frecuentemente utilizada como
indicador de efectividad educativa, Duarte-Cango et al. (2024) reportan que el uso de la
inteligencia artificial en la resolución de problemas matemáticos genera innovaciones que se
traducen en mejoras significativas del rendimiento académico en educación superior,
particularmente cuando sistemas inteligentes proporcionan retroalimentación formativa
oportuna que permite a estudiantes identificar y corregir errores conceptuales antes de que se
consoliden como concepciones alternativas resistentes al cambio. Estas mejoras en
rendimiento se atribuyen principalmente a personalización del aprendizaje que permite a cada
estudiante progresar a ritmo apropiado sin presiones temporales artificiales que caracterizan
instrucción masiva tradicional.
Complementariamente, estudios han explorado mecanismos mediante los cuales IA genera
efectos sobre aprendizaje, yendo más allá de correlaciones para examinar procesos cognitivos
y metacognitivos mediadores. En esta línea analítica, Huang et al. (2025) investigaron la
aplicación del aprendizaje automático al análisis de datos de procesos educativos, identificando
que sistemas inteligentes pueden detectar patrones sutiles en comportamientos de aprendizaje
que predicen dificultades futuras, permitiendo intervenciones preventivas antes de que
estudiantes acumulen déficits conceptuales significativos. Esta capacidad predictiva de la IA
introduce posibilidades de educación preventiva que contrasta con modelos reactivos
tradicionales que abordan dificultades solo después de manifestarse en fracasos académicos
evidentes.
Paralelamente, investigaciones han examinado efectos diferenciales de IA según
características estudiantiles, reconociendo que tecnología no opera uniformemente sobre
poblaciones heterogéneas. Aunque los documentos revisados no proporcionan análisis
extensivos de equidad, sugieren que beneficios de IA podrían ser mayores para estudiantes
con menor rendimiento inicial, potencialmente reduciendo brechas de aprendizaje si se
implementa con atención explícita a dimensiones de justicia educativa.
En contextos específicos de ingeniería, donde competencias matemáticas constituyen
fundamento de formación profesional, se han documentado efectos particularmente relevantes.
Al respecto, Sánchez-Castillo y Jiménez-Pérez (2025) analizan el uso de inteligencia artificial
para mejorar el proceso de enseñanza-aprendizaje de matemáticas en estudiantes de
ingeniería, evidenciando que herramientas de IA facilitan conexión entre formalismo
matemático abstracto y aplicaciones ingenieriles concretas, superando fragmentación
tradicional entre matemáticas teóricas y conocimientos disciplinares de ingeniería. Esta
integración resulta particularmente valiosa para motivar a estudiantes que frecuentemente
cuestionan relevancia de contenidos matemáticos para sus futuras prácticas profesionales.
Adicionalmente, efectos de IA trascienden dimensiones puramente cognitivas para abarcar
aspectos afectivos y motivacionales que influyen significativamente sobre compromiso
estudiantil con aprendizaje matemático. Sistemas inteligentes que proporcionan
retroalimentación inmediata, celebran progresos incrementales y ajustan nivel de desafío para
mantener equilibrio entre dificultad y capacidad pueden generar experiencias de flujo que
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
166
contrastan con frustración y ansiedad frecuentemente asociadas con aprendizaje matemático
tradicional.
Factores que influyen sobre adopción docente de inteligencia artificial
La disponibilidad técnica de herramientas de inteligencia artificial no garantiza su adopción
efectiva por docentes ni su integración reflexiva en prácticas instruccionales cotidianas.
Múltiples factores personales, institucionales y contextuales median entre disponibilidad de
recursos tecnológicos y su uso pedagógico fundamentado, requiriendo atención explícita en
cualquier esfuerzo de transformación educativa mediante IA.
Desde una perspectiva comprehensiva que examina múltiples niveles de influencia, Li (2024)
investigó factores internos y externos que influyen sobre la adopción docente de inteligencia
artificial en educación matemática, identificando que creencias pedagógicas previas,
competencias tecnológicas percibidas, apoyo institucional disponible, presiones curriculares y
percepción de utilidad constituyen determinantes principales de decisiones docentes sobre
incorporación de IA en prácticas instruccionales. Estos resultados subrayan que transformación
educativa mediante tecnología requiere atención simultánea a múltiples niveles de intervención,
desde desarrollo profesional individual hasta políticas institucionales que legitimen y apoyen
innovación pedagógica.
Particularmente relevante resulta el papel de competencias tecnológicas docentes,
frecuentemente citado como barrera significativa para adopción de innovaciones digitales en
educación. Docentes que perciben su competencia tecnológica como insuficiente tienden a
evitar o minimizar uso de herramientas complejas, independientemente de su potencial
pedagógico. Esta dinámica resulta especialmente problemática en educación matemática,
donde docentes frecuentemente poseen formación disciplinar sólida pero experiencia
tecnológica limitada, generando tensiones entre reconocimiento de potencial de IA y capacidad
percibida para implementarla efectivamente.
Complementariamente, factores institucionales como disponibilidad de infraestructura
tecnológica, apoyo técnico accesible y políticas que reconocen esfuerzos de innovación
influyen significativamente sobre disposición docente a experimentar con nuevas
aproximaciones pedagógicas. Contextos institucionales que proporcionan tiempo, recursos y
reconocimiento para experimentación pedagógica facilitan adopción de IA, mientras que
ambientes caracterizados por sobrecarga laboral, recursos limitados y culturas conservadoras
inhiben innovación incluso cuando docentes individuales podrían estar motivados.
Adicionalmente, la literatura sugiere que creencias pedagógicas fundamentales sobre
naturaleza del aprendizaje matemático y roles apropiados de tecnología en educación
constituyen filtros poderosos que median interpretación y uso de herramientas de IA. Docentes
con orientaciones pedagógicas constructivistas pueden integrar IA como herramienta para
apoyar exploración estudiantil autónoma, mientras que docentes con orientaciones
transmisivas podrían utilizar las mismas herramientas meramente para practicar
procedimientos algorítmicos, generando experiencias de aprendizaje cualitativamente
diferentes a partir de tecnologías idénticas.
Desafíos y tensiones identificadas en integración de inteligencia artificial
La integración de inteligencia artificial en didáctica matemática no constituye proceso libre de
problemas o tensiones, sino que plantea desafíos sustanciales que requieren navegación
cuidadosa para evitar efectos contraproducentes. Estos desafíos abarcan dimensiones
técnicas, pedagógicas, éticas y sociales que interactúan de maneras complejas en contextos
educativos reales.
Desde una perspectiva crítica que examina tanto promesas como peligros de IA en educación,
Suárez-Estavillo (2025) interroga si la inteligencia artificial representa transformación genuina o
meramente infoxicación que sobrecarga sistemas educativos sin producir mejoras sustantivas,
argumentando que adopción acrítica de tecnologías inteligentes puede desviar atención y
recursos de intervenciones pedagógicas fundamentadas hacia soluciones tecnológicas
espectaculares pero superficiales. Esta perspectiva crítica resulta especialmente pertinente en
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
167
contextos latinoamericanos donde recursos educativos son limitados y decisiones de inversión
requieren evaluación rigurosa de efectividad real versus promesas comerciales.
Paralelamente, desafíos relacionados con equidad tecnológica emergen como preocupación
central en contextos caracterizados por desigualdades socioeconómicas significativas. Acceso
diferencial a infraestructura tecnológica, conectividad confiable y dispositivos apropiados puede
amplificar brechas educativas existentes si beneficios de IA se concentran en poblaciones
estudiantiles privilegiadas mientras estudiantes de contextos desfavorecidos permanecen
excluidos de innovaciones pedagógicas. Esta dinámica requiere políticas deliberadas de
equidad que aseguren democratización de acceso a recursos tecnológicos educativos.
Adicionalmente, tensiones emergen entre automatización de procesos educativos mediante IA
y preservación de dimensiones humanas del aprendizaje que requieren interacción social,
diálogo argumentativo y negociación de significados. Matemáticas no constituyen simplemente
conjunto de procedimientos algorítmicos que pueden automatizarse completamente, sino
práctica cultural que involucra construcción colectiva de significados, argumentación rigurosa y
apreciación estética de elegancia matemática. Sobre-dependencia de sistemas automatizados
podría empobrecer estas dimensiones humanas del aprendizaje matemático si no se integra
reflexivamente con experiencias sociales ricas.
Reflexionando sobre oportunidades y riesgos simultáneos, Cordero-Monzón (2024) analiza la
inteligencia artificial en el aula como fenómeno que presenta tanto oportunidades como
desafíos para la didáctica de la matemática universitaria, argumentando que navegación
exitosa de esta frontera educativa requiere equilibrio cuidadoso entre aprovechamiento de
capacidades tecnológicas y preservación de valores pedagógicos fundamentales centrados en
desarrollo de pensamiento crítico, creatividad matemática y autonomía intelectual. Este
equilibrio resulta difícil de lograr en práctica, requiriendo reflexión pedagógica continua y
evaluación crítica de implementaciones específicas.
Complementariamente, desafíos relacionados con formación docente emergen como obstáculo
significativo para integración efectiva de IA. Docentes requieren no solamente competencias
técnicas para operar herramientas específicas, sino comprensión pedagógica profunda de
cómo integrar tecnología en secuencias instruccionales coherentes que promuevan objetivos
de aprendizaje significativos. Esta formación pedagógico-tecnológica resulta frecuentemente
ausente en programas de desarrollo profesional disponibles, limitando capacidad de docentes
para aprovechar plenamente potencial de IA.
Perspectivas teóricas sobre transformación educativa mediante inteligencia artificial
La literatura especializada ofrece múltiples marcos conceptuales para comprender naturaleza y
alcance de transformaciones educativas que la inteligencia artificial podría catalizar en
educación matemática. Estas perspectivas varían desde optimismo tecnológico que anticipa
revoluciones pedagógicas hasta escepticismo crítico que cuestiona pretensiones
transformadoras de soluciones tecnológicas.
Desde una perspectiva comprehensiva que sintetiza desarrollos teóricos y prácticos, Richard et
al. (2022) editaron un volumen sobre educación matemática en la era de la inteligencia artificial,
explorando cómo la inteligencia artificial puede servir al aprendizaje matemático humano sin
subordinar objetivos educativos a lógicas algorítmicas. Este marco conceptual enfatiza que
tecnología debe permanecer como medio al servicio de fines educativos humanistas, nunca
como fin en sí misma que determine direcciones pedagógicas.
Paralelamente, perspectivas pragmáticas enfatizan importancia de implementaciones
contextualizadas que reconocen especificidades de diferentes contextos educativos.
Coherentemente con esta orientación, Gabriel et al. (2025) proponen aproximación de
inteligencia artificial pragmática en educación que reconoce tanto posibilidades tecnológicas
como limitaciones prácticas de implementación en contextos reales con recursos finitos,
culturas institucionales específicas y poblaciones estudiantiles heterogéneas. Esta perspectiva
pragmática contrasta con visiones utópicas que asumen capacidad ilimitada de tecnología para
resolver problemas educativos complejos mediante intervenciones puramente técnicas.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
168
Adicionalmente, revisiones sistemáticas de literatura proporcionan síntesis de evidencia
empírica acumulada que pueden informar desarrollos teóricos fundamentados en datos. En
esta línea, Manqueban y Huincahue (2024) realizaron una revisión sistemática sobre
inteligencia artificial en educación matemática, identificando tendencias dominantes, vacíos de
investigación y direcciones futuras prometedoras que requieren atención investigativa adicional.
Estas síntesis evidencian que campo permanece emergente con más preguntas que
respuestas definitivas, requiriendo investigación empírica continua para fundamentar
sólidamente prácticas de integración de IA.
Complementariamente, aproximaciones críticas cuestionan narrativas dominantes sobre
inevitabilidad de transformación tecnológica, argumentando que decisiones sobre incorporación
de IA en educación constituyen elecciones políticas y pedagógicas que requieren deliberación
democrática amplia. Estas perspectivas enfatizan importancia de considerar quién se beneficia
de diferentes configuraciones tecnológicas, qué valores pedagógicos se priorizan o marginan, y
cómo poder y recursos se distribuyen mediante decisiones sobre inversión tecnológica
educativa.
DISCUSIÓN
A partir de la perspectiva pedagógica fundamental, la articulación entre IA y didáctica
matemática representa más que la simple instrumentalización tecnológica de prácticas
existentes, constituyendo una potencial reconfiguración de las relaciones entre docente,
estudiante, conocimiento matemático y mediación tecnológica. Coherentemente con esta
interpretación transformadora, Gabriel et al. (2025) argumentan que la inteligencia artificial
puede desempeñar un papel transformador en matemáticas cuando se integra reflexivamente
en marcos pedagógicos que priorizan la comprensión conceptual profunda sobre la
memorización algorítmica superficial. Esta transformación no resulta automática de la
disponibilidad tecnológica, sino que requiere decisiones pedagógicas deliberadas sobre cómo,
cuándo y para qué propósitos específicos utilizar los recursos de IA disponibles.
En el ámbito específico de resolución de problemas matemáticos, actividad central en el
aprendizaje matemático significativo, la incorporación de IA ofrece posibilidades de andamiaje
cognitivo personalizado que adapta el nivel de apoyo según las necesidades individuales
dinámicamente cambiantes. Profundizando en estas posibilidades, Duarte-Cango et al. (2024)
demuestran que los sistemas inteligentes pueden generar mejoras significativas en el
rendimiento académico cuando proporcionan retroalimentación formativa oportuna que permite
a los estudiantes construir comprensión mediante ciclos iterativos de acción, retroalimentación
y reflexión. No obstante, la efectividad de estos sistemas depende críticamente de la calidad de
su diseño pedagógico, no meramente de su sofisticación algorítmica, requiriendo colaboración
estrecha entre expertos disciplinares, diseñadores instruccionales y desarrolladores
tecnológicos.
Paralelamente, las consideraciones de equidad educativa emergen como dimensión ineludible
en cualquier evaluación ética de la integración de IA en matemáticas. Aunque la tecnología
promete democratizar el acceso a experiencias educativas de alta calidad mediante
personalización masiva previamente inviable, los riesgos de amplificación de desigualdades
existentes resultan significativos si el acceso diferencial a infraestructura tecnológica concentra
beneficios en poblaciones privilegiadas. Alertando sobre estos riesgos, Suárez-Estavillo (2025)
cuestiona las narrativas optimistas sobre transformación educativa mediante IA, argumentando
que sin políticas deliberadas de equidad, las innovaciones tecnológicas podrían profundizar las
brechas educativas que supuestamente aspiran a cerrar.
Adicionalmente, tensiones emergen entre las capacidades de automatización de IA y la
naturaleza inherentemente social del aprendizaje matemático. Las matemáticas constituyen
una práctica cultural que involucra no solamente la manipulación de símbolos abstractos, sino
también argumentación rigurosa, negociación de significados y construcción colectiva de
conocimiento que requieren interacción humana rica. Reflexionando sobre estas dimensiones
sociales irreductibles, Cordero-Monzón (2024) advierte que la sobre-dependencia de sistemas
automatizados podría empobrecer las experiencias de aprendizaje si desplaza oportunidades
de diálogo matemático auténtico entre estudiantes y con docentes. Esta consideración sugiere
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
169
que la IA debe complementar, no reemplazar, las interacciones humanas que constituyen el
núcleo de la educación matemática significativa.
Desde la perspectiva de adopción docente, factor determinante para cualquier innovación
educativa, los resultados evidencian que la transformación mediante IA requiere atención
simultánea a múltiples niveles de intervención. Consistentemente con esta interpretación
multinivel, Li (2024) demuestra que factores internos como creencias pedagógicas y
competencias tecnológicas interactúan con factores externos como apoyo institucional y
recursos disponibles para configurar las decisiones docentes sobre adopción de IA. Esta
comprensión multinivel sugiere que el desarrollo profesional aislado resulta insuficiente sin
transformaciones institucionales que proporcionen tiempo, recursos y reconocimiento para la
experimentación pedagógica con tecnologías emergentes.
Paralelamente, las cuestiones epistemológicas sobre la naturaleza del conocimiento
matemático y los propósitos de la educación matemática universitaria merecen atención
explícita. Si los sistemas inteligentes pueden resolver automáticamente problemas matemáticos
complejos y generar explicaciones conceptuales, ¿qué competencias específicamente
humanas debe cultivar la educación matemática? Esta interrogante fundamental invita a
repensar los objetivos formativos, enfatizando capacidades de orden superior como creatividad
matemática, razonamiento crítico sobre validez de argumentos, apreciación estética de
elegancia matemática y capacidad para formular preguntas significativas que orienten la
indagación productiva. Estas competencias trascienden la automatización algorítmica,
representando el valor añadido distintivamente humano que la educación debe preservar y
cultivar deliberadamente.
Los resultados también subrayan que la efectividad de IA en educación matemática depende
críticamente de la calidad del diseño pedagógico que subyace a las implementaciones
tecnológicas específicas. Las herramientas tecnológicamente sofisticadas pueden generar
experiencias educativas pobres si no se fundamentan en una comprensión profunda de los
procesos de aprendizaje matemático, la naturaleza de dificultades conceptuales características
y los principios didácticos efectivos. Coherentemente con esta interpretación, Rivas-Díaz et al.
(2024) evidencian que la optimización de la enseñanza mediante IA requiere integración
reflexiva de conocimiento didáctico disciplinar con capacidades tecnológicas, nunca
subordinación de pedagogía a lógicas algorítmicas.
Mirando hacia el futuro, la investigación educativa requiere estudios empíricos más rigurosos
que documenten efectos longitudinales de la integración de IA sobre el aprendizaje
matemático, empleando diseños metodológicos robustos que permitan establecer relaciones
causales con mayor confianza. Reconociendo estas limitaciones de la evidencia actual,
Mohamed et al. (2022) señalan en su revisión sistemática que la mayoría de estudios sobre IA
en educación matemática presentan diseños descriptivos o correlacionales que dificultan
conclusiones definitivas sobre efectividad, sugiriendo la necesidad de investigación
experimental más rigurosa.
Adicionalmente, resulta imperativo explorar los mecanismos cognitivos y metacognitivos
mediante los cuales la IA genera efectos sobre el aprendizaje, yendo más allá de correlaciones
para comprender procesos subyacentes. Avanzando en esta dirección analítica, Huang et al.
(2025) proponen que la aplicación de aprendizaje automático al análisis de datos de procesos
educativos puede revelar patrones sutiles en comportamientos de aprendizaje que escapan a
la observación humana convencional, proporcionando comprensión más profunda de cómo los
estudiantes construyen conocimiento matemático en interacción con sistemas inteligentes.
En síntesis, el análisis de la literatura sugiere que la integración de inteligencia artificial en
didáctica matemática representa una frontera educativa que requiere equilibrio cuidadoso entre
el aprovechamiento de capacidades tecnológicas y la preservación de valores pedagógicos
fundamentales. Concordando con esta perspectiva equilibrada, Richard et al. (2022) proponen
que la inteligencia artificial debe servir al aprendizaje matemático humano, nunca subordinarlo
a lógicas algorítmicas que priorizan eficiencia computacional sobre comprensión conceptual
profunda, creatividad matemática y desarrollo de pensamiento crítico. Esta visión equilibrada
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
170
puede orientar la navegación responsable de transformaciones educativas impulsadas por la
innovación tecnológica acelerada.
CONCLUSION
El análisis muestra que las aplicaciones de inteligencia artificial en educación matemática como
los sistemas tutores adaptativos, las plataformas de evaluación automatizada, las herramientas
de visualización dinámica y los asistentes de resolución de problemas favorecen el rendimiento
académico y el aprendizaje de los estudiantes. Este impacto positivo se observa especialmente
cuando estas tecnologías se apoyan en diseños pedagógicos bien estructurados, que dan
prioridad a la comprensión conceptual mediante retroalimentación formativa personalizada y
andamiaje cognitivo adaptativo. No obstante, la efectividad de estas herramientas tecnológicas
depende en gran medida de factores humanos, organizacionales y contextuales que influyen
en su adopción por parte de los docentes. Entre estos factores se encuentran las creencias
pedagógicas de los maestros, sus competencias tecnológicas, el respaldo institucional que
reciben y la percepción que tienen sobre la utilidad real de estas aplicaciones.
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
Cordero-Monzón, M. Á. (2024). Inteligencia artificial en el aula: oportunidades y desafíos para la
didáctica de la matemática y física universitaria [Artificial intelligence in the classroom:
Opportunities and challenges for the didactics of university mathematics and physics].
Revista Internacional de Pedagogía e Innovación Educativa, 4(1), 193-207.
https://doi.org/10.51660/ripie.v4i1.154
Coy-García, G., Fuel-Bermeo, A., Durán-Pardo, V., & Coloma-Añazco, J. (2024). La inteligencia
artificial aplicada a la enseñanza de la matemática [Artificial intelligence applied to
mathematics teaching]. Conocimiento Global, 9(1), 234-242.
https://doi.org/10.70165/cglobal.v9i1.357
Duarte-Cango, A. X., Bustillos-Castillo, D. A., Hidalgo-Cajo, D. P., & Mullo-Cóndor, K. S. (2024).
Uso de la inteligencia artificial en la resolución de problemas matemáticos: innovación y
mejora del rendimiento académico en la educación superior [Use of artificial intelligence
in solving mathematical problems: Innovation and improvement of academic
performance in higher education]. Reincisol, 3(6), 3573–3593.
https://doi.org/10.59282/reincisol.V3(6)3573-3593
Gabriel, F., Kennedy, J., Marrone, R., et al. (2025). Pragmatic AI in education and its role in
mathematics learning and teaching [IA pragmática en la educación y su papel en el
aprendizaje y la enseñanza de las matemáticas]. npj Science of Learning, 10, 26.
https://doi.org/10.1038/s41539-025-00315-4
Huang, J., Xin, Y. P., & Chang, H. H. (2025). The Application of Machine Learning to
Educational Process Data Analysis: A Systematic Review. Education Sciences, 15(7),
888. https://doi.org/10.3390/educsci15070888
Irene, E. A. (2023). Evaluation of teacher education curricula and its relevance to licensure
examination using Context, Input, Process and Product (CIPP) model [Evaluación de
los currículos de formación docente y su relevancia para el examen de licenciatura
utilizando el modelo Contexto, Insumo, Proceso y Producto (CIPP)]. Social Sciences &
Humanities Open, 8(1), 100607. https://doi.org/10.1016/j.ssaho.2023.100607
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 161-171, 2025
Inteligencia artificial y didáctica matemática
Artificial intelligence and mathematical didactics
Johann Verney Méndez-Gamba
171
Li, M. (2024). Integrating artificial intelligence in primary mathematics education: Investigating
internal and external influences on teacher adoption [Integrando la inteligencia artificial
en la educación matemática primaria: Investigando influencias internas y externas en la
adopción docente]. International Journal of Science and Mathematics Education.
https://doi.org/10.1007/s10763-024-10515-w
Manqueban, D., & Huincahue, J. (2024). Inteligencia artificial en educación matemática: una
revisión sistemática [Artificial intelligence in mathematics education: A systematic
review]. Uniciencia, 38(1), 357-373. https://doi.org/10.15359/ru.38-1.20
Mohamed, M. Z. B., Hidayat, R., Suhaizi, N. N. B., Sabri, N. B. M., Mahmud, M. K. H. B., &
Baharuddin, S. N. B. (2022). Artificial intelligence in mathematics education: A
systematic literature review. International Electronic Journal of Mathematics Education,
17(3), em0694. https://doi.org/10.29333/iejme/12132
Richard, P. R., Vélez, M. P., & Van-Vaerenbergh, S. (Eds.). (2022). Mathematics education in
the age of artificial intelligence: How artificial intelligence can serve mathematical
human learning [Educación matemática en la era de la inteligencia artificial: Cómo la
inteligencia artificial puede servir al aprendizaje matemático humano]. Springer.
https://doi.org/10.1007/978-3-030-86909-0
Rivas-Díaz, J. P., Cevallos-Méndez, C. de las M., & Llange-Nieves, Z. J. (2024). Uso de
modelos de inteligencia artificial en la optimización de la enseñanza de matemáticas en
la educación superior [Use of artificial intelligence models in optimizing mathematics
teaching in higher education]. Reincisol, 3(6), 4334–4355.
https://doi.org/10.59282/reincisol.V3(6)4334-4355
Román-Cañizares, G. N. (2024). El rol de la IA en la enseñanza de matemáticas en entornos
virtuales [The role of AI in mathematics teaching in virtual environments]. Reincisol,
3(6), 2111–2133. https://doi.org/10.59282/reincisol.V3(6)2111-2133
Sánchez-Castillo, V., & Jiménez-Pérez, G. A. (2025). Uso de IA para mejorar el proceso de
enseñanza-aprendizaje de matemáticas en estudiantes de ingeniería [Use of AI to
improve the teaching-learning process of mathematics in engineering students]. Eco
Matemático, 16(1), 6–20. https://doi.org/10.22463/17948231.4658
Suárez-Estavillo, U. (2025). La inteligencia artificial en la educación: ¿transformación o
infoxicación? Un análisis crítico de la nueva frontera educativa [Artificial intelligence in
education: Transformation or infoxication? A critical analysis of the new educational
frontier]. Sintaxis, (14), 69-88. https://doi.org/10.36105/stx.2025n14.05
Walkington, C. (2025). The implications of generative artificial intelligence for mathematics
education [Las implicaciones de la inteligencia artificial generativa para la educación
matemática]. School Science and Mathematics. https://doi.org/10.1111/ssm.18356
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/
