Predicción del desempeño académico mediante IA y toma de decisiones pedagógicas en educación básica
DOI:
https://doi.org/10.70625/rlce/855Palabras clave:
Inteligencia artificial, Desempeño académico, Toma de decisiones pedagógicas, DocentesResumen
La presente investigación tuvo como objetivo determinar la influencia de la predicción del desempeño académico mediante inteligencia artificial en la toma de decisiones pedagógicas de los docentes de una Unidad Educativa del cantón Daule, provincia del Guayas, Ecuador. El estudio se desarrolló bajo un enfoque cuantitativo, con alcance explicativo, diseño no experimental y corte transversal. La población y muestra estuvieron conformadas por 47 docentes, seleccionados mediante un muestreo no probabilístico intencional al incluir a la totalidad de la población. La técnica de recolección de datos fue la encuesta y el instrumento consistió en un cuestionario de diez ítems con escala tipo Likert de cinco alternativas de respuesta. Los datos fueron analizados mediante estadística descriptiva utilizando frecuencias y porcentajes. Los resultados evidenciaron una percepción favorable respecto al uso de la inteligencia artificial para predecir el desempeño académico y apoyar la toma de decisiones pedagógicas, destacándose el análisis de información, la planificación de estrategias y la implementación de acciones oportunas de acompañamiento. Se concluyó que la incorporación de herramientas de inteligencia artificial fortalece la gestión pedagógica al proporcionar información objetiva para anticipar dificultades de aprendizaje y mejorar la calidad de las decisiones docentes, favoreciendo una educación sustentada en evidencias y orientada al mejoramiento continuo.
Descargas
Referencias
Adewale, M. D., et al. (2024). Impact of artificial intelligence adoption on students' academic performance in open and distance learning: A systematic literature review. https://pmc.ncbi.nlm.nih.gov/articles/PMC11600083/
Ahmed, E., et al. (2024). Student Performance Prediction Using Machine Learning Techniques. International Journal of Intelligent Systems. https://doi.org/10.1155/2024/4067721
Almalawi, A., et al. (2024). Predictive Models for Educational Purposes: A Systematic Literature Review. Informatics, 8(12), 187. https://doi.org/10.3390/informatics8120187
Borna, M. R., et al. (2024). Analyzing click data with AI: implications for student academic achievement. Frontiers in Education. https://doi.org/10.3389/feduc.2024.1421479
Fazil, M., Rísquez, A., & Halpin, C. (2024). A Novel Deep Learning Model for Student Performance Prediction Using Engagement Data. Journal of Learning Analytics, 11(2), 23–41. https://doi.org/10.18608/jla.2024.7985
Garzón, J., et al. (2025). Systematic Review of Artificial Intelligence in Education. AI, 9(8), 84. https://doi.org/10.3390/ai9080084. Revisa las aplicaciones, beneficios, desafíos y tendencias de la inteligencia artificial en los diferentes niveles educativos.
González-Pérez, L. I., García-Peñalvo, F. J., & Argüelles-Cruz, A. J. (2025). Data-Driven Learning Analytics and Artificial Intelligence in Higher Education: A Systematic Review. IEEE Access. Analiza el uso de la analítica del aprendizaje y la inteligencia artificial para apoyar la predicción del rendimiento y la toma de decisiones educativas.
Hershkovitz, A., et al. (2024). Instructors' Perceptions of the Use of Learning Analytics for Teaching Decision-Making. Education Sciences, 14(11), 1180. https://doi.org/10.3390/educsci14111180. Examina cómo la percepción de los docentes sobre el uso de datos influye en sus decisiones pedagógicas.
Ifenthaler, D., & Yau, J. Y.-K. (2020). Utilising learning analytics to support study success in higher education: A systematic review. Educational Technology Research and Development, 68, 1961–1990. https://doi.org/10.1007/s11423-020-09788-z
Long, D. Y., et al. (2025). Artificial Intelligence in Higher Education: A Systematic Review. Frontiers in Education. https://doi.org/10.3389/feduc.2025.1648661. Analiza el impacto de herramientas de inteligencia artificial, incluidos los sistemas predictivos, en la enseñanza, el aprendizaje y la toma de decisiones académicas.
Mutlu Cukurova. (2024). The Interplay of Learning, Analytics, and Artificial Intelligence in Education: A Vision for Hybrid Intelligence. arXiv. https://arxiv.org/abs/2403.16081
OECD. (2023). Digital Education Outlook 2023: Towards an Effective Digital Education Ecosystem. París: OECD Publishing. https://doi.org/10.1787/b14bef59-en
OECD. (2025). Artificial Intelligence and Education and Skills. https://www.oecd.org/en/topics/sub-issues/artificial-intelligence-and-education-and-skills.html
OECD. (2025). Trends Shaping Education 2025. OECD Publishing. https://doi.org/10.1787/3069cbd2-en
Riordan Alfredo, Vanessa Echeverria, Dragan Gašević, et al. (2023). Human-Centred Learning Analytics and AI in Education: A Systematic Literature Review. arXiv. https://arxiv.org/abs/2312.12751
Rodríguez-Ortiz, M. Á., Santana-Mancilla, P. C., & Anido-Rifón, L. E. (2025). Machine Learning and Generative AI in Learning Analytics for Higher Education: A Systematic Review of Models, Trends, and Challenges. Applied Sciences, 15(15), 8679. https://doi.org/10.3390/app15158679. Presenta una revisión sistemática sobre modelos predictivos y analítica del aprendizaje basados en inteligencia artificial.
UNESCO. (2023). Guidance for Generative AI in Education and Research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
UNESCO. (2024). AI and Education: Protecting the Rights of Learners. https://unesdoc.unesco.org/ark:/48223/pf0000395373
UNESCO. (2025). Learning to Think in the AI Era. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000397892_eng
Xiangen Hu, Art Graesser, et al. (2025). Generative AI in Education: From Foundational Insights to the Socratic Playground for Learning. arXiv. https://arxiv.org/abs/2501.06682
Yagci, M. (2022). Educational data mining: Prediction of students' academic performance using machine learning algorithms. Smart Learning Environments, 9(11). https://doi.org/10.1186/s40561-022-00192-z
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Luis Byron Rivera Solís, Nahime Alejandra Zambrano Larrea, Maribel Mercedes Desintonio Santana, Mayra Elizabeth Cortez Pincay, Jairo David Cabrera Burgos, Cinthya Paola San Lucas González (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
