Tutor Virtual para Desarrollar la Habilidad de Modelación Matemática en Estudiantes de Bachillerato: Virtual Tutor to Develop Mathematical Modeling Skills in High School Students

Yusleidy Isabel Verduga Andrade; Roberto Carlos Moya Proaño

doi:10.29394/Scientific.issn.2542-2987.2026.11.e4.1.15-28

Autores/as

Yusleidy Isabel Verduga Andrade Universidad Bolivariana del Ecuador (UBE) https://orcid.org/0009-0004-3376-9817
Roberto Carlos Moya Proaño Universidad Bolivariana del Ecuador (UBE) https://orcid.org/0009-0007-4803-329X

DOI:

https://doi.org/10.29394/Scientific.issn.2542-2987.2026.11.e4.1.15-28

Palabras clave:

modelación matemática, tutor virtual, educación secundaria, tecnologías educativas, contexto ecuatoriano

Resumen

El estudio aborda las deficiencias en la habilidad de modelación matemática en estudiantes de bachillerato ecuatorianos de contextos vulnerables. Fundamentado en el potencial de las tecnologías educativas, el objetivo fue diseñar un tutor virtual contextualizado para desarrollar esta competencia. La investigación empleó un enfoque mixto con diseño no experimental transversal, aplicándose un diagnóstico a 30 estudiantes, el diseño del tutor “FiMath” en Google Sites, y su validación por 10 especialistas. Los resultados del diagnóstico revelaron que el 67% de los estudiantes presentaba un nivel bajo en modelación matemática, con mayores dificultades en validación de modelos (77%). La validación del tutor obtuvo un 89% de aprobación, destacando su pertinencia cultural y fundamentación pedagógica. Se concluye que el diseño propuesto es factible y constituye una herramienta tecnopedagógica viable para fortalecer el aprendizaje autónomo de la modelación matemática, respondiendo a necesidades específicas del contexto ecuatoriano mediante una arquitectura accesible y contextualizada.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Yusleidy Isabel Verduga Andrade, Universidad Bolivariana del Ecuador (UBE)

Es Licenciada en Ciencias de la Educación, mención Educación Primaria, por la Universidad Laica Eloy Alfaro de Manabí, y Máster en Educación con mención en Pedagogía de Entornos Digitales por la Universidad Bolivariana del Ecuador (UBE), institución a la que actualmente se encuentra afiliada. Se desempeña como docente en la Unidad Educativa Dr. Manuel Antonio Franco Pérez. Sus líneas de investigación comprenden la innovación educativa, los entornos virtuales de aprendizaje, la integración de las Tecnologías de la Información y la Comunicación (TIC) en la educación, la educación inclusiva y el desarrollo de competencias digitales.

Roberto Carlos Moya Proaño, Universidad Bolivariana del Ecuador (UBE)

Es Máster en Pedagogía en Entornos Digitales por la Universidad Bolivariana del Ecuador (UBE), institución a la que actualmente se encuentra afiliado, e Ingeniero en Sistemas Administrativos Computarizados con mención en Finanzas por la Universidad de Guayaquil. Cuenta además con un Diplomado en Inteligencia Artificial Aplicada a la Docencia por la Universidad de Las Américas (UDLA). Se desempeña como docente en la Unidad Educativa Fiscal Réplica Técnico Simón Bolívar. Sus líneas de investigación comprenden la inteligencia artificial aplicada a la educación, los tutores virtuales inteligentes, la modelación matemática y los entornos virtuales de aprendizaje.

Citas

Albornoz, F., Almeyda, G., Lombardi, M., Oubiña, V., & Zoido, P. (2025). Remote tutoring in Latin America. Inter-American Development Bank.

Álvarez, C. M. (1999). La escuela en la vida: Didáctica. Editorial Pueblo y Educación.

Amaral, R. B., & Mazzi, L. C. (2021). Contextualized tasks of Brazilian textbooks from a Critical Mathematics Education perspective. Acta Scientiae, 23(8), 222–261. https://doi.org/10.17648/acta.scientiae.6466

Aviory, K., Retnawati, H., & Sudiyatno. (2025). Factors affecting mathematics achievement: Online learning, self-efficacy, and self-regulated learning. Journal of Pedagogical Research, 9(3), 276–290. https://doi.org/10.33902/jpr.202534085

Buzza, D., Fitzgerald, C., & Avitzur, Y. (2022). Supporting self-regulated learning in a secondary applied mathematics course. McGill Journal of Education, 57(2), 92–114. https://doi.org/10.7202/1106310ar

Cevikbas, M., Kaiser, G., & Schukajlow, S. (2022). A systematic literature review of the current discussion on mathematical modelling competencies: State-of-the-art developments in conceptualizing, measuring, and fostering. Educational Studies in Mathematics, 109(2), 205–236. https://doi.org/10.1007/s10649-021-10104-6

Chavarría-Vásquez, J., & Gamboa-Araya, R. (2024). La modelación matemática en el proceso de formación de docentes de matemática de secundaria. Revista Electrónica Educare, 28(1), 1–23. https://doi.org/10.15359/ree.28-1.17503

Cohen, L., Manion, L., & Morrison, K. (2018). Research methods in education (8th ed.). Routledge.

Comisión Económica para América Latina y el Caribe & Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2020). Education in the time of COVID-19. ECLAC/UNESCO.

Creswell, J. W., & Plano, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.

Dağdelen, M., & Yıldız, A. (2022). The relationship between the secondary school students' mathematics anxiety and mathematical literacy self-efficacy. Journal of Computer and Education Research, 10(20), 636–655. https://doi.org/10.18009/jcer.1165625

Deneen, C. (2025). Technology and self-regulated learning. Pacific Journal of Technology Enhanced Learning, 7(2), 27. https://doi.org/10.24135/pjtel.v7i2.230

Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Routledge.

Hershkovitz, A., Noster, N., Siller, H.-S., & Tabach, M. (2024). Learning analytics in mathematics education: The case of feedback use in a digital classification task on reflective symmetry. ZDM–Mathematics Education, 56(4), 727–739. https://doi.org/10.1007/s11858-024-01551-5

Hidayat, R., Mohd, A. F., Setambah, M. A. B., & Mazlan, N. H. (2025). A systematic review of the best practices for teaching mathematical modelling in education context. European Journal of Science and Mathematics Education, 13(4), 255–272. https://doi.org/10.30935/scimath/17155

Kaiser, G., Blum, W., Borromeo Ferri, R., & Stillman, G. (Eds.). (2011). Trends in teaching and learning of mathematical modelling: ICTMA14. Springer.

Kaiser, G., & Sriraman, B. (2006). A global survey of international perspectives on modelling in mathematics education. ZDM, 38(3), 302–310. https://doi.org/10.1007/BF02652813

Lesh, R., & Doerr, H. M. (Eds.). (2003). Beyond constructivism: Models and modeling perspectives on mathematics problem solving, learning, and teaching. Lawrence Erlbaum Associates.

Létourneau, A., Deslandes, M., Charland, P., Karran, J. A., Boasen, J., & Léger, P. M. (2025). A systematic review of AI-driven intelligent tutoring systems (ITS) in K-12 education. npj Science of Learning, 10(1), Article 29. https://doi.org/10.1038/s41539-025-00320-7

Li, Q., & Ma, X. (2010). A meta-analysis of the effects of computer technology on school students' mathematics learning. Educational Psychology Review, 22(3), 215–243. https://doi.org/10.1007/s10648-010-9125-8

Peters, M., & Fàbregues, S. (2024). Missed opportunities in mixed methods EdTech research? Visual joint display development as an analytical strategy for achieving integration in mixed methods studies. Educational Technology Research and Development, 72(5), 2477–2497. https://doi.org/10.1007/s11423-023-10234-z

Rundquist, R., Holmberg, K., Rack, J., Mohseni, Z., & Masiello, I. (2024). Use of learning analytics in K–12 mathematics education: Systematic scoping review of the impact on teaching and learning. Journal of Learning Analytics, 11(3), 174–191. https://doi.org/10.18608/jla.2024.8299

Seng, E. L. K. (2015). The influence of pre-university students' mathematics test anxiety and numerical anxiety on mathematics achievement. International Education Studies, 8(11), 162–168. https://doi.org/10.5539/ies.v8n11p162

Shin, D. (2022). Teaching mathematics integrating intelligent tutoring systems: Investigating prospective teachers' concerns and TPACK. International Journal of Science and Mathematics Education, 20(8), 1659–1676. https://doi.org/10.1007/s10763-021-10221-x

Tasarib, A., Rosli, R., & Rambely, A. S. (2025). Impacts and challenges of mathematical modelling activities on students' learning development: A systematic literature review. Eurasia Journal of Mathematics, Science and Technology Education, 21(5), em2641. https://doi.org/10.29333/ejmste/16398

Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach's alpha. International Journal of Medical Education, 2, 53–55. https://doi.org/10.5116/ijme.4dfb.8dfd

UNESCO. (2023). Global education monitoring report 2023: Technology in education: A tool on whose terms?. United Nations Educational, Scientific and Cultural Organization.

Weiland, T. (2019). The contextualized situations constructed for the use of statistics by school mathematics textbooks. Statistics Education Research Journal, 18(2), 18–38. https://doi.org/10.52041/serj.v18i2.138

Woolf, B. P. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.

Yahya, N. A., Md, J., & Mohd, A. (2021). Students' self-regulated learning in open and distance learning for mathematics course. EDUCATUM Journal of Science, Mathematics and Technology, 8(1), 1–5. https://doi.org/10.37134/ejsmt.vol8.1.1.2021