Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 399
ESTRUCTURA, VALIDACIÓN Y MEDICIÓN DEL PROCESO METODOLÓGICO EN UN
DISEÑO CUASIEXPERIMENTAL SOBRE LA APLICACIÓN DE LOS RECURSOS
DIGITALES Y SU INFLUENCIA EN EL APRENDIZAJE DE ÁLGEBRA
STRUCTURE, EVALUATION AND MEASUREMENT OF THE METHODOLOGICAL
PROCESS IN A QUASI-EXPERIMENTAL DESIGN ON THE APPLICATION OF DIGITAL
RESOURCES AND THEIR INFLUENCE ON THE LEARNING OF ALGEBRA
Autores: ¹Arelis Brigith Jacho Álvaro, ²Narcisa del Carmen Maza Romero, ³Carmen Miderna
Bailón León,
4
Ingrid Leonella Vaque Cruz y
5
Luis Enrique Pazmiño Cantos.
¹ORCID ID: https://orcid.org/0000-0002-3140-9322
²ORCID ID: https://orcid.org/0009-0002-8296-1392
³ORCID ID: https://orcid.org/0009-0003-3471-5223
4
ORCID ID: https://orcid.org/0009-0003-4783-3341
5
ORCID ID: https://orcid.org/0009-0008-8540-777X
¹E-mail de contacto: arelis.jacho@docentes.educacion.edu.ec
²E-mail de contacto: narcisa.maza@docentes.educacion.edu.ec
³E-mail de contacto: miderna.bailon@docentes.educacion.edu.ec
4
E-mail de contacto: ingrid.vaque@docentes.educacion.edu.ec
5
E-mail de contacto: luis.pazminoc@docentes.educacion.edu.ec
Afiliación:
1*2*3*4*5*
Ministerio de Educación de Deporte y Cultura, (Ecuador).
Artículo recibido: 3 de Enero del 2026
Artículo revisado: 8 de Enero del 2026
Artículo aprobado: 14 de Enero del 2026
¹Ingeniera en Diseño Gráfico graduada en la Universidad de Guayaquil, (Ecuador). Magíster en Tecnología e Innovación Educativa
graduada en la Universidad Tecnológica ECOTEC, (Ecuador).
²Licenciada en Ciencias de la Educación mención Lengua Inglesa y Lingüística graduada en la Universidad de Guayaquil, (Ecuador).
³Licenciada en Ciencias de la Educación Inicial graduada en la Universidad Estatal de Milagro, (Ecuador).
4
Profesora en Ciencias de la Educación Especialización Educadores de Párvulos graduada en la Universidad de Guayaquil, (Ecuador).
Licenciada en Ciencias de la Educación Especialización Educadores de Párvulos graduada en la Universidad de Guayaquil, (Ecuador).
Magíster en Educación Inicial graduada en la Universidad Estatal Península de Santa Elena, (Ecuador). Rectora de la Unidad Educativa
“Prof. Luis Alfredo Avendaño Santana”.
5
Licenciado en Ciencias de la Educación mención Educación Primaria graduado de la Universidad de Guayaquil, (Ecuador). Magíster en
Diseño y Evaluación de Modelos Educativos graduado de la Universidad Tecnológica Empresarial de Guayaquil, (Ecuador). Magíster en
Educación mención en Pedagogía en Entornos Digitales graduado de la Universidad Bolivariana del Ecuador, (Ecuador). Maestrante
Universitario con mención en Docencia Superior Universitaria de la Universidad Internacional de La Rioja UNIR, (España). Doctorando
de la Universidad Católica Andrés Bello, (Venezuela).
Resumen
En la presente investigación se detalla la
estructura del proceso metodológico que se
utilizó para la medicación de la
implementación de los recursos digitales como
WordWall, Canva y YouTube en la asignatura
de matemáticas en el bloque curricular de
álgebra y cómo influye en el aprovechamiento
de los estudiantes de básica superior. Se utilizo
métodos estadísticos no paramétricos por la
muestra utilizada de 40 estudiantes de un
paralelo lo que permitió profundizar en la de
los instrumentos y de las pruebas utilizadas
para obtener resultados fiables. Se validó los
instrumentos de recolección de datos mediante
juicios de expertos y se realizó una prueba
piloto con un alfa de Cronbach mayor a 0.775.
La prueba de hipótesis reveló un p valor de
0.000 en el cuasiexperimento de grupos no
equivalentes donde se confirma que los datos
pueden ser generalizables y replicables a una
muestra más robusta.
Palabras clave: Álgebra, Validación,
Instrumentos, Recursos digitales,
Cuasiexperimento.
Abstract
This research details the methodological
process used to evaluate the implementation of
digital resources such as WordWall, Canva,
and YouTube in the mathematics curriculum
within the algebra unit, and how this influences
the academic performance of upper elementary
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 400
school students. Non-parametric statistical
methods were used with a sample of 40
students from one class, allowing for a more in-
depth analysis of the instruments and tests used
to obtain reliable results. The data collection
instruments were validated through expert
review, and a pilot test was conducted with a
Cronbach's alpha greater than 0.775. The
hypothesis test revealed a p-value of 0.000 in
the quasi-experiment with non-equivalent
groups, confirming that the data can be
generalized and replicated to a larger sample.
Keywords: Algebra, Validation,
Instruments, Digital resources, Quasi-
experiment.
Sumário
Esta pesquisa detalha o processo metodológico
utilizado para avaliar a implementação de
recursos digitais como WordWall, Canva e
YouTube no currículo de matemática, dentro
da unidade de álgebra, e como isso influencia o
desempenho acadêmico de alunos do ensino
fundamental II. Métodos estatísticos não
paramétricos foram utilizados com uma
amostra de 40 alunos de uma turma, permitindo
uma análise mais aprofundada dos
instrumentos e testes utilizados para obter
resultados confiáveis. Os instrumentos de
coleta de dados foram validados por meio de
revisão por especialistas, e um teste piloto foi
conduzido com um alfa de Cronbach superior a
0,775. O teste de hipótese revelou um valor p
de 0,000 no quase-experimento com grupos
não equivalentes, confirmando que os dados
podem ser generalizados e replicados para uma
amostra maior.
Palavras-chave: Álgebra, Validação,
Instrumentos, Recursos digitais, Quase-
experimento.
Introducción
En el mundo entero, el aprendizaje de las
matemáticas ha presentado grandes desafíos
para los estudiantes especialmente de octavo
grado porque pasan en una transición de
procesos aritméticos que constituyen números a
procesos más complejos como el álgebra que
involucran números y letras, este cambio genera
confusión. Por otro lado, la utilización de
métodos tradicionales de enseñanza hace que se
presenten insuficiencias estructurales y
metodológicas. Según el Programa para la
Evaluación Internacional de Estudiantes (PISA,
2022) se evidenció un bajo rendimiento
académico en matemáticas. En términos
generales, uno de cada cuatro adolescentes de
básica superior presentan problemas en esta
asignatura. Estos resultados, son aún más
alarmantes en 18 de los 81 países que fueron
evaluados donde alrededor del 40% alcanzan
las notas mínimas requeridas. Por otro lado, la
Organización para la Cooperación y el
Desarrollo Económico (OCDE, 2023)
coinciden que 55,56% de los países evaluados
en las pruebas PISA obtuvieron buenos
resultados en el diagnóstico aquellos sistemas
educativos que han implementado los recursos
digitales en relación de aquellos que no utilizan
las TIC en la asignatura de matemáticas. En Sur
América, se evidencia problema significativo
relacionado con el aprovechamiento de los
estudiantes de básica superior tal como se
muestra en la tabla 1, se puede observar que en
2018 tienen un mejor rendimiento académico
los estudiantes de los países evaluados con
relación al año 2022 que muestra un promedio
menor en la asignatura de matemáticas
(OCEDE, 2023).
Tabla 1. Resultados de rendimiento académico
de matemáticas en Sur América
Países
Promedio en matemáticas
PISA 2018
PISA 2022
Argentina
379
378
Brasil
384
379
Chile
417
412
Colombia
391
383
Paraguay
326
338
Perú
400
391
Uruguay
418
409
Fuente: elaboración propia
En Ecuador, según el Instituto Nacional de
Evaluación Educativa (INEVAL, 2024) evaluó
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 401
a 1.187 instituciones educativas en el periodo
lectivo 2023 – 2024 donde se evidenció un bajo
rendimiento académico de los estudiantes en
matemáticas. Por consiguiente, estos resultados
reflejan que los alumnos están terminando la
primaria con problemas en esta asignatura.
Tabla 2. Resultados de rendimiento académico
de matemáticas en Ecuador
Año Lectivo
Rendimiento Académico en matemáticas
Básica Media
Básica Superior
2022 – 2023
684
683
2023 - 2024
703
701
Fuente: elaboración propia
la tabla 2, se puede evidenciar que en hubo una
caída de -1 punto en básica media y de -2 puntos
en básica superior en la asignatura de
matemáticas siendo el bloque de algebra uno de
los más críticos. De tal manera, estos resultados
revelan en una problemática de asimilación de
los contenidos en el proceso de enseñanza –
aprendizaje. Esto se debe a varios factores como
clases tradicionales, escaso uso de las TIC, entre
otras manifestaciones que dan origen al
problema. La enseñanza del álgebra en el
octavo grado representa uno de los desafíos más
críticos en el sistema educativo contemporáneo.
Como señalan Ramos et al. (2021) cuando el
docente deja que el estudiante asuma un rol
pasivo y cae en el tradicionalismo esto genera
desmotivación y problemas de asimilación de
los contenidos curriculares de matemáticas. Por
consiguiente, se par de un modelo
constructivista donde el estudiante es el
protagonista y el docente pasa ser el mediador y
facilitador del aprendizaje (Ronquillo et al.,
2023). En este contexto, este artículo no solo
presenta resultados, sino que desglosa la
infraestructura del dato. Para garantizar que los
hallazgos en la Unidad Educativa "Uyumbicho"
no sean fruto del azar o de un sesgo del
observador, se diseñó un protocolo que integra
la validación psicométrica de los instrumentos
con un análisis de normalidad riguroso. La
premisa fundamental es que la tecnología por sí
sola no educa; es la precisión en su
implementación y medición lo que permite
establecer una relación causal entre el recurso
digital y el rendimiento académico.
Materiales y Métodos
Según Sousa et al., (2024) la búsqueda
bibliométrica ayuda hacer un mapeo de la
producción científica y evaluar el impacto de la
investigación. Por lo tanto, se realizó una
búsqueda bibliométrica con la base de datos de
Scopus con un nivel de profundidad de Q1 – Q4
(es el grado de impacto de la revista siendo el
cuartil 1 de alto impacto y el cuartil 4 de bajo
impacto) (Alhuay et al., 2024). No obstante,
mediante una revisión sistemática en el
software R-Studio tal como se muestra en la
figura 1, el país que más producción científica
ha realizado sobre el tema es China. No
obstante, Ecuador en lo que va del año solo se
han publicado siete producciones científicas
cuyos hallazgos ayudaron a la construcción de
los fundamentos del presente estudio.
Figura 1. Producción científica por país
En la figura 1, según la naturaleza del estudio se
aplicó un enfoque cuantitativo porque su
propósito fue medir y cuantificar los datos
obtenidos. De igual manera, se consideró que la
investigación sea de tipo aplicada porque se
intervino para dar solución a la problemática.
Por otro lado, se utilizó el método deductivo
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 402
porque permitió recopilar la información de lo
general a lo específico en la revisión de la
literatura como en la metodología, con un
alcance explicativo porque se tuvo como
finalidad explicar si existe una relación de
causalidad entre las variables. Y esto permitió
que el diseño cuasiexperimental de grupos no
equivalentes propuesto en el presente articulo
sea el más idóneo. Según Zuta (2022) el diseño
de grupos no equivalentes la más idónea es la
que a un grupo llamado control no se le aplica
tratamiento mientras que al otro grupo llamado
experimental se le aplica un tratamiento, esto
ayuda a mediar y evaluar la eficacia de la
intervención. Muestra Estudiantil: 40
estudiantes, divididos equitativamente en un
Grupo Experimental (GE, N = 20) y un Grupo
Control (GC, N= 20). Muestra Docente: 22
profesionales del área, evaluados para
determinar la capacidad instalada y la
percepción tecnológica en la institución
(Hernández, 2021).
La validez de los instrumentos de recolección
de datos se estableció mediante el juicio de
expertos, para lo cual se seleccionaron tres
profesionales del ámbito educativo con
experiencia en investigación científica. Los
expertos evaluaron la claridad y relevancia de
cada ítem utilizando una escala de valoración de
cuatro niveles: 1 = no cumple con el criterio, 2
= bajo nivel, 3 = nivel moderado y 4 = alto nivel.
Posteriormente, los resultados obtenidos fueron
analizados mediante el coeficiente V de Aiken,
el cual permite estimar el grado de concordancia
entre los jueces en relación con la pertinencia de
los ítems. De acuerdo con Sánchez (2020), los
criterios de interpretación del coeficiente V de
Aiken establecen que valores entre 0 y 0,25
indican una validez muy baja; de 0,25 a 0,5 una
validez baja; de 0,5 a 0,75 una validez
aceptable; y valores superiores a 0,75 reflejan
una validez alta. En este sentido, los resultados
obtenidos evidencian que los ítems evaluados
alcanzaron valores superiores al umbral
recomendado, lo que confirma su claridad y
relevancia para ser aplicados a la muestra de
estudio.
La validez de constructo se empleó con el
propósito de analizar la relación entre las
variables de estudio y determinar la fuerza de su
asociación. Para ello, se utilizó el coeficiente de
correlación de Pearson, cuyos criterios de
interpretación, según Fiallos (2021), establecen
que valores entre 0 y 0,25 representan una
correlación débil; entre 0,25 y 0,75 una
correlación intermedia; y valores iguales o
superiores a 0,75 una correlación fuerte. Los
resultados evidencian relaciones significativas
entre el uso de plataformas digitales, la
preferencia por recursos interactivos y la
formación docente con la implementación de
tecnología en la enseñanza de las matemáticas,
destacando la relevancia de la capacitación en el
uso pedagógico de herramientas digitales.
Asimismo, se identificó que el empleo de
recursos digitales en el aprendizaje de las
matemáticas favorece la motivación, la
comprensión de contenidos y la resolución de
problemas, especialmente cuando se utilizan
plataformas audiovisuales e interactivas. No
obstante, a pesar de que los docentes cuentan
con acceso a internet y dispositivos
tecnológicos, su uso en la práctica pedagógica
aún es limitado, lo que evidencia la necesidad
de fortalecer los procesos de formación docente
en este ámbito.
En cuanto a la confiabilidad de los
instrumentos, se aplicó el coeficiente alfa de
Cronbach con el fin de evaluar la consistencia
interna de los cuestionarios. Según Pérez
(2022), valores del alfa superiores a 0,7 indican
niveles aceptables de confiabilidad, mientras
que valores mayores a 0,8 reflejan una
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 403
confiabilidad alta. Los resultados obtenidos en
la prueba piloto muestran que, tras la
depuración de algunos ítems, los instrumentos
alcanzaron coeficientes superiores a los valores
mínimos aceptables, lo que demuestra una
adecuada consistencia interna y confirma la
confiabilidad de los instrumentos utilizados
para la recolección de datos.
Resultados y Discusión
Según Sánchez (2022) los instrumentos de
recolección de datos ayudan a medir una o más
variables preestablecidas por el investigador.
Por tal motivo, en nuestro cuestionario para una
mejor compresión y análisis de los resultados se
utilizó la escala de Likert donde los criterios
son: 1 totalmente en desacuerdo, 2 en
desacuerdo, 3 ni de acuerdo ni en desacuerdo, 4
de acuerdo y 5 totalmente de acuerdo (Machuca
et al., 2023).
Cuestionario a Estudiantes
Figura 2. Porcentajes de la encuesta a
estudiantes de la dimensión 1 de la variable
dependiente
En la figura 2 se puede observar que en el ítem
1 de la dimensión motivación y participación el
2,5% de los encuestados están totalmente en
desacuerdo, el 15% están en desacuerdo, el 25%
están ni de acuerdo ni en desacuerdo, el 30%
están de acuerdo y el 27,5%totalmente de
acuerdo. En el ítem 2 el 2,5% de los encuestados
están totalmente en desacuerdo, el 22,5% están
en desacuerdo, el 10% están ni de acuerdo ni en
desacuerdo, el 20% están de acuerdo y el
45%totalmente de acuerdo. De igual manera, en
el ítem 3 el 0,0 % de los encuestados están
totalmente en desacuerdo, el 2,5% están en
desacuerdo, el 15% están ni de acuerdo ni en
desacuerdo, el 37% están de acuerdo y el 45%
totalmente de acuerdo. Estos resultados en esta
dimensión de la variable independiente
demuestran un umbral de desmotivación y poca
participación en la asignatura de matemáticas
en el
Figura 3. Porcentajes de la encuesta a
estudiantes de la dimensión 2 de la variable
dependiente
En la figura 3 se puede observar que en el ítem
4 de la dimensión rendimiento académico en
álgebra el 2,5% de los encuestados están
totalmente en desacuerdo, el 7,5% están en
desacuerdo, el 30% están ni de acuerdo ni en
desacuerdo, el 37,5% están de acuerdo y el
22,5%totalmente de acuerdo. Por otro lado, en
el ítem 5 el 7,5% de los encuestados están
totalmente en desacuerdo, el 7,5% están en
desacuerdo, el 7,5% están ni de acuerdo ni en
desacuerdo, el 50% están de acuerdo y el
27,5%totalmente de acuerdo. Por último, en el
ítem 6 el 7,5 % de los encuestados están
totalmente en desacuerdo, el 22,5% están en
desacuerdo, el 32,5% están ni de acuerdo ni en
Total
ment
e en
desac
uerdo
En
desac
uerdo
Ni de
acuer
do ni
en
desac
uerdo
De
acuer
do
Total
ment
e de
acuer
do
Series1
2,5 15,0 25,0 30,0 27,5
Series2
2,5 22,5 10,0 20,0 45,0
Series3
0,0 2,5 15,0 37,5 45,0
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
40,0
45,0
50,0
Porcentaje
Totalment
e en
desacuerd
o
En
desacuerd
o
Ni de
acuerdo ni
en
desacuerd
o
De
acuerdo
Totalment
e de
acuerdo
Series1
2,5 7,5 30,0 37,5 22,5
Series2
7,5 7,5 7,5 50,0 27,5
Series3
7,5 22,5 32,5 25,0 12,5
0,0
10,0
20,0
30,0
40,0
50,0
60,0
Porcentaje
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 404
desacuerdo, el 25% están de acuerdo y el 12,5%
totalmente de acuerdo. Estos resultados en esta
dimensión de la variable independiente
demuestran una asimetría negativa lo que
conlleva a un bajo rendimiento académico en
álgebra.
Figura 4. Porcentajes de la encuesta a
estudiantes de la dimensión 3 de la variable
dependiente
En la figura 4 se puede observar que en el ítem
7 de la dimensión evaluación y
retroalimentación el 12,5% de los encuestados
están totalmente en desacuerdo, el 10% están en
desacuerdo, el 12,5% están ni de acuerdo ni en
desacuerdo, el 32,5% están de acuerdo y el
32,5%totalmente de acuerdo. Por consiguiente,
en el ítem 8 el 5% de los encuestados están
totalmente en desacuerdo, el 2,5% están en
desacuerdo, el 37,5% están ni de acuerdo ni en
desacuerdo, el 37,5% están de acuerdo y el
17,5%totalmente de acuerdo. No obstante, en el
ítem 9 el 7,5 % de los encuestados están
totalmente en desacuerdo, el 7,5% están en
desacuerdo, el 20% están ni de acuerdo ni en
desacuerdo, el 37,5% están de acuerdo y el
27,5% totalmente de acuerdo. Estos resultados
en esta dimensión de la variable independiente
demuestran particas pedagogías tradicionales
según el criterio de los estudiantes. Estos
resultados en este diagnóstico inicial ayudaron
a corroborar las insuficiencias que dieron origen
a la problemática.
Cuestionario a Docentes
Figura 5. Porcentajes de la encuesta a
estudiantes de la dimensión 1 de la variable
independiente
En la figura 5 se puede observar que en el ítem
1 de la dimensión acceso a recursos digitales el
31,8% están de acuerdo y el 68,2% totalmente
de acuerdo. Por otro lado, en el ítem 2 el 50%
están de acuerdo y el 50%totalmente de
acuerdo. Por último, en el ítem 3 el 4,5% están
ni de acuerdo ni en desacuerdo, el 36,4% están
de acuerdo y el 59,1% totalmente de acuerdo.
Estos resultados en esta dimensión de la
variable dependiente demuestran que a pesar de
que los docentes tienen disponibilidad y acceso
a las TIC, pero no la utilizan de forma eficiente
en sus prácticas pedagógicas.
Figura 6. Porcentajes de la encuesta a
estudiantes de la dimensión 2 de la variable
independiente
Totalm
ente
en
desacu
erdo
En
desacu
erdo
Ni de
acuerd
o ni en
desacu
erdo
De
acuerd
o
Totalm
ente
de
acuerd
o
Series1
12,5 10,0 12,5 32,5 32,5
Series2
5,0 2,5 37,5 37,5 17,5
Series3
7,5 7,5 20,0 37,5 27,5
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
40,0
Porcentaje
Totalm
ente
en
desacu
erdo
En
desacu
erdo
Ni de
acuerd
o ni en
desacu
erdo
De
acuerd
o
Totalm
ente
de
acuerd
o
Series1
0,0 0,0 0,0 31,8 68,2
Series2
0,0 0,0 0,0 50,0 50,0
Series3
0,0 0,0 4,5 36,4 59,1
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
Porcentaje
Totalm
ente en
desacu
erdo
En
desacu
erdo
Ni de
acuerd
o ni en
desacu
erdo
De
acuerd
o
Totalm
ente de
acuerd
o
Series1
0,0 0,0 0,0 27,3 72,7
Series2
0,0 0,0 0,0 45,5 55,5
Series3
0,0 0,0 0,0 36,4 63,6
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
Porcentaje
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 405
En la figura 6 se puede observar que en el ítem
4 de la dimensión multimedia el 27,3% están de
acuerdo y el 72,7% totalmente de acuerdo. Por
otro lado, en el ítem 5 el 45,5% están de acuerdo
y el 55,5%totalmente de acuerdo. Por lo tanto,
en el ítem 6 el 36,4% están de acuerdo y el
63,6% totalmente de acuerdo. Estos resultados
en esta dimensión de la variable dependiente
demuestran que los docentes tienen interés en
implementar los recursos digitales en sus clases,
pero la falta de capacitación no les permite
aplicarlos adecuadamente.
Figura 7. Porcentajes de la encuesta a
estudiantes de la dimensión 3 de la variable
independiente
En la figura 7 se puede observar que en el ítem
7 de la dimensión uso pedagógico el 4,5% ni de
acuerdo ni en desacuerdo, el 27,3% están de
acuerdo y el 68,2% totalmente de acuerdo. Por
otro lado, en el ítem 8 el 54,5% están de acuerdo
y el 45,5%totalmente de acuerdo. En contraste,
en el ítem 9 el 4,5% ni de acuerdo ni en
desacuerdo, 27,3% están de acuerdo y el 68,2%
totalmente de acuerdo. Estos resultados en esta
dimensión de la variable dependiente
demuestran que los docentes consideran que no
han recibido formación específica para la
aplicación de los recursos digitales, pero al
mismo tiempo quieren recibir capacitación para
poder implementarlos de forma efectiva.
Baremos del instrumento de recolección de
datos
Tabla 3. Baremos de la variable dependiente
Niv
el
D1 - Motivación y
participación
D2 - Rendimiento
académico en álgebra
D3 - Evaluación y
retroalimentación
F
%
F
%
F
%
Baj
o
9
22,50%
2
5%
7
17,50%
Me
dio
20
50%
24
60%
22
55%
Alt
o
11
27,50%
14
35%
11
27,50%
Tot
al
40
100%
40
100%
40
100%
Fuente: elaboración propia
En la tabla 3, se evidencia que la baremación de
la variable dependiente según los indicadores de
las dimensiones que se midieron en términos
generales el 20% se encuentran en un nivel bajo,
50% en un nivel medio y un 30% en un nivel
alto. Estos resultados son fundamental porque
nos permiten tener un panorama general de la
necesita de la implementación de la propuesta.
Tabla 4. Baremos de la variable independiente
Nivel
D1- Acceso a los recursos digitales
D2 - Multimedia
D3 - Uso pedagógico
F
%
F
%
F
%
Bajo
2
9,09%
5
22,73%
5
22,73%
Medio
14
63,64%
6
27,27%
10
45,46%
Alto
6
27,27%
11
50%
7
31,81%
Total
22
100 %
22
100 %
22
100 %
Fuente: elaboración propia
En la tabla 4, se observa que la baremación de
la variable dependiente según el análisis de las
dimensiones e indicadores aplicadas a los
docentes, en términos generales el 27,7% se
encuentra en un nivel bajo, el 45,46% están en
un nivel medio y el 27,27% en un nivel alto.
Estos resultados reflejan la necesidad de
capacitar al personal docentes en el uso de los
recursos digitales para que puedan aplicarlos de
manera efectiva de forma pedagógica.
Medición del procedimiento
cuasiexperimental
Inicialmente, la muestra de 40 estudiantes de
octavo grado paralelo “D” para la aplicación del
cuasiexperimento de grupos no equivalentes se
procedió agrupar a 20 estudiantes para el grupo
control y 20 estudiantes para el grupo
experimental definiendo categorías como sexo
Totalment
e en
desacuerd
o
En
desacuerd
o
Ni de
acuerdo ni
en
desacuerd
o
De
acuerdo
Totalment
e de
acuerdo
Series1
0,0 0,0 4,5 27,3 68,2
Series2
0,0 0,0 0,0 54,5 45,5
Series3
0,0 0,0 4,5 27,3 68,2
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
Porcentaje
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 406
y calificaciones para que la validez interna no se
vea afectada y no haya sesgos. A continuación,
se muestran los resultados del rendimiento
académico en cada grupo del pretest y postest.
Tabla 5. Rendimiento académico del grupo
control
Sexo
N°
Pretest
Postest
M
Estudiante 1
6,53
6,00
M
Estudiante 2
6,56
5,60
M
Estudiante 3
6,27
6,50
F
Estudiante 4
6,24
6,00
F
Estudiante 5
9,00
8,00
M
Estudiante 6
6,53
6,50
F
Estudiante 7
6,56
7,00
F
Estudiante 8
7,00
7,10
M
Estudiante 9
6,36
7,00
F
Estudiante 10
9,00
8,75
F
Estudiante 11
6,56
6,00
M
Estudiante 12
5,95
8,00
M
Estudiante 13
5,98
6,30
M
Estudiante 14
5,40
6,00
F
Estudiante 15
8,50
8,00
F
Estudiante 16
6,71
7,00
M
Estudiante 17
8,50
8,20
M
Estudiante 18
7,00
7,05
F
Estudiante 19
7,00
6,50
M
Estudiante 20
6,50
6,85
Promedio
6,91
6,92
Fuente: elaboración propia
En la tabla 5, se muestra el rendimiento
académico del grupo control. No obstante, en el
promedio del pretest y del postest podemos
apreciar una homogeneidad, en otros términos,
no hubo cambios significativos en el
aprovechamiento de los estudiantes.
Tabla 6. Rendimiento académico del grupo
experimental
Sexo
N°
Pretest
Postest
F
Estudiante 1
6,26
7,31
M
Estudiante 2
5,97
7,02
M
Estudiante 3
6,84
7,89
F
Estudiante 4
6,30
7,35
M
Estudiante 5
6,00
7,05
F
Estudiante 6
8,50
9,55
F
Estudiante 7
6,07
7,12
F
Estudiante 8
7,00
8,05
M
Estudiante 9
6,00
7,05
M
Estudiante 10
7,00
8,05
M
Estudiante 11
6,70
7,75
M
Estudiante 12
6,74
7,79
F
Estudiante 13
8,00
9,05
M
Estudiante 14
7,00
8,05
F
Estudiante 15
6,51
7,56
M
Estudiante 16
7,00
8,05
M
Estudiante 17
6,35
8,60
M
Estudiante 18
6,00
7,50
F
Estudiante 19
7,00
8,05
F
Estudiante 20
9,00
10,00
Promedio
6,81
7,94
Fuente: elaboración propia
En la tabla 6, se muestra el rendimiento
académico del grupo experimental. No
obstante, en el promedio del pretest y del postest
podemos apreciar un cambio significativo, en
otros términos, esto demuestra la eficacia de la
intervención.
Medición de rangos mínimos del grupo
control y grupo experimental
Tabla 7. Promedio mínimo del grupo control
Medición
Mínimo
Media
N°
Resta
Desviación Estándar
Pretest
14
5,89
1,02
6,91
Postest
2
5,9
1,02
6,92
Fuente: elaboración propia
En la tabla 7, se evidencia que en el GC el
promedio mínimo tanto en el pretest y en el
postest no alcanzan la nota mínima requerida
ósea 7/10, ya que, el 65% de los estudiantes en
su etapa inicial tienen un bajo desempeño y se
mantiene esa tendencia en el postest.
Tabla 8. Promedio mínimo del grupo
experimental
Medición
Mínimo
Media
N°
Resta
Desviación Estándar
Pretest
2
5,972
0,838
6,81
Postest
2,5,9
7,102
0,838
7,94
Fuente: elaboración propia
En la tabla 8, se evidencia que en el GE se
incrementó un 16,6% el promedio. Como se
puede observar en el pretest tiene una
calificación media de 6,81 y después de la
intervención presenta un aumento en el postest
del 7,94, atribuyendo esa mejora a la
intervención aplicada.
Medición de rangos máximos del grupo
control y grupo experimental
Tabla 9. Promedio máximo del grupo control
Medición
Máximo
Media
N°
Suma
Desviación Estándar
Pretest
10, 15, 17
7,93
1,02
6,91
Postest
10,12,17
7,94
1,02
6,92
Fuente: elaboración propia
En la tabla 9, los resultados del grupo control
muestran una estabilidad en el rendimiento
académico entre el pretest y el postest. La media
pasó de 6,91 a 6,92, evidenciando un
incremento mínimo 0,01 lo que indica que no se
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 407
produjeron cambios significativos en el
aprovechamiento académico cuando no se
aplicó la intervención. Asimismo, el valor
máximo se mantuvo prácticamente constante
(7,93 en el pretest y 7,94 en el postest), y la
desviación estándar 1,02 permaneció
invariable, lo que sugiere homogeneidad en la
dispersión de los datos y ausencia de
variaciones relevantes en el desempeño del
grupo.
Tabla 10. Promedio máximo del grupo
experimental
Medición
Máximo
Media
N°
Suma
Desviación Estándar
Pretest
6, 13, 20
7,648
0,838
6,81
Postest
7,13,20
8,778
0,838
7,94
Fuente: elaboración propia
En la tabla 10 en contraste, el grupo
experimental evidencia una mejora notable en
el rendimiento académico tras la intervención.
La media se incrementó de 6,81 en el pretest a
7,94 en el postest, lo que representa un aumento
significativo del aprovechamiento. De igual
manera, el valor máximo ascendió de 7,65 a
8,78, reflejando un mejor desempeño de los
estudiantes con mayores calificaciones. La
desviación estándar se mantuvo constante con
0,838 lo que indica que la mejora fue
consistente en el grupo y no producto de casos
aislados. La medición de los rangos mínimos y
máximos permitió establecer los intervalos de
confianza observadas de las calificaciones
obtenida por los estudiantes en el grupo
experimental y grupo de control tanto en el
pretest como el postest y así realizar un
contraste de antes y después de la intervención
(Trujillo et al., 2022).
Análisis de resultados de los datos
inferenciales
Antes de proceder con la comparación de
medias, es un imperativo ético en la
investigación determinar la distribución de la
muestra. Aplicamos la prueba de Shapiro-Wilk,
dado que nuestra muestra es menor a 50 sujetos
(Flores, 2021).
Tabla 11. Resultados de la prueba de
normalidad de Shapiro-Wilk
Categoría
Criterio
estadístico
Número de
estudiantes
P-valor
Pretest GE
0,838
20
0,003
Pretest GC
0,834
20
0,003
Postest GE
0,880
20
0,018
Postest GC
0,930
20
0,157
Fuente: elaboración propia
Dado que, en la tabla 11 se evidencia que este
es el punto de inflexión del artículo, al
confirmar que los datos no siguen una
distribución normal (Ortega et al., 2021) porque
los resultados del p-valor en su mayoría son
inferiores al nivel de significancia <0.05 queda
técnicamente justificado que cualquier análisis
basado en la "T-Student" sería erróneo y
sesgado. Por lo tanto, procedemos
exclusivamente con Pruebas No Paramétricas.
Prueba de Hipótesis
Según Hernández y Reyes (2024) se utiliza la
prueba de hipótesis no paramétrica de Wilcoxon
para comparar dos muestras relacionadas. Por lo
tanto, inicialmente hemos comparado el pretest
y postest del grupo experimental para
comprobar si existen un mejoramiento en el
rendimiento académico el cual se muestra a
continuación. Posteriormente, se aplicó la
prueba de Mann-Whitney, dado que, el alcance
de la investigación es explicativo y queremos
establecer si existe una relación causal, si los
estudiantes mejoraron su rendimiento
académico producto de la intervención (Molina,
2023).
Tabla 12. Prueba de rangos de Wilcoxon
Grupos
Equivalentes
Rangos
Números de
estudiantes
Promedio
Suma
de los
rangos
P-
valor
Pretest GE –
Postest GE
Negativos
0
a
0,00
0,00
Positivos
20
b
10,50
210,00
Empates
0
c
Total
20
0,000
Fuente: elaboración propia
En la tabla 12 se evidencia que el p < 0.05, se
rechaza la hipótesis nula, lo que indica que
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 408
existe una diferencia significativa entre el
pretest y el postest en el Grupo Experimental.
Esto sugiere que la mayoría de los puntajes
aumentaron en el postest en comparación con el
pretest.
Tabla 13. Prueba de Mann-Whitney para
grupos no equivalentes
Categoría
Diferencia
U de Mann-Whitney
19,000
W de Wilcoxon
229,000
Rango del Grupo Experimental
29,55
Rango del Grupo Control
11,45
Significación asintótica
0,000
Significación exacta
0,000
Fuente: elaboración propia
Los resultados de la prueba U de Mann-
Whitney revelan que el Grupo Experimental
(GE) mostró mejoras significativamente
mayores en el rendimiento (diferencia postest-
pretest) en comparación con el Grupo Control
(GC), evidenciado por un rango promedio
mucho más alto (GE: 29.55 vs. GC: 11.45) y
una diferencia altamente significativa (U =
19.00, p < 0.001). El tamaño del efecto (r =
0.81) indica una magnitud muy grande del
impacto de la intervención con recursos
digitales. Estos hallazgos respaldan que la
estrategia aplicada al GE fue efectiva para
mejorar los resultados académicos, superando
claramente al método tradicional. El análisis de
los datos evidencia que las variaciones en el
rendimiento académico en álgebra no
responden únicamente a la exposición reiterada
de contenidos, sino a la mediación pedagógica
que estructura la experiencia de aprendizaje. En
este estudio, la incorporación de recursos
digitales operó como un dispositivo didáctico
que reconfiguró la interacción entre el
estudiante, el contenido y la actividad
matemática, generando condiciones más
favorables para la construcción del pensamiento
algebraico. Desde una perspectiva
metodológica, el uso de análisis no
paramétricos permitió interpretar los datos
respetando su distribución real, fortaleciendo la
consistencia de las inferencias realizadas.
Asimismo, la percepción estudiantil y docente
revela que la tecnología adquiere valor
pedagógico únicamente cuando se integra de
manera intencional, coherente y evaluable. En
conjunto, los hallazgos sostienen que la mejora
del aprendizaje algebraico no depende del
recurso tecnológico en sí, sino del marco
didáctico que orienta su uso y le otorga sentido
educativo. El análisis inferencial, respaldado
por pruebas no paramétricas debido a la no
normalidad de los datos, fortalece la validez de
los resultados. La prueba de rangos con signo de
Wilcoxon reveló diferencias significativas entre
el pretest y el postest del grupo experimental (p
= 0.000), lo que demuestra que la mejora
observada no es producto del azar, sino
consecuencia directa de la intervención
aplicada. Este resultado es reforzado por la
prueba U de Mann-Whitney, que evidenció una
diferencia altamente significativa entre ambos
grupos (p < 0.001), acompañada de un tamaño
del efecto muy grande (r = 0.81), indicador de
una intervención con impacto pedagógico
sustancial.
Estos hallazgos coinciden con lo planteado por
Ramos et al. (2021) y Ronquillo et al. (2023),
quienes sostienen que las dificultades en el
aprendizaje del álgebra se intensifican cuando
predominan metodologías tradicionales
centradas en la transmisión pasiva de
contenidos. En contraste, la integración de
recursos digitales favorece entornos de
aprendizaje más dinámicos, interactivos y
contextualizados, lo que facilita la transición del
pensamiento aritmético al algebraico, uno de los
principales obstáculos en octavo grado. Este
contraste revela un aspecto crítico: la
tecnología, por sí sola, no garantiza mejoras en
el aprendizaje. Tal como lo demuestra este
estudio, el impacto positivo emerge cuando los
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 409
recursos digitales se integran bajo una
planificación didáctica clara, alineada con los
objetivos curriculares y acompañada de
criterios de evaluación coherentes. En este
sentido, la validación rigurosa de los
instrumentos, con índices elevados de
confiabilidad y validez, fortalece la solidez
metodológica del estudio y permite afirmar que
los resultados son fiables, replicables y
potencialmente generalizables a contextos
educativos similares. Finalmente, los resultados
dialogan con los informes de organismos
internacionales como la OCDE (2023) e
INEVAL (2024), que advierten sobre el bajo
rendimiento en matemáticas y la necesidad
urgente de innovar las prácticas pedagógicas.
La presente investigación aporta evidencia
empírica desde el contexto ecuatoriano,
demostrando que el uso estratégico de recursos
digitales puede constituirse en una respuesta
viable y efectiva frente a esta problemática
estructural.
Conclusiones
El desarrollo de esta investigación permitió
comprender que el aprendizaje del álgebra en la
educación básica superior no depende
exclusivamente del contenido curricular, sino
de las mediaciones pedagógicas que estructuran
la experiencia de aprendizaje del estudiante. En
este sentido, la incorporación de recursos
digitales actuó como un catalizador del proceso
formativo, favoreciendo un escenario donde el
estudiante interactúa activamente con el
conocimiento matemático. Los resultados
evidencian que el cambio en el desempeño
académico observado no responde a una
variación espontánea, sino a la reorganización
del proceso de enseñanza-aprendizaje mediante
estrategias didácticas apoyadas en recursos
digitales. Esta reorganización posibilitó una
mayor claridad conceptual, una secuenciación
más comprensible de los procedimientos
algebraicos y una participación más consciente
del estudiante en la resolución de tareas
matemáticas.
Desde el enfoque metodológico, la
investigación demuestra que es posible generar
evidencia científica sólida en contextos
educativos reales cuando se combinan diseños
cuasiexperimentales con procesos rigurosos de
validación, confiabilidad y análisis estadístico
acorde a la naturaleza de los datos. Este
abordaje permitió establecer inferencias
fundamentadas sobre el efecto de la
intervención sin comprometer la validez interna
del estudio. Asimismo, el análisis de la práctica
docente reveló que la innovación educativa no
está determinada únicamente por la
disponibilidad tecnológica, sino por la
capacidad pedagógica para integrar los recursos
digitales en función de objetivos de aprendizaje
claramente definidos. La falta de sistematicidad
en el uso de estas herramientas limita su
potencial transformador, lo que subraya la
importancia de fortalecer la dimensión didáctica
del uso de las TIC. En conclusión, este estudio
aporta una visión contextualizada y
empíricamente sustentada sobre el papel de los
recursos digitales en la enseñanza del álgebra,
evidenciando que su impacto depende de una
implementación consciente, planificada y
pedagógicamente orientada. Los hallazgos
invitan a replantear las prácticas tradicionales
de enseñanza de las matemáticas y a consolidar
modelos educativos que integren la tecnología
como un medio para potenciar el pensamiento
matemático y no como un fin en sí mismo.
Referencias Bibliográficas
Alhuay, J., Bautista, L., & Madero, S. (2024).
Revistas médicas de América Latina
descontinuadas de Scopus. Revista Cubana
de Información en Ciencias de la Salud,
35(2), 1–25.
http://scielo.sld.cu/scielo.php?pid=S2307-
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 410
21132024000100003&script=sci_arttext&tl
ng=en
Aria, M., & Cuccurullo, C. (2017).
Bibliometrix: An R-tool for comprehensive
science mapping analysis. Journal of
Informetrics, 11(4), 959–975.
https://doi.org/10.1016/j.joi.2017.08.007
Fiallos, G. (2021). La correlación de Pearson y
el proceso de regresión por el método de
mínimos cuadrados. Ciencia Latina Revista
Científica Multidisciplinar, 5(3), 2491–
2509.
https://ciencialatina.org/index.php/cienciala/
article/view/466/573
Flores, C., & Flores, K. (2021). Pruebas para
comprobar la normalidad de datos en
procesos productivos: Anderson-Darling,
Ryan-Joiner, Shapiro-Wilk y Kolmogórov-
Smirnov. Societas, 23(2), 83–106.
https://revistas.up.ac.pa/index.php/societas/
article/view/2302
Hernández, O. (2021). Aproximación a los
distintos tipos de muestreo no probabilístico
que existen. Revista Cubana de Medicina
General Integral, 37(3), 1–3.
http://scielo.sld.cu/scielo.php?pid=S0864-
21252021000300002&script=sci_arttext
Hernández, N., & González, A. (2024). Prueba
de hipótesis en R: Prueba t de Student y
prueba de Wilcoxon. Opuntia Brava, 16(3),
407–416.
https://opuntiabrava.ult.edu.cu/index.php/op
untiabrava/article/view/1952/2877
Machuca, M., Yaguana, J., & Vinces, F. (2023).
Tratamiento y representación de datos
provenientes de escalas tipo Likert. Ciencia
Latina Revista Científica Multidisciplinar,
7(4), 736–747.
https://ciencialatina.org/index.php/cienciala/
article/view/6905/10504
Molina, M. (2023). Ciencias o letras: Prueba de
la U de Mann-Whitney. Revista Electrónica
AnestesiaR, 15(5). https://revist46-
cp526.wordpresstemporal.com/index.php/re
ar/article/view/1136
Montañez, J., & Palma, A. (2023). Propuesta
para la elaboración de baremos de un
instrumento en trabajos de investigación.
Ciencia Latina Revista Multidisciplinar,
7(6), 75.
https://dialnet.unirioja.es/servlet/articulo?co
digo=9280160
OECD. (2023). PISA 2022 results (Volume I):
The state of learning and equity in education.
OECD Publishing.
https://www.oecd.org/content/dam/oecd/en/
publications/reports/2023/12/pisa-2022-
results-volume-i_76772a36/53f23881-
en.pdf
Ortega, E., Ochoa, C., & Molina, M. (2021).
Pruebas no paramétricas. Evidencias en
Pediatría, 17(37), 1–7.
https://evidenciasenpediatria.es/articulo.php
?lang=es&id=7892
Pérez, G. (2022). Coeficiente alfa de Cronbach:
Qué es y para qué sirve el alfa de Cronbach.
GPL Research Consultores, 4.
https://gplresearch.com/wp-
content/uploads/2022/10/Que-es-y-para-
que-sirve-el-Alfa-de-Cronbach-PDF.pdf
Ramos, L., Guifarro, M., & Casas, L. (2021).
Dificultades en el aprendizaje del álgebra:
Un estudio con pruebas estandarizadas.
Bolema: Boletim de Educação Matemática,
35(70), 1016–1033.
https://doi.org/10.1590/1980-
4415v35n70a21
Ronquillo, G., Mora, E., Bohórquez, A., &
Padilla, J. (2023). Modelo constructivista y
su aplicación en el proceso de aprendizaje de
los estudiantes. Journal of Science and
Research, 16(1), 256–273.
https://doi.org/10.5281/zenodo.10420471
Ronquillo, M., Mora, G., Bohórquez, E.,
Padilla, A., & Plaza, J. (2023). Modelo
constructivista y su aplicación en el proceso
de aprendizaje de los estudiantes. Revista
Ciencia e Investigación, 8(2), 256–273.
https://dialnet.unirioja.es/metricas/documen
tos/ARTREV/9235339
Sánchez, D. (2022). Técnicas e instrumentos de
recolección de datos en investigación.
TEPEXI Boletín Científico de la Escuela
Superior Tepeji del Río, 9(17), 38–39.
https://repository.uaeh.edu.mx/revistas/inde
x.php/tepexi/article/view/7928/8457
Sánchez, F. (2020). Estadística para tesis y uso
de SPSS. Centrum Legalis.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 411
https://www.sancristoballibros.com/libro/est
adistica-para-tesis-y-uso-del-spss_92059
Sousa, M., Pereira, E., & Dantas, A. (2024).
Bibliometría: Qué es, para qué es y cómo se
hace. Cuadernos de Educación y Desarrollo,
16(2), 1–35.
https://dialnet.unirioja.es/metricas/documen
tos/ARTREV/9546511
Trujillo, J., Ricárdez, A., Mota, M., &
Guajardo, L. (2022). Aprendizaje estadístico
basado en niveles de investigación. Revista
Educación, 46(1), 1–16.
https://www.redalyc.org/journal/440/44068
165037/44068165037.pdf
Zambrano, A., Intriago, Y., & Carrión, H.
(2024). Recursos digitales para el refuerzo
pedagógico en contenidos de la asignatura de
física. MQRInvestigar, 8(4), 87–106.
https://www.investigarmqr.com/ojs/index.p
hp/mqr/article/view/1793
Zuta, M., Garcés, N., Reinoso, G., Garcés, G.,
& Pulles, M. (2022). Diseños de
investigación experimental aplicados a las
ciencias sociales. Universidad Politécnica
Estatal del Carchi.
https://books.google.com.ec/books?id=wK
mzEAAAQBAJ
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Arelis Brigith Jacho
Álvaro, Narcisa del Carmen Maza Romero, Carmen
Miderna Bailón León, Ingrid Leonella Vaque Cruz
y Luis Enrique Pazmiño Cantos.
