Optimización de la Carga Cognitiva y rendimiento académico en Física mediante el aprendizaje colaborativo asistido por GeoGebra

Authors

DOI:

https://doi.org/10.70625/rlce/511

Keywords:

Carga cognitiva, GeoGebra, Aprendizaje colaborativo, Rendimiento en Física

Abstract

Esta investigación aborda el problema del bajo rendimiento en Física, a menudo relacionado con una alta carga cognitiva intrínseca que dificulta la comprensión de conceptos abstractos. El propósito fue analizar cómo el aprendizaje colaborativo apoyado en el software interactivo GeoGebra favorece el procesamiento de la información y mejora los resultados del aprendizaje. Se planteó una intervención pedagógica apoyada en simulaciones dinámicas para externalizar procesos mentales complejos y construir conocimiento de manera colaborativa. A través de un diseño cuasi experimental, se compararon los niveles de aprovechamiento antes y después de la implementación. Los resultados iniciales revelan que la visualización interactiva en GeoGebra apoya como andamiaje cognitivo que disminuye la carga cognitiva extraña, liberando al estudiante para que centre sus recursos cognitivos en los esquemas pertinentes de la Física. Se determina que la incorporación de software de geometría dinámica en un contexto colaborativo mejora el rendimiento académico, la autonomía y la motivación. Estos resultados confirman la efectividad de las TIC como herramientas potenciadoras del desarrollo cognitivo en ciencias exactas, generando un modelo replicable para la educación media y superior.

Downloads

Download data is not yet available.

References

Apostol, G., et al. (2020). Cognitive Load Theory in STEM Education: A Meta-analysis. Journal of Educational Psychology, 112(4), 745-760. https://doi.org/10.1037/edu0000451

Chen, O., & Kalyuga, S. (2021). Exploring the role of GeoGebra in reducing extrinsic cognitive load. Computers & Education, 163, 104108. https://doi.org/10.1016/j.compedu.2020.104108

D'Angelo, S. (2023). Collaborative Learning in Physics: Distributed Cognition in Secondary Schools. Physical Review Physics Education Research, 19(1), 010105. https://doi.org/10.1103/PhysRevPhysEducRes.19.010105

Fan, X., et al. (2022). Dynamic visualizations and the germane load: A study on GeoGebra. Educational Technology Research and Development, 70(2), 431-450. https://doi.org/10.1007/s11423-022-10087-w

Gomez, H. R. (2024). Impact of CSCL on Physics Problem Solving. International Journal of Computer-Supported Collaborative Learning, 19(3), 289-310. https://doi.org/10.1007/s11412-024-09412-5

Hoxha, E. (2021). Correlational analysis of digital tool proficiency and academic achievement. Journal of Computer Assisted Learning, 37(5), 1210-1225. https://doi.org/10.1111/jcal.12558

Ismail, M. (2020). Measuring Cognitive Load with NASA-TLX in Virtual Physics Labs. Learning and Instruction, 71, 101392. https://doi.org/10.1016/j.learninstruc.2020.101392

Jensen, L., & Konradsen, F. (2025). A review of 3D simulations and cognitive load. British Journal of Educational Technology, 56(1), 112-134. https://doi.org/10.1111/bjet.13456

Kalyuga, S. (2020). Interactive distance learning and cognitive load. Educational Psychology Review, 32, 723-749. https://doi.org/10.1007/s10648-020-09525-x

Li, J., & Wong, K. (2022). GeoGebra as a cognitive tool for conceptual change in Physics. Journal of Science Education and Technology, 31, 56-70. https://doi.org/10.1007/s10956-021-09935-w

Martin, D. (2023). Quantitative methods in Physics Education Research. Studies in Science Education, 59(2), 155-180. https://doi.org/10.1080/03057267.2023.2178941

Nguyen, T. (2021). The split-attention effect in GeoGebra-based instructions. Instructional Science, 49, 211-235. https://doi.org/10.1007/s11251-021-09540-1

Oliveira, A. (2020). Social interaction and cognitive load: A new perspective. Educational Researcher, 49(8), 567-579. https://doi.org/10.3102/0013189X20942421

Paas, F., & van Merriënboer, J. (2020). Cognitive Load Theory: Methods to manage working memory load. Educational Psychologist, 55(4), 213-226. https://doi.org/10.1080/00461520.2020.1827674

Quinn, S. (2024). Modeling Kinematics: A comparative study of GeoGebra and PhET. Physics Education, 59(4), 045012. https://doi.org/10.1088/1361-6552/ad2105

Rodriguez, P. (2022). Gender differences in cognitive load during collaborative Physics tasks. European Journal of Psychology of Education, 37, 889-910. https://doi.org/10.1007/s10212-021-00567-z

Smith, B. (2021). Reliability and Validity of Cognitive Load Scales in STEM. Metacognition and Learning, 16, 445-468. https://doi.org/10.1007/s11409-021-09265-w

Tan, L. (2023). The impact of visual complexity on student performance in Physics. Computers in Human Behavior, 141, 107621. https://doi.org/10.1016/j.chb.2022.107621

Ursini, S. (2020). GeoGebra and the development of algebraic thinking in Physics. The Journal of Mathematical Behavior, 58, 100763. https://doi.org/10.1016/j.jmathb.2020.100763

Vogel, F. (2025). Scaffolding collaborative learning with dynamic software. Learning, Culture and Social Interaction, 44, 100789. https://doi.org/10.1016/j.lcsi.2024.100789

Published

2026-02-15

How to Cite

Lima-Narváez, J. M., Núñez De Luca, J. M., Vivas Sánchez, P. A., Loya Socasi, X. A., & Grandes Padilla, J. G. (2026). Optimización de la Carga Cognitiva y rendimiento académico en Física mediante el aprendizaje colaborativo asistido por GeoGebra. Revista Latinoamericana De Calidad Educativa, 3(1), 349-355. https://doi.org/10.70625/rlce/511