Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 583
PENSAMIENTO LÓGICO- MATEMÁTICO Y HERRAMIENTAS DE INTELIGENCIA
ARTIFICIAL EN ESTUDIANTES DEL CANTÓN GUAYAQUIL
LOGICAL-MATHEMATICAL THINKING AND ARTIFICIAL INTELLIGENCE TOOLS IN
STUDENTS OF THE GUAYAQUIL CANTON
Autores: ¹Kelly Lisette Jumbo Ordóñez, ²Rosa Jazmin Coello Olea, ³Viviana Nayeli Quispe
Rivadeneira y
4
Ángel Cesar Mendoza Hidalgo.
¹ORCID ID: https://orcid.org/0009-0007-8686-6970
²ORCID ID: https://orcid.org/0009-0003-2883-9801
3
ORCID ID: https://orcid.org/0009-0007-6630-7223
4
ORCID ID: https://orcid.org/0000-0003-3088-3775
¹E-mail de contacto: kjumboo@unemi.edu.ec
²E-mail de contacto: rcoelloo@unemi.edu.ec
³E-mail de contacto: vquisper@unemi.edu.ec
4
E-mail de contacto: amendozah1@unemi.edu.ec
Afiliación: ¹*²*³*
4
*Universidad Estatal de Milagro, (Ecuador).
Articulo recibido: 25 de Mayo del 2026
Articulo revisado: 27 de Mayo del 2026
Articulo aprobado: 29 de Mayo del 2026
¹Estudiante de Octavo semestre, de la carrera de Educación Básica modalidad en Línea de la Universidad Estatal de Milagro, (Ecuador).
²Estudiante de Octavo semestre, de la carrera de Educación Básica modalidad en Línea de la Universidad Estatal de Milagro, (Ecuador).
³Estudiante de Octavo semestre, de la carrera de Educación Básica modalidad en Línea de la Universidad Estatal de Milagro, (Ecuador).
4
Ingeniero en Sistemas Computacionales, de la Universidad Estatal de Milagro, (Ecuador). Magíster en Educación informática, de la
Universidad Estatal de Guayaquil(Ecuador), Magister en Inteligencia Artificial para la Educación de la Universidad Estatal de
Milagro,(Ecuador), docente Universidad Estatal de Milagro.
Resumen
El presente estudio tuvo como objetivo
determinar la correlación entre el pensamiento
lógico-matemático y el uso de herramientas de
inteligencia artificial en estudiantes del Cantón
Guayaquil, 2026. La investigación se desarrolló
bajo un enfoque cuantitativo, de tipo aplicada,
con diseño no experimental, corte transversal y
alcance correlacional asociativo. La población
estuvo conformada por 120 estudiantes de
educación básica de la Unidad Educativa
Particular “Juan Pablo Illingworth Icaza”,
mientras que la muestra estuvo integrada por 20
estudiantes seleccionados mediante un
muestreo no probabilístico por conveniencia.
Para la recolección de datos se empleó la técnica
de la encuesta y como instrumento un
cuestionario estructurado de 28 ítems,
elaborado a partir de las dimensiones e
indicadores de las variables estudiadas. La
confiabilidad del instrumento fue validada
mediante el coeficiente Alfa de Cronbach,
obteniéndose un valor de α = 0.795,
evidenciando una consistencia interna
aceptable. Asimismo, se aplicó la prueba de
normalidad de Shapiro-Wilk, obteniendo un
valor de p = 0.076, lo que permitió utilizar la
prueba de correlación de Pearson para el
análisis estadístico. Los resultados evidenciaron
una correlación positiva moderada y
estadísticamente significativa entre el
pensamiento lógico-matemático y las
herramientas de inteligencia artificial,
obteniéndose un coeficiente de Pearson de r =
0.447 y una significancia de p = 0.017 < 0.05.
Además, se evidenció una relación significativa
entre la contextualización con ecuaciones, la
gestión de datos y el uso de herramientas de
inteligencia artificial. En conclusión, estas
herramientas favorecen el desarrollo del
razonamiento lógico y la comprensión
matemática en los estudiantes.
Palabras clave: Pensamiento lógico-
matemático, Inteligencia artificial,
Herramientas digitales, Aprendizaje,
Razonamiento lógico, Educación.
Abstract
This study aimed to determine the correlation
between logical-mathematical thinking and the
use of artificial intelligence tools in students in
the Guayaquil Canton, 2026. The research was
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 584
conducted using a quantitative, applied
approach with a non-experimental, cross-
sectional, and correlational-associative design.
The population consisted of 120 elementary
school students from the “Juan Pablo
Illingworth Icaza” Private Educational Unit,
while the sample comprised 20 students
selected through non-probability convenience
sampling. Data was collected using a survey,
and the instrument was a structured
questionnaire of 28 items, developed based on
the dimensions and indicators of the variables
studied. The reliability of the instrument was
validated using Cronbach's alpha coefficient,
obtaining a value of α = 0.795, demonstrating
acceptable internal consistency. The Shapiro-
Wilk normality test was also applied, yielding a
p-value of 0.076, which allowed for the use of
Pearson's correlation test for statistical analysis.
The results showed a moderate and statistically
significant positive correlation between logical-
mathematical thinking and artificial intelligence
tools, with a Pearson correlation coefficient of r
= 0.447 and a significance level of p = 0.017 (p
< 0.05). Furthermore, a significant relationship
was found between contextualization with
equations, data management, and the use of
artificial intelligence tools. In conclusion, these
tools promote the development of logical
reasoning and mathematical understanding in
students.
Keywords: Logical-mathematical thinking,
Artificial intelligence, Digital tools,
Learning, Logical reasoning, Education.
Sumário
Este estudo teve como objetivo determinar a
correlação entre o raciocínio lógico-matemático
e o uso de ferramentas de inteligência artificial
em estudantes do Cantão de Guayaquil, em
2026. A pesquisa foi conduzida utilizando uma
abordagem quantitativa aplicada, com
delineamento não experimental, transversal e
correlacional-associativo. A população foi
composta por 120 alunos do ensino
fundamental da Unidade Educacional Privada
“Juan Pablo Illingworth Icaza”, enquanto a
amostra foi formada por 20 alunos selecionados
por amostragem de conveniência não
probabilística. Os dados foram coletados por
meio de um questionário estruturado de 28
itens, desenvolvido com base nas dimensões e
indicadores das variáveis estudadas. A
confiabilidade do instrumento foi validada
utilizando o coeficiente alfa de Cronbach,
obtendo-se um valor de α = 0,795,
demonstrando consistência interna aceitável. O
teste de normalidade de Shapiro-Wilk também
foi aplicado, apresentando um valor p de 0,076,
o que permitiu a utilização do teste de
correlação de Pearson para análise estatística.
Os resultados mostraram uma correlação
positiva moderada e estatisticamente
significativa entre o raciocínio lógico-
matemático e as ferramentas de inteligência
artificial, com um coeficiente de correlação de
Pearson de r = 0,447 e um nível de significância
de p = 0,017 (p < 0,05). Além disso, foi
encontrada uma relação significativa entre a
contextualização com equações, o
gerenciamento de dados e o uso de ferramentas
de inteligência artificial. Em conclusão, essas
ferramentas promovem o desenvolvimento do
raciocínio lógico e da compreensão matemática
nos alunos.
Palavras-chave: Raciocínio lógico-
matemático, Inteligência artificial,
Ferramentas digitais, Aprendizagem,
Raciocínio lógico, Educação.
Introducción
La educación a nivel internacional, como en el
caso de España, ha incorporado el uso de
herramientas de inteligencia artificial para
fortalecer los procesos de aprendizaje,
especialmente en la resolución de problemas.
En este sentido, un estudio realizado sobre
“Aplicaciones de inteligencia artificial
mediante modelos de lenguaje (LLM)”
evidenció resultados positivos en la eficiencia y
precisión en la resolución de problemas,
permitiendo a los estudiantes generar respuestas
estructuradas y mejorar su capacidad de
análisis, Trujillo (2025). Asimismo, estas
herramientas automatizan procesos cognitivos y
favorecen el desarrollo del pensamiento lógico
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 585
en entornos educativos digitales. Sin embargo,
presentan limitaciones como la dependencia
tecnológica, la necesidad de pensamiento
crítico y desafíos éticos, por lo que su adecuada
integración resulta indispensable para fortalecer
las habilidades cognitivas y mejorar el
rendimiento académico. De manera similar en
México, se desarrollaron investigaciones con
estudiantes universitarios de matemáticas
donde se evidenció que las herramientas de
inteligencia artificial son percibidas como
recursos que optimizan el aprendizaje y
mejoran el rendimiento académico,
destacándose altos niveles de familiaridad y
frecuencia de uso por parte de los estudiantes,
Castillo et al. (2025). Además, los autores
señalaron que estas tecnologías favorecen la
autonomía y la comprensión matemática; no
obstante, advirtieron posibles limitaciones
relacionadas con la disminución de procesos
reflexivos y creativos cuando las herramientas
son utilizadas de forma inadecuada.
En concordancia con lo anterior, estudios
realizados en Colombia, muestran que las
tecnologías digitales fortalecen la motivación,
la colaboración y la retroalimentación dentro
del aprendizaje matemático. Monroy (2024),
mediante una revisión sistemática basada en el
modelo PRISMA, evidenció que herramientas
tecnológicas como la realidad virtual, el
metaverso y los entornos digitales interactivos
generan mayor participación y comprensión de
conceptos matemáticos. A pesar de ello, el autor
sostiene que aún existen limitadas evidencias
empíricas sobre el impacto específico de la
inteligencia artificial en el desarrollo del
pensamiento lógico-matemático, por lo que
resulta necesario continuar investigando esta
relación dentro de contextos educativos reales.
En el contexto ecuatoriano, diversas
investigaciones también han abordado la
influencia de la inteligencia artificial en el
aprendizaje matemático. En la ciudad de
Ambato, Cárdenas (2025), mediante una
revisión sistemática fundamentada en el modelo
PRISMA, evidenció que herramientas como
sistemas inteligentes, redes neuronales y
estrategias de gamificación fortalecen el
razonamiento lógico-matemático y favorecen la
resolución de problemas en estudiantes de
educación básica. Del mismo modo, el estudio
identificó que estas tecnologías contribuyen a la
personalización del aprendizaje y al desarrollo
de habilidades cognitivas relacionadas con el
análisis y la comprensión matemática.
Por otra parte, investigaciones desarrolladas en
la provincia de Manabí demostraron que el uso
de herramientas de inteligencia artificial mejora
la comprensión y precisión en la resolución de
ejercicios matemáticos, favoreciendo procesos
de análisis y síntesis en los estudiantes
universitarios, Tóala (2024). En este sentido, el
autor enfatiza la importancia de implementar
estrategias pedagógicas adecuadas para evitar
que el estudiante dependa excesivamente de la
tecnología y limite su razonamiento autónomo.
Asimismo, en la ciudad de Milagro se
desarrollaron estudios relacionados con el
fortalecimiento del pensamiento lógico-
matemático mediante metodologías activas y
estrategias pedagógicas innovadoras. Cedillo
(2025), a través de una revisión sistemática,
evidenció que estrategias como la gamificación,
el aprendizaje basado en problemas y el uso de
tecnologías digitales generan impactos
positivos en el razonamiento abstracto, la
motivación y la resolución de problemas
matemáticos en estudiantes de educación
básica. En consecuencia, se destaca la
importancia de integrar herramientas
tecnológicas que favorezcan experiencias de
aprendizaje significativas y participativas. No
obstante, pese a los avances tecnológicos y
pedagógicos evidenciados en diferentes
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 586
contextos educativos, a nivel local aún se
observan dificultades relacionadas con el
desarrollo del pensamiento lógico-matemático.
En la Unidad Educativa Particular “Juan Pablo
Illingworth Icaza”, ubicada en la ciudad de
Guayaquil, se identificó que estudiantes de
quinto grado presentan limitaciones en
habilidades relacionadas con el razonamiento,
análisis y resolución de problemas
matemáticos. Esta situación se relaciona, en
parte, con el uso inadecuado de herramientas de
inteligencia artificial, debido a que algunos
estudiantes utilizan estas tecnologías
únicamente para obtener respuestas inmediatas,
sin desarrollar procesos de reflexión, análisis o
razonamiento lógico.
El pensamiento lógico-matemático se define
como la capacidad de analizar, interpretar y
resolver problemas mediante procesos
racionales y estructurados que permiten
establecer relaciones, identificar patrones y
tomar decisiones fundamentadas. De acuerdo
con Pérez (2026), esta habilidad implica el
desarrollo de competencias cognitivas
orientadas al razonamiento abstracto y la
resolución de situaciones matemáticas,
favoreciendo la comprensión de conceptos y el
desempeño académico de los estudiantes.
Además, su desarrollo contribuye al
fortalecimiento del pensamiento crítico y a la
aplicación del conocimiento en diversos
contextos educativos y cotidianos. Desde otra
perspectiva, el pensamiento lógico-matemático
también se entiende como la capacidad de
analizar, organizar e interpretar información
para resolver problemas mediante procesos
racionales y estructurados que implican la
identificación, comparación y relación de
elementos. Al respecto, Muñoz y Mendoza
(2022) señalan que el desarrollo de esta
habilidad permite a los estudiantes aplicar el
razonamiento lógico en situaciones académicas
y cotidianas, favoreciendo la comprensión de
conceptos matemáticos y la toma de decisiones
fundamentadas. De igual manera, su
fortalecimiento contribuye al desarrollo de
habilidades cognitivas como el análisis, la
reflexión y la resolución de problemas, aspectos
esenciales para mejorar el rendimiento
académico y enfrentar desafíos dentro del
entorno educativo.
Bajo esta misma línea conceptual, el
pensamiento lógico-matemático se concibe
como una habilidad esencial que permite
desarrollar procesos de análisis, argumentación
y generalización para la resolución de
problemas en distintos contextos educativos.
González y Salcedo (2025), sostienen que el
fortalecimiento de esta capacidad está
vinculado al uso de estrategias pedagógicas
como los patrones numéricos y figurales, los
cuales favorecen el desarrollo del pensamiento
crítico y la comprensión matemática en los
estudiantes. En consecuencia, su aplicación en
el aula contribuye a mejorar la disposición hacia
el aprendizaje y promueve metodologías activas
orientadas a la construcción del conocimiento.
Bajo esta perspectiva, el pensamiento lógico-
matemático se sustenta en un modelo teórico
que integra diversas dimensiones orientadas al
desarrollo de habilidades cognitivas
relacionadas con el análisis, la resolución de
problemas y la interpretación de datos. En este
marco, dicha capacidad no solo se comprende
como una habilidad académica, sino también
como un proceso que permite organizar
información, establecer relaciones y aplicar
razonamientos en diferentes contextos
educativos y cotidianos. Asimismo, las
condiciones en las que se desarrolla influyen
directamente en el desempeño de los
estudiantes y en la comprensión de conceptos
matemáticos. De acuerdo con Rodríguez y Calle
(2024), dimensiones como la organización,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 587
información y proporcionalidad, la
contextualización con ecuaciones y la gestión
de datos resultan fundamentales para fortalecer
el pensamiento lógico-matemático y favorecer
aprendizajes significativos.
En relación con ello, la dimensión organización,
información y proporcionalidad se vincula con
la capacidad de estructurar datos, interpretar
información y establecer relaciones entre
cantidades para la resolución de problemas.
Burgos y Chaverri (2024) señalan que el
razonamiento proporcional resulta fundamental
para comprender comparaciones de razones y
organizar información matemática de manera
coherente, permitiendo a los estudiantes
afrontar dificultades en la resolución de
problemas. Además, el desarrollo de estas
habilidades favorece el análisis lógico y la toma
de decisiones fundamentadas en contextos
matemáticos. De manera complementaria, la
contextualización con ecuaciones dentro del
pensamiento lógico-matemático hace referencia
a la capacidad de aplicar expresiones
algebraicas para representar y resolver
problemas del entorno real, facilitando la
comprensión de conceptos abstractos. Simbaña
et al. (2025) sostienen que el uso de
metodologías activas, como el aprendizaje
basado en problemas, permite que los
estudiantes comprendan las ecuaciones de
manera significativa al relacionarlas con
situaciones concretas.
Del mismo modo, esta estrategia favorece el
desarrollo del razonamiento lógico, la
participación y la construcción del
conocimiento matemático, contribuyendo al
mejoramiento del aprendizaje y del rendimiento
académico. La gestión de datos se relaciona con
la capacidad de recolectar, organizar, analizar e
interpretar información para la toma de
decisiones fundamentadas en distintos
contextos educativos. Mendoza et al. (2025)
manifiestan que el manejo adecuado de datos
permite desarrollar habilidades analíticas y
estadísticas, facilitando la comprensión de
información cuantitativa y la resolución de
problemas. Asimismo, el uso de estrategias
didácticas orientadas al análisis de datos
fortalece el pensamiento crítico y la
interpretación de resultados en situaciones
reales. Por consiguiente, esta dimensión
contribuye significativamente al desarrollo del
pensamiento lógico-matemático y al
fortalecimiento del aprendizaje significativo en
los estudiantes.
La presente investigación se fundamenta en
diversas teorías sustantivas que permiten
comprender el desarrollo del pensamiento
lógico-matemático desde enfoques cognitivos,
sociales y pedagógicos. Estas teorías explican
cómo los estudiantes construyen habilidades
relacionadas con el razonamiento, análisis y
resolución de problemas dentro del proceso
educativo. En primer lugar, la teoría de las
inteligencias múltiples propuesta por Howard
Gardner (1983) plantea que la inteligencia no es
única, sino que está conformada por diferentes
capacidades, entre las cuales destaca la
inteligencia lógico-matemática como
fundamental para el razonamiento, el análisis y
la resolución de problemas. Desde esta
perspectiva, el desarrollo del pensamiento
lógico-matemático depende de la estimulación
de habilidades cognitivas específicas que
permiten a los estudiantes comprender
relaciones numéricas, patrones y estructuras. En
el ámbito educativo, esta teoría se vincula
directamente con el fortalecimiento del
razonamiento lógico mediante actividades
prácticas y contextualizadas, favoreciendo el
desarrollo integral del estudiante y su capacidad
para enfrentar situaciones problemáticas en
distintos contextos Vinueza et al (2023). Desde
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 588
una perspectiva complementaria, la teoría
sociocultural de Lev Vygotsky (1978) resalta la
importancia del entorno social y de las
herramientas culturales dentro del proceso de
aprendizaje. En relación con ello, el
pensamiento lógico-matemático se construye
progresivamente mediante procesos cognitivos
que permiten al estudiante organizar, analizar y
relacionar información para resolver problemas.
Bajo este enfoque, dicha capacidad no
constituye una habilidad innata, sino que se
desarrolla a través de la interacción con el
entorno y la aplicación de estrategias
pedagógicas orientadas al razonamiento, la
abstracción y la toma de decisiones. Por
consiguiente, esta teoría explica cómo los
estudiantes fortalecen habilidades relacionadas
con la interpretación de datos, la resolución de
situaciones problemáticas y el desarrollo
cognitivo dentro del contexto educativo.
En concordancia con lo anterior, la teoría del
aprendizaje por descubrimiento propuesta por
Jerome Bruner (1960) sostiene que el
conocimiento se adquiere cuando el estudiante
participa activamente en la construcción de su
aprendizaje mediante la exploración, la
indagación y la resolución de problemas. Desde
esta perspectiva, el pensamiento lógico-
matemático se fortalece cuando el estudiante
descubre relaciones, patrones y soluciones por
sí mismo, desarrollando progresivamente su
capacidad de razonamiento y análisis.
Asimismo, esta teoría promueve metodologías
activas que estimulan la comprensión profunda
de los conceptos y la autonomía en el
aprendizaje. En consecuencia, el aprendizaje
por descubrimiento contribuye
significativamente al fortalecimiento de
habilidades cognitivas esenciales y al desarrollo
del pensamiento lógico-matemático en los
estudiantes Ozdem (2020). Por otro lado, las
herramientas de inteligencia artificial en el
ámbito educativo se han convertido en recursos
tecnológicos fundamentales para optimizar los
procesos de enseñanza y aprendizaje dentro de
contextos digitales contemporáneos. En este
sentido, estas tecnologías permiten fortalecer la
interacción entre estudiantes, docentes y
sistemas inteligentes, favoreciendo
experiencias educativas más dinámicas,
personalizadas e innovadoras.
Desde esta perspectiva, Castro et al (2025),
sostiene que el uso de herramientas de
inteligencia artificial en el entorno educativo
permite optimizar los procesos de enseñanza y
aprendizaje mediante la interacción dinámica
entre estudiantes y sistemas tecnológicos.
Asimismo, estas herramientas facilitan la
personalización del aprendizaje, el acceso
inmediato a la información y el desarrollo de
habilidades cognitivas a través de la
automatización de procesos y la generación de
respuestas adaptadas a las necesidades del
usuario. En consecuencia, la inteligencia
artificial no solo mejora la eficiencia en la
adquisición del conocimiento, sino que también
promueve el aprendizaje autónomo y el uso de
estrategias innovadoras en contextos
educativos. Por ello, su implementación
adecuada resulta fundamental para fortalecer el
desempeño académico y responder a las
demandas de la educación digital
contemporánea.
De manera complementaria, Mujica (2024)
señala que el uso de herramientas de
inteligencia artificial en el ámbito educativo
constituye un recurso innovador que permite
optimizar los procesos de enseñanza y
aprendizaje mediante la automatización de
tareas, la personalización del contenido y el
acceso a información adaptada a las
necesidades del estudiante. Además, estas
herramientas favorecen el desarrollo de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 589
entornos educativos más inclusivos y
dinámicos, promoviendo la equidad, la
motivación y la participación activa de los
estudiantes. Del mismo modo, la inteligencia
artificial contribuye a mejorar la experiencia
educativa mediante sistemas de tutoría
inteligente y aprendizaje adaptativo. No
obstante, su implementación también enfrenta
desafíos relacionados con la formación docente
y la disponibilidad de recursos tecnológicos
adecuados, aspectos que pueden limitar su
integración efectiva en el aula.
En concordancia con lo anterior, García et al.
(2024) manifiestan que el uso de herramientas
de inteligencia artificial representa una
transformación significativa en los procesos de
enseñanza y aprendizaje, debido a la integración
de tecnologías digitales que facilitan el acceso,
procesamiento y gestión automatizada de la
información. Asimismo, estas herramientas
permiten optimizar el aprendizaje mediante
entornos interactivos, promoviendo la
autonomía del estudiante y el desarrollo de
competencias digitales en contextos educativos
contemporáneos. De igual manera, contribuyen
a mejorar la eficiencia en la resolución de tareas
académicas y en la construcción del
conocimiento. Sin embargo, su implementación
también implica desafíos relacionados con la
dependencia tecnológica y la necesidad de
fortalecer el pensamiento crítico para garantizar
un uso adecuado y responsable dentro de los
entornos educativos.
Bajo este enfoque, el uso de herramientas de
inteligencia artificial en el ámbito educativo se
fundamenta en un modelo teórico que integra
diversas dimensiones orientadas a mejorar los
procesos de enseñanza y aprendizaje. Desde
esta perspectiva, la inteligencia artificial no solo
se concibe como un recurso tecnológico, sino
como un sistema que influye en la
personalización del aprendizaje, la
automatización de tareas y la toma de
decisiones basada en datos. Asimismo, las
condiciones en las que se implementan estas
herramientas inciden directamente en el
desempeño de estudiantes y docentes, así como
en la calidad del proceso educativo.
De acuerdo con Bustamante y Camacho (2024),
factores como la pedagogía, la formación
docente, la gestión educativa y las
implicaciones éticas constituyen elementos
fundamentales para la adecuada aplicación de la
inteligencia artificial en contextos escolares. En
consecuencia, se busca promover una
integración pertinente de estas tecnologías
dentro de los entornos educativos, considerando
que su uso adecuado contribuye al
fortalecimiento del aprendizaje, la innovación
pedagógica y el desarrollo de competencias
digitales en los estudiantes. En relación con
ello, la dimensión procesos de enseñanza se
vincula con la implementación de estrategias
didácticas innovadoras apoyadas en tecnologías
digitales dentro del contexto educativo actual.
Ruiz y Reyes (2025), señala que la integración
de herramientas tecnológicas en la enseñanza
permite mejorar la interacción, la comprensión
de contenidos y la participación activa de los
estudiantes. Asimismo, estas estrategias
favorecen un aprendizaje más dinámico,
adaptado a las necesidades individuales y
centrado en el estudiante. Por consiguiente, los
procesos de enseñanza mediados por tecnología
contribuyen al fortalecimiento del aprendizaje.
De manera complementaria, la dimensión
pedagogía, currículo y formación docente
implica la adaptación de los procesos
educativos a las demandas tecnológicas
contemporáneas. Suárez (2023), sostienen que
la integración de la inteligencia artificial en el
currículo promueve metodologías innovadoras
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 590
y exige el desarrollo de competencias digitales
en los docentes. Del mismo modo, la formación
continua del profesorado resulta fundamental
para garantizar una enseñanza efectiva y
pertinente dentro de entornos educativos
digitalizados. En consecuencia, esta dimensión
constituye un elemento indispensable para
fortalecer la calidad educativa y la innovación
pedagógica.
Por otra parte, la gestión educativa en el
contexto de la inteligencia artificial se relaciona
con la organización y la toma de decisiones
orientadas a mejorar la calidad del proceso
educativo mediante el uso estratégico de
tecnologías digitales. En este sentido, Flores
(2021) señala que una adecuada gestión
educativa permite optimizar los recursos
institucionales, fortalecer la planificación y
mejorar los resultados académicos a través del
manejo eficiente de la información. Asimismo,
la incorporación de herramientas tecnológicas
favorece el seguimiento del aprendizaje y la
innovación en las instituciones educativas. Por
ello, la gestión educativa se constituye como un
componente esencial para garantizar la
eficiencia y calidad del sistema educativo.
Finalmente, las implicaciones éticas en el uso
de la inteligencia artificial dentro de la
educación se relacionan con la responsabilidad
en la aplicación de estas tecnologías y la
protección de los datos de los usuarios.
Martínez (2025), sostiene que el uso de la
inteligencia artificial debe considerar principios
como la transparencia, la equidad y la
privacidad, evitando sesgos y garantizando un
uso responsable dentro de los entornos
educativos. Asimismo, se destaca la
importancia de fomentar el pensamiento crítico
en los estudiantes frente a los resultados
generados por estas herramientas. En
consecuencia, la ética se configura como un eje
fundamental para la correcta integración de la
inteligencia artificial en la educación.
De este modo, la presente investigación también
se fundamenta en teorías sustantivas
relacionadas con la inteligencia artificial y el
aprendizaje digital, las cuales permiten
comprender cómo las tecnologías inteligentes
influyen en los procesos educativos
contemporáneos y en la construcción del
conocimiento dentro de entornos virtuales e
interactivos.
En primer lugar, la teoría de la inteligencia
artificial propuesta por Alan Turing (1950)
plantea que las máquinas pueden simular
procesos de pensamiento humano mediante
algoritmos y sistemas computacionales capaces
de resolver problemas y tomar decisiones.
Desde esta perspectiva, la inteligencia artificial
se concibe como una herramienta que permite
reproducir habilidades cognitivas relacionadas
con el razonamiento, el aprendizaje y la
comprensión. En el ámbito educativo, esta
teoría se vincula directamente con el uso de
herramientas de inteligencia artificial, debido a
que estas tecnologías permiten automatizar
procesos, personalizar el aprendizaje y facilitar
la interacción entre el estudiante y el
conocimiento. De este modo, la inteligencia
artificial se convierte en un recurso fundamental
para optimizar los procesos de enseñanza y
aprendizaje en entornos educativos digitales,
Valor (2024). Desde un enfoque
complementario, la teoría de la inteligencia
artificial moderna propuesta por Russell y
Norvig (2010) sostiene que la inteligencia
artificial se basa en el desarrollo de agentes
inteligentes capaces de percibir su entorno,
procesar información y tomar decisiones para
alcanzar objetivos específicos. Bajo esta
perspectiva, Labañino et al (2025), afirma que
la IA no solo simula el pensamiento humano,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 591
sino que actúa racionalmente mediante
algoritmos, aprendizaje automático y
procesamiento de datos. En el contexto
educativo, esta teoría se relaciona con el uso de
herramientas de inteligencia artificial, ya que
dichas tecnologías permiten adaptar los
procesos de enseñanza, optimizar la toma de
decisiones pedagógicas y mejorar la interacción
entre el estudiante y el conocimiento. En
consecuencia, la inteligencia artificial moderna
constituye un soporte fundamental para el
desarrollo de entornos educativos inteligentes y
personalizados.
En concordancia con lo anterior, la teoría del
conectivismo propuesta por George Siemens
(2004) plantea que el aprendizaje en la era
digital se produce mediante la creación de redes
y conexiones entre diferentes fuentes de
información, tanto humanas como tecnológicas.
Desde esta perspectiva, Sattari y De Hoyos
(2026) menciona que el conocimiento no reside
únicamente en la mente del individuo, sino
también en bases de datos, sistemas digitales y
entornos virtuales, por lo que aprender implica
saber cómo acceder, seleccionar y relacionar
información relevante. En este sentido, esta
teoría se vincula directamente con el uso de
herramientas de inteligencia artificial, ya que
dichas tecnologías facilitan la construcción de
redes de conocimiento, el acceso inmediato a
información y el aprendizaje autónomo. Por
consiguiente, el conectivismo explica cómo las
herramientas digitales contribuyen al desarrollo
de procesos educativos más dinámicos,
interactivos y adaptados a las demandas
tecnológicas actuales. En el contexto de la
justificación, desde la perspectiva social, el
desarrollo del pensamiento lógico-matemático
resulta fundamental, ya que permite que los
estudiantes fortalezcan habilidades de
razonamiento, análisis y resolución de
problemas aplicables en su vida diaria. Estas
competencias no solo influyen en el desempeño
académico, sino también en la capacidad de
tomar decisiones informadas y adaptarse a
diferentes situaciones dentro de su entorno
social. De esta manera, el fortalecimiento de
estas habilidades contribuye a una formación
integral y a una participación más activa de los
estudiantes en la sociedad. En relación con ello,
Rodríguez y Calle (2024) sostienen que el
fortalecimiento del pensamiento lógico-
matemático mejora el rendimiento académico y
favorece la resolución de problemas en
contextos reales, incidiendo positivamente en el
desenvolvimiento social del estudiante.
Desde el ámbito pedagógico, la investigación
adquiere relevancia porque permite comprender
cómo las estrategias didácticas apoyadas en
herramientas tecnológicas favorecen los
procesos de enseñanza-aprendizaje y fortalecen
el desarrollo del razonamiento lógico en los
estudiantes. Bajo este enfoque, la labor docente
no se limita únicamente a la transmisión de
contenidos, sino que implica la generación de
ambientes de aprendizaje significativos
orientados al desarrollo de habilidades
cognitivas superiores. Asimismo, Espinal y
Morán (2025) sostienen que la implementación
de metodologías activas y recursos tecnológicos
contribuye significativamente al
fortalecimiento del pensamiento lógico-
matemático y al mejoramiento de la
comprensión matemática en los estudiantes.
Desde una perspectiva práctica, el estudio posee
relevancia debido a que el pensamiento lógico-
matemático permite a los estudiantes aplicar los
conocimientos adquiridos en la resolución de
situaciones reales de la vida cotidiana. Estas
habilidades fortalecen capacidades relacionadas
con el análisis, la interpretación de información
y la toma de decisiones, facilitando la
resolución organizada y eficiente de diversos
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 592
problemas. En concordancia con ello, Soledispa
y Parra (2024) señalan que la aplicación de
estrategias heurísticas favorece la comprensión
matemática y la transferencia del aprendizaje
hacia contextos reales, fortaleciendo el
razonamiento lógico y la autonomía del
estudiante. De igual manera, desde el criterio de
pertinencia, la investigación responde a las
exigencias actuales del sistema educativo,
caracterizado por la incorporación progresiva
de tecnologías digitales y herramientas de
inteligencia artificial dentro de los procesos de
enseñanza y aprendizaje. En un contexto
marcado por la transformación tecnológica, el
desarrollo del pensamiento lógico-matemático
se convierte en una competencia esencial para
analizar, comprender y resolver problemas de
manera eficiente. En este sentido, Rodríguez y
Calle (2024) sostienen que el fortalecimiento de
estas habilidades favorece aprendizajes
significativos y acordes con las demandas de la
sociedad digital contemporánea.
Es así como, a partir de la problemática
identificada respecto al desarrollo del
pensamiento lógico-matemático y el creciente
uso de herramientas de inteligencia artificial
dentro de los procesos educativos, surge la
necesidad de analizar la relación existente entre
ambas variables en contextos escolares
contemporáneos. En este sentido, se plantea la
siguiente pregunta de investigación: ¿Cuál es la
correlación del pensamiento lógico-matemático
y herramientas de inteligencia artificial en
estudiantes del Cantón Guayaquil, 2026? A
partir de esta problemática, la investigación
tiene como objetivo general determinar la
correlación del pensamiento lógico-matemático
y herramientas de inteligencia artificial en
estudiantes del Cantón Guayaquil, 2026. De
manera complementaria, los objetivos
específicos buscan valorar la relación entre la
organización, información, proporcionalidad y
el uso de herramientas de inteligencia artificial
en los estudiantes del Cantón Guayaquil;
evaluar la relación entre la contextualización
con ecuaciones y el uso de herramientas de
inteligencia artificial en la unidad de análisis; y
medir la correlación entre la gestión de datos y
el uso de herramientas de inteligencia artificial
en los sujetos estudiados. De tal forma que, la
presente investigación plantea como hipótesis
investigativa que existe correlación
significativa entre el pensamiento lógico-
matemático y herramientas de inteligencia
artificial en estudiantes del Cantón Guayaquil,
2026. Asimismo, se establece como hipótesis
negativa que no existe correlación significativa
entre el pensamiento lógico-matemático y
herramientas de inteligencia artificial en
estudiantes del Cantón Guayaquil, 2026.
Materiales y Métodos
La presente investigación fue de tipo aplicada.
Asimismo, el estudio presentó un enfoque
cuantitativo, debido a que los datos fueron
recolectados mediante instrumentos
estructurados y posteriormente analizados de
manera estadística. De igual manera, la
investigación tuvo un diseño no experimental,
puesto que las variables no fueron manipuladas,
sino observadas en su contexto natural.
Además, se desarrolló bajo un corte transversal,
ya que la información fue recopilada en un
único momento temporal. En relación con el
alcance investigativo, el estudio fue de nivel
correlacional-asociativo, dado que se buscó
determinar la relación existente entre el
pensamiento lógico-matemático y las
herramientas de inteligencia artificial. La
población estuvo conformada por 120
estudiantes de educación básica pertenecientes
a la Unidad Educativa Particular “Juan Pablo
Illingworth Icaza”, ubicada en la ciudad de
Guayaquil. En cuanto a la muestra, esta estuvo
integrada por 20 estudiantes de quinto grado
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 593
seleccionados para la aplicación de los
instrumentos de investigación. Para ello, se
utilizó un muestreo no probabilístico por
conveniencia, debido a que los participantes
fueron elegidos según su accesibilidad y
disponibilidad dentro de la institución
educativa. Asimismo, la técnica empleada fue la
encuesta, la cual permitió recolectar datos
estructurados sobre las variables objeto de
estudio.
Para la recolección de información se utilizó un
cuestionario estructurado elaborado con base en
las dimensiones e indicadores de las variables
investigadas. Dicho instrumento estuvo
conformado por 28 ítems, de los cuales 12
correspondieron a la variable pensamiento
lógico-matemático y 16 a la variable
herramientas de inteligencia artificial. En este
sentido, para la variable pensamiento lógico-
matemático se consideraron las dimensiones
organización, información y proporcionalidad;
contextualización con ecuaciones; y gestión de
datos, fundamentadas por Rodríguez y Calle
(2024). Por otra parte, en la variable
herramientas de inteligencia artificial se
contemplaron las dimensiones procesos de
enseñanza; pedagogía, currículo y formación
docente; gestión educativa; e implicaciones
éticas, expuestas por Bula y Bonilla (2024). En
cuanto a la escala valorativa, se utilizó una
escala tipo Likert de tres niveles: Siempre (1),
A veces (2) y Nunca (3). Esta escala permitió
medir la frecuencia con que los participantes
respondieron a los ítems planteados en el
cuestionario, facilitando la evaluación
cuantitativa de las variables de estudio.
Respecto al rigor científico, el instrumento fue
sometido a la prueba de confiabilidad mediante
el coeficiente Alfa de Cronbach, obteniéndose
un valor de α = 0.795, lo cual evidenció una
consistencia interna aceptable-alta entre los
ítems del cuestionario. En consecuencia, se
determinó que las preguntas presentaron
homogeneidad y permitieron medir
adecuadamente las variables investigadas. De
igual manera, se aplicó la prueba de normalidad
de Shapiro-Wilk, obteniéndose un valor de
significancia de p = 0.076, superior al nivel
crítico de 0.05, por lo que se concluyó que los
datos presentaron una distribución normal. En
este sentido, Rodríguez y Reguant (2020)
sostienen que las pruebas estadísticas permiten
verificar la consistencia y confiabilidad de los
instrumentos utilizados, facilitando una
adecuada interpretación de los resultados
obtenidos en la investigación.
En consecuencia, considerando que los puntajes
totales del instrumento fueron analizados
cuantitativamente y cumplieron el supuesto de
normalidad, se determinó el uso de la prueba de
correlación de Pearson para establecer el grado
de relación existente entre las variables
investigadas. De acuerdo con Hernández et al.
(2014), el instrumento presentó un nivel
adecuado de confiabilidad para su aplicación
dentro del proceso investigativo. Asimismo,
Vizcaíno et al. (2023) señalan que la aplicación
de métodos estadísticos adecuados permite
obtener resultados más precisos y confiables,
favoreciendo una correcta interpretación de los
datos recopilados. En relación con el
procesamiento de la información, se elaboró
una matriz de codificación estructurada de
acuerdo con la escala valorativa del instrumento
aplicado. Inicialmente, las encuestas fueron
aplicadas de manera directa a los estudiantes
mediante hojas físicas impresas.
Posteriormente, las respuestas obtenidas fueron
ingresadas en un formulario de Google Forms
con la finalidad de organizar y sistematizar la
información recopilada. Seguidamente, los
datos registrados fueron exportados a una hoja
de cálculo de Microsoft Excel, donde se efectuó
la organización, tabulación y distribución de la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 594
información en tablas estadísticas. Asimismo,
se realizó el análisis de resultados mediante
frecuencias y porcentajes, permitiendo
interpretar el comportamiento de las variables
pensamiento lógico-matemático y herramientas
de inteligencia artificial. Finalmente, los datos
fueron procesados para obtener tablas y gráficos
estadísticos que facilitaron el análisis e
interpretación de la correlación existente entre
las variables investigadas.
En cuanto a los aspectos éticos, la investigación
consideró principios fundamentales orientados
a garantizar el bienestar y la protección de los
participantes involucrados en el estudio. En
primer lugar, se aplicó el consentimiento
informado, mediante el cual cada participante
conoció de manera clara los objetivos,
procedimientos y finalidad de la investigación,
permitiendo una participación voluntaria y
consciente. Al respecto, Núñez (2024) señala
que el consentimiento informado constituye un
elemento esencial dentro de toda investigación
científica, debido a que protege la autonomía y
los derechos de las personas participantes.
Asimismo, este proceso permitió mantener una
relación transparente y responsable entre los
investigadores y los involucrados en el estudio,
fortaleciendo la ética durante el desarrollo
investigativo. Por otra parte, se garantizó la
confidencialidad de la información recopilada
durante el proceso investigativo, evitando la
divulgación de datos personales o cualquier
información que permitiera identificar a los
participantes. Además, los datos obtenidos
fueron utilizados únicamente con fines
académicos y científicos, respetando la
privacidad y seguridad de cada persona. De
acuerdo con Cartagena et al. (2024), la
confidencialidad representa un principio
indispensable dentro de la investigación, debido
a que contribuye a generar confianza y
credibilidad entre participantes e
investigadores. De esta manera, el manejo
adecuado de la información permitió actuar con
responsabilidad y compromiso ético durante
todo el proceso investigativo.
Durante el desarrollo del estudio se
promovieron el respeto, la dignidad y la
integridad de todos los participantes, valorando
sus opiniones, experiencias y contexto social.
Asimismo, se procuró mantener un trato justo,
inclusivo y empático en cada una de las
actividades desarrolladas. En relación con ello,
Picún y Ache (2024) sostienen que el respeto
hacia los sujetos investigados constituye un
principio fundamental en las investigaciones
humanas y sociales, debido a que favorece
relaciones éticas basadas en la protección,
consideración y reconocimiento de los
participantes. Por esta razón, la presente
investigación se desarrolló bajo criterios éticos
orientados al respeto de los derechos humanos
y al fortalecimiento de la validez y confiabilidad
de los resultados obtenidos.
Resultados y Discusión
A continuación, se exponen los resultados
derivados del proceso de recolección y análisis
de la información obtenida durante la
investigación. Objetivo específico 1: Valorar
la relación entre la organización, información,
proporcionalidad y el uso de herramientas de
inteligencia artificial en los estudiantes del
Cantón Guayaquil. La tabla 1 muestra el
coeficiente de correlación de Pearson fue de
r=0.314, lo que evidencia una correlación
positiva baja entre la dimensión Organización,
información y proporcionalidad y la variable
Herramientas de inteligencia artificial.
Asimismo, el nivel de significancia obtenido
fue de p=0.104, valor superior a 0.05, por lo que
la relación no resulta estadísticamente
significativa. En ese sentido, aunque los
resultados muestran una ligera tendencia
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 595
positiva entre ambas variables, no existe
evidencia suficiente para afirmar que el uso de
herramientas de inteligencia artificial se
relacione significativamente con los estudiantes
analizados.
Tabla 1. Relación entre organización, información, proporcionalidad y el uso de herramientas de
inteligencia artificial
Indicador
Alternativas de respuesta
Media Aritmética
Organización, información y
proporcionalidad
1
,314
Sig. (bilateral)
,104
N
28
28
Herramientas de inteligencia artificial
,314
1
Sig. (bilateral)
,104
N
28
28
Nota: La correlación no es significativa en el nivel 0,05 (bilateral).
Fuente: Elaboración propia
En relación con los resultados obtenidos,
Herrera et al. (2025), en una investigación
desarrollada con estudiantes de Educación
Básica Superior en Ecuador, evidenciaron que
aproximadamente el 78% de los estudiantes
consideró que la inteligencia artificial facilitó la
búsqueda y organización de información
académica, mientras que el 64% manifestó
mejoras en la comprensión y gestión de
contenidos digitales. Estos hallazgos reflejan
una percepción favorable del uso de la
inteligencia artificial dentro del proceso
educativo. Sin embargo, a diferencia del
presente estudio, la correlación obtenida fue de
r = 0.314, con un nivel de significancia de p =
0.104, superior a 0.05, indicando que la
asociación entre las variables no resultó
estadísticamente significativa.
A partir de estos hallazgos, se puede interpretar
que el incremento o disminución en el uso de
herramientas de inteligencia artificial no influyó
de manera determinante en el desarrollo de
habilidades relacionadas con la interpretación
de información, relación entre cantidades,
análisis lógico y toma de decisiones en los
estudiantes evaluados. Estos resultados
coinciden con lo señalado por Castillo et al.
(2025), quienes sostienen que, aunque la
inteligencia artificial puede favorecer algunos
procesos académicos, su uso frecuente también
podría generar dependencia tecnológica y
limitar el razonamiento autónomo cuando no
existe un adecuado acompañamiento
pedagógico. En este sentido, los estudiantes
podrían recurrir a respuestas rápidas sin
fortalecer plenamente sus habilidades de
organización y análisis matemático.
Estos resultados coinciden parcialmente con lo
planteado por Rodríguez y Calle (2024),
quienes sostienen que el pensamiento lógico-
matemático requiere procesos progresivos de
organización, análisis e interpretación de
información, los cuales no dependen
exclusivamente del uso de herramientas
tecnológicas, sino también de estrategias
pedagógicas contextualizadas y de la mediación
docente. En consecuencia, la sola utilización de
inteligencia artificial no garantiza mejoras
significativas en habilidades de
proporcionalidad y análisis lógico. Asimismo,
Gardner (1983), desde la perspectiva de
Domínguez et al. (2025), en la teoría de las
inteligencias múltiples, explica que la
inteligencia lógico-matemática necesita
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 596
procesos permanentes de estimulación
cognitiva mediante actividades de
razonamiento y resolución de problemas. Desde
esta perspectiva, el uso de inteligencia artificial
puede constituir un apoyo complementario; sin
embargo, su efectividad dependerá de la manera
en que el estudiante interactúe críticamente con
la tecnología y no únicamente de la
automatización de respuestas. La tabla 2
muestra el objetivo específico 2: Evaluar la
relación entre la contextualización con
ecuaciones y el uso de herramientas de
inteligencia artificial en la unidad de análisis.
Tabla 2. Relación entre la contextualización
con ecuaciones y el uso de herramientas de
inteligencia artificial
Correlaciones
Contextualización
con ecuaciones
Contextualización
con ecuaciones
1
Sig. (bilateral)
N
28
Herramientas de
inteligencia
artificial
,388*
Sig. (bilateral)
,042
N
28
Contextualización
con ecuaciones
1
Nota: La correlación es significativa en el nivel 0,05 (bilateral).
Fuente: Elaboración propia
Se obtuvo un coeficiente de correlación de
Pearson de r=0.388, lo que indica una
correlación positiva baja-moderada entre la
dimensión Contextualización con ecuaciones y
la variable Herramientas de inteligencia
artificial. Del mismo modo, el nivel de
significancia alcanzado fue de p=0.042<0.05,
evidenciando que la relación es
estadísticamente significativa. En este sentido,
los resultados permiten inferir que, a medida
que aumenta el uso o valoración de
herramientas de inteligencia artificial, también
tiende a fortalecerse la capacidad de los
estudiantes para desarrollar comprensión
significativa, razonamiento lógico,
participación y construcción del conocimiento.
En relación con estos resultados, Simbaña et al.
(2025), en un estudio desarrollado en el
contexto educativo ecuatoriano, evidenciaron
que la aplicación de metodologías activas en la
enseñanza de ecuaciones permitió que
aproximadamente el 74% de los estudiantes
mejorara la resolución de problemas
matemáticos y el razonamiento lógico, mientras
que el 68% fortaleció la comprensión
contextualizada de ecuaciones y su aplicación
en situaciones cotidianas. Estos resultados
reflejan una incidencia positiva en el
aprendizaje matemático. De manera similar, en
la presente investigación se obtuvo una
correlación de r = 0.388, mostrando una
relación positiva baja-moderada, con una
significancia de p = 0.042, inferior a 0.05, lo que
confirma que existe una asociación
estadísticamente significativa entre la
contextualización con ecuaciones y el uso de
herramientas de inteligencia artificial.
En consecuencia, se puede interpretar que el
incremento en el uso de herramientas de
inteligencia artificial influye positivamente en
el desarrollo de habilidades relacionadas con la
comprensión matemática, análisis lógico,
resolución de problemas y participación activa
del estudiante. Estos hallazgos coinciden con lo
señalado por Delgado et al. (2025), quienes
sostienen que la incorporación de recursos
digitales e inteligencia artificial en contextos
educativos favorece procesos de aprendizaje
más dinámicos, fortalece la autonomía del
estudiante y mejora la interpretación de
contenidos matemáticos cuando existe una
adecuada mediación pedagógica. De manera
complementaria, los resultados coinciden con lo
expuesto por Zambrano et al. (2026), quienes
evidenciaron que la inteligencia artificial
contribuye al fortalecimiento del razonamiento
lógico-matemático mediante sistemas
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 597
interactivos que facilitan la resolución de
problemas y la comprensión conceptual. En
consecuencia, el uso adecuado de inteligencia
artificial puede mejorar la interpretación
matemática y la aplicación de ecuaciones en
contextos reales. Por otra parte, Junco et al
(2024), en un estudio publicado en una revista
científica latinoamericana sobre innovación
educativa y aprendizaje mediado por
tecnología, sostienen que la teoría sociocultural
de Vygotsky mantiene vigencia en los entornos
digitales, ya que el aprendizaje se fortalece
mediante la interacción social, la mediación
pedagógica y el uso de herramientas
tecnológicas que facilitan la construcción del
conocimiento. En consecuencia, la
incorporación de inteligencia artificial en
contextos educativos puede fortalecer la
comprensión conceptual y el aprendizaje
significativo en los estudiantes. La tabla 3
evidencia el objetivo específico 3: Medir la
correlación entre la gestión de datos y el uso de
herramientas de inteligencia artificial en los
sujetos estudiados.
Tabla 3. Correlación entre la gestión de datos
y el uso de herramientas de inteligencia
artificial.
Correlaciones
Gestión de datos
Gestión de datos
1
Sig. (bilateral)
N
28
Herramientas de
inteligencia
artificial
,394*
Sig. (bilateral)
,038
N
28
Nota: La correlación es significativa en el nivel 0,05
(bilateral).
Fuente: Elaboración propia.
El coeficiente de correlación de Pearson fue de
r=0.394, lo que refleja una correlación positiva
baja-moderada entre la dimensión Gestión de
datos y la variable Herramientas de inteligencia
artificial. Además, el nivel de significancia
obtenido fue de p=0.038<0.05, indicando que la
relación es estadísticamente significativa. En
función de los resultados obtenidos, se puede
interpretar que un mayor uso de herramientas de
inteligencia artificial se asocia con un mejor
desarrollo de habilidades analíticas,
estadísticas, comprensión cuantitativa y
resolución de problemas en los estudiantes. Por
tanto, el uso de herramientas de inteligencia
artificial podría favorecer el desarrollo de
competencias vinculadas con la gestión y
tratamiento de información cuantitativa,
facilitando procesos de análisis y comprensión
de datos.
En concordancia con estos hallazgos, Rossetti-
López et al. (2025), en una investigación
publicada en la revista Formación Universitaria
(Scielo Chile), analizaron el uso de
herramientas de inteligencia artificial en
estudiantes de educación superior y
evidenciaron una adopción significativa de
estas tecnologías para la búsqueda,
procesamiento y organización de información
académica, destacando que su implementación
fortaleció competencias digitales, análisis de
información y autonomía en el aprendizaje.
Estos hallazgos presentan relación con la
presente investigación, donde se obtuvo una
correlación de r = 0.394, evidenciando una
relación positiva baja-moderada entre la gestión
de datos y el uso de herramientas de inteligencia
artificial. Asimismo, el valor de significancia de
p = 0.038, inferior a 0.05, confirmó que dicha
asociación fue estadísticamente significativa, lo
que permitió inferir que la integración de
inteligencia artificial contribuyó al
fortalecimiento de capacidades analíticas y
cuantitativas en los estudiantes. En
consecuencia, se puede interpretar que el
incremento en el uso de herramientas de
inteligencia artificial influye positivamente en
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 598
el desarrollo de habilidades relacionadas con la
organización de información cuantitativa,
razonamiento estadístico, análisis lógico y toma
de decisiones. Estos resultados coinciden con lo
señalado por Castillo et al. (2026), quienes
sostienen que la inteligencia artificial
generativa favorece la gestión del
conocimiento, el procesamiento de información
y el fortalecimiento del aprendizaje autónomo
en estudiantes, siempre que exista una adecuada
orientación pedagógica. En este sentido, la
inteligencia artificial no solo facilita el acceso a
datos, sino que también mejora la capacidad de
análisis y comprensión de información
cuantitativa en escenarios educativos.
Por otra parte, Acevedo et al. (2026), en una
revisión científica sobre inteligencia artificial
en la educación superior latinoamericana,
retomaron el enfoque de los sistemas
inteligentes planteado por Russell y Norvig
(1995), señalando que la inteligencia artificial
permite procesar grandes volúmenes de
información, automatizar tareas y optimizar la
toma de decisiones mediante algoritmos
computacionales. Desde esta perspectiva, las
herramientas de inteligencia artificial actúan
como recursos tecnológicos que favorecen la
organización, interpretación y análisis de datos
dentro de contextos educativos. En
consecuencia, su integración en el proceso de
enseñanza-aprendizaje puede fortalecer la
gestión de datos, la comprensión cuantitativa y
el razonamiento analítico en los estudiantes.
De igual manera, Mero et al. (2025)
evidenciaron que las tecnologías digitales
favorecen la retroalimentación, colaboración y
comprensión matemática mediante entornos
interactivos, permitiendo fortalecer habilidades
relacionadas con la interpretación y análisis de
información cuantitativa. En consecuencia, el
uso de herramientas digitales contribuye
significativamente al desarrollo de
competencias vinculadas con la gestión de
datos. La figura 1 muestra el objetivo General:
Determinar la correlación del Pensamiento
lógico- matemático y Herramientas de
inteligencia artificial en estudiantes del Cantón
Guayaquil, 2026.
Figura 1. Correlación del Pensamiento lógico-
matemático y Herramientas de inteligencia
artificial.
Fuente: Elaboración propia.
El coeficiente de correlación de Pearson fue de
r = 0.447, lo que indicó una correlación positiva
moderada entre la variable pensamiento lógico-
matemático y la variable herramientas de
inteligencia artificial. Asimismo, el nivel de
significancia alcanzado fue de p = 0.017, valor
inferior a 0.05, demostrando que la correlación
fue estadísticamente significativa al 95% de
confianza. En este sentido, los resultados
permitieron evidenciar que, a medida que se
fortalecieron las dimensiones organización,
información y proporcionalidad,
contextualización con ecuaciones y gestión de
datos, también tendieron a incrementarse los
procesos de enseñanza, pedagogía, currículo,
formación docente, gestión educativa e
implicaciones éticas relacionadas con el uso de
herramientas de inteligencia artificial. En otras
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 599
palabras, el fortalecimiento del pensamiento
lógico-matemático estuvo asociado
positivamente con un mayor aprovechamiento
de las herramientas de inteligencia artificial
dentro del contexto educativo. En relación con
estos hallazgos, Rodríguez et al. (2023), en un
estudio desarrollado en Ecuador sobre
herramientas digitales y aprendizaje
matemático, evidenciaron que
aproximadamente el 40% de incidencia positiva
de las tecnologías digitales favoreció la
comprensión matemática, el razonamiento
lógico y la resolución de problemas en
estudiantes, demostrando una relación
significativa entre el uso de recursos
tecnológicos y el fortalecimiento del
aprendizaje matemático. De manera similar, en
la presente investigación se obtuvo una
correlación positiva moderada de r = 0.447, con
una significancia de p = 0.017, confirmando que
existe una asociación estadísticamente
significativa entre el pensamiento lógico-
matemático y el uso de herramientas de
inteligencia artificial.
Asimismo, Barreto et al. (2024), basándose en
la teoría del desarrollo cognitivo de Piaget
(1936), sostienen que el aprendizaje se fortalece
mediante procesos de exploración, interacción y
construcción progresiva del conocimiento.
Desde esta perspectiva, las herramientas de
inteligencia artificial pueden actuar como
recursos didácticos que favorecen experiencias
de aprendizaje dinámicas e interactivas,
fortaleciendo el razonamiento y la resolución de
problemas matemáticos. De igual manera,
Puicaño (2024), sustentado en la teoría del
aprendizaje significativo de Ausubel (1963),
manifiesta que el aprendizaje adquiere mayor
efectividad cuando los nuevos conocimientos
logran relacionarse de manera sustancial con los
saberes previos del estudiante. En este contexto,
las herramientas de inteligencia artificial
facilitan procesos de retroalimentación
inmediata, explicación personalizada y acceso a
contenidos adaptados, favoreciendo la
comprensión matemática y el fortalecimiento
del pensamiento lógico-matemático. Por otra
parte, Rambay et al. (2026) señalan que la
integración de tecnologías digitales en la
educación favorece el aprendizaje autónomo, la
motivación y el desarrollo de competencias
cognitivas en los estudiantes. En consecuencia,
el uso adecuado de herramientas de inteligencia
artificial contribuye significativamente al
fortalecimiento del pensamiento lógico-
matemático mediante estrategias pedagógicas
innovadoras y entornos educativos interactivos.
En función de los resultados obtenidos, se
acepta la hipótesis investigativa, la cual
establece que existe correlación significativa
entre el pensamiento lógico-matemático y
herramientas de inteligencia artificial en
estudiantes del Cantón Guayaquil, 2026. Por
consiguiente, se rechaza la hipótesis negativa,
debido a que los resultados estadísticos
demostraron una relación significativa entre
ambas variables. El objetivo general de la
investigación, orientado a determinar la
correlación entre el pensamiento lógico-
matemático y las herramientas de inteligencia
artificial en estudiantes del Cantón Guayaquil,
2026, sí se cumplió, debido a que los resultados
obtenidos confirmaron la existencia de una
relación positiva moderada y estadísticamente
significativa entre ambas variables, validando
así la hipótesis planteada en el estudio.
Conclusiones
En relación con el objetivo específico 1, se
determinó que la dimensión Organización,
información y proporcionalidad presentó una
correlación positiva baja con la variable
Herramientas de inteligencia artificial,
obteniendo un coeficiente de Pearson de r =
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 600
0.314 y un nivel de significancia de p = 0.104 >
0.05. En consecuencia, la relación no fue
estadísticamente significativa, evidenciando
que el uso de herramientas de inteligencia
artificial no influyó de manera determinante en
el desarrollo de habilidades relacionadas con la
organización, interpretación de información y
proporcionalidad en los estudiantes
evaluados.Respecto al objetivo específico 2, se
concluyó que la dimensión Contextualización
con ecuaciones mantuvo una correlación
positiva baja-moderada y significativa con la
variable Herramientas de inteligencia artificial,
alcanzando un coeficiente de Pearson de r =
0.388 y una significancia de p = 0.042 < 0.05.
En este sentido, se evidenció que un mayor uso
de herramientas de inteligencia artificial
favoreció la capacidad de los estudiantes para
contextualizar, interpretar y representar
situaciones mediante ecuaciones matemáticas.
De igual manera, en relación con el objetivo
específico 3, se determinó que la dimensión
Gestión de datos presentó una correlación
positiva baja-moderada con la variable
Herramientas de inteligencia artificial,
obteniendo un coeficiente de Pearson de r =
0.394 y un nivel de significancia de p = 0.038 <
0.05. Por tanto, la relación fue estadísticamente
significativa, lo cual evidenció que el uso de
herramientas de inteligencia artificial
contribuyó al fortalecimiento de habilidades
relacionadas con la organización, interpretación
y análisis de datos cuantitativos. En función del
objetivo general, se concluyó que la variable
Pensamiento lógico-matemático presentó una
correlación positiva moderada y significativa
con la variable Herramientas de inteligencia
artificial, obteniendo un coeficiente de Pearson
de r = 0.447 y una significancia de p = 0.017 <
0.05. En consecuencia, los resultados
evidenciaron que el uso de herramientas de
inteligencia artificial favoreció el desarrollo del
pensamiento lógico-matemático, fortaleciendo
habilidades de razonamiento, análisis y
resolución de problemas en los estudiantes del
Cantón Guayaquil, 2026.
Agradecimientos
Agradecemos en primer lugar a Dios, por
brindarnos la sabiduría, fortaleza y guía
necesaria a lo largo de este camino. A nuestras
familias, por su apoyo incondicional,
desinteresado e intencional, siendo un pilar
fundamental para alcanzar la culminación de
este proyecto. Asimismo, expresamos nuestro
sincero agradecimiento al Máster Milton
Criollo, por su paciencia, dedicación y
constante apoyo, que fueron esenciales para
desarrollar un trabajo de calidad.
Referencias Bibliográficas
Acevedo, M., Cabezas N., La Serna La Rosa, P.
A., & Araujo, S. A. (2025). Desafíos y
oportunidades de la inteligencia artificial en
la educación superior latinoamericana: una
revisión sistemática de la literatura.
https://doi.org/10.5281/zenodo.15508755
Barreto, W., Arévalo, J., Ulloa, J., Zavala, C..,
Andrade, N., & Paguay, M. (2024). Análisis
del aprendizaje infantil desde la teoría del
desarrollo cognitivo de Jean Piaget: un
enfoque etnográfico para evaluar la relación
entre la inteligencia y las etapas cognitivas:
LATAM Revista Latinoamericana De
Ciencias Sociales Y Humanidades, 5(5),
4126 – 4138.
https://doi.org/10.56712/latam.v5i5.2913
Burgos, M., & Chaverri, J. (2024). Variación de
problemas de proporcionalidad para ayudar
a los alumnos a superar sus dificultades: Una
experiencia con futuros maestros. Educación
Matemática, 36(2), 92–118.
https://www.revista-educacion-
matematica.org.mx/descargas/Vol36/2/04_
REM_36-2.pdf
Bustamante, R., y Camacho, A. (2024).
Inteligencia artificial (IA) en las escuelas:
una revisión sistemática (2019-2023).
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 601
Enunciación, 29(1), 62–82.
https://doi.org/10.14483/22486798.22039
Cárdenas, S., Sanchez, J. del R., Copa Pataron,
J. E., Padilla Fuentes, S. P., & Sánchez Cruz,
L. C. (2025). Inteligencia artificial
razonamiento lógico matemático educación
básica. ASCE MAGAZINE, 4(2), 121–144.
https://doi.org/10.70577/ASCE/121.144/202
5
Cartagena, E., Cuevas G. N., & Vargas
Hernández, Y. (2024). Conocimiento de los
estudiantes sobre consentimiento informado
y su importancia en investigación científica.
Revista Colombiana De Bioética, 19(1).
https://doi.org/10.18270/rcb.v19i1.4735
Castillo Iñiguez, M. P., Guerrero Genovez, S.
M., Solís Ruiz, M. A., & Cambo Chisag, N.
V. (2026). La inteligencia artificial
generativa y la gestión del conocimiento en
estudiantes de educación básica. LATAM
Revista Latinoamericana De Ciencias
Sociales Y Humanidades, 7(2), 1366 – 1379.
https://doi.org/10.56712/latam.v7i2.572 3
Castillo, M., Guerrero, S., Solís, M., & Cambo,
N. (2026). La inteligencia artificial
generativa y la gestión del conocimiento en
estudiantes de educación básica. Revista
Latinoamericana De Ciencias Sociales Y
Humanidades, 7(12).
https://revistalatam.redilat.org/index.php/lt/
article/view/5723
Castro-López, A., Cervero, A., & Álvarez-
Blanco, L. (2025). Análisis sobre el uso de
las herramientas de inteligencia artificial
interactiva en el entorno universitario.
Revista Tecnología, Ciencia Y Educación,
(30), 37–66.
https://doi.org/10.51302/tce.2025.22219
Cedillo Arce, J. M., Quizphe Quizhpe, J. K., De
La Rosa Illescas, L. S., & Proaño Castro, M.
F. (2025). El pensamiento lógico matemático
en la educación. Una revisión sistemática.
RECIMUNDO, 9(2), 750–767.
https://doi.org/10.26820/recimundo/9.(2).ab
ril.2025.750-767
Delgado Santin, V. del C., Intriago Cedeño, M.
L., Intriago Moreira, J. A., González
Ramírez, C. E., & Tandayamo Vargas, P. del
P. (2025). Aprendizaje Matemático
personalizado mediante inteligencia
artificial: un modelo adaptativo para el
desarrollo del razonamiento algebraico en
educación. ASCE MAGAZINE, 4(3), 311–
332.
https://doi.org/10.70577/ASCE/311.332/202
5
Domínguez Pizarro, F. D., Tumbaco Reyes, L.
del R., Solis Grijalva, D. de las M., Paucar
Llerena, A. Y., & Purizaga Peñafiel, E. L.
(2025). Análisis crítico sobre las
inteligencias múltiples de Gardner.
Aplicaciones contemporáneas. Ciencia Y
Reflexión, 4(1), 162–182.
https://doi.org/10.70747/cr.v4i1.95
Espinal Carrillo, J. E.., & Córdova Morán, J. A.
(2025). Estrategias didácticas para el
desarrollo del pensamiento lógico
matemático en educación general básica.
Revista Científica Multidisciplinaria
SAPIENTIAE. ISSN: 2600-6030, 8(16),
439–453.
https://doi.org/10.56124/sapientiae.v8i16.02
4
Flores-Flores, Hilda. (2021). La gestión
educativa, disciplina con características
propias. Dilemas contemporáneos:
educación, política y valores, 9(1), 00008.
Epub 03 de noviembre de 2021.
https://doi.org/10.46377/dilemas.v9i1.2832
García Alcaraz, J. L., García Alcaraz, P., &
Ronquillo Chávez, C. C. (2024).
Herramientas e inteligencias artificiales para
la investigación científica. Dilemas
Contemporáneos: Educación, Política y
Valores.
https://dilemascontemporaneoseducacionpol
iticayvalores.com/index.php/dilemas/article/
view/4283
González-Ezeta, E., & Salcedo Marín, C. M.
(2025). Desarrollo Del Razonamiento
Lógico-Matemático A Través De Patrones
Numéricos Y Figurales: Estudio Aplicado
En La Unidad Educativa Santa María Del
Fiat. REFCALE: Revista Electrónica
Formación Y Calidad Educativa. ISSN
1390-9010, 13(2), 345–364.
https://doi.org/10.56124/refcale.v13i2.017
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 602
Herrera Escobar, G. H., Arriaga Coque, C. N.,
Delgado Reyes, V. I., Casquete Díaz, M. E.,
& Yépez Álava, N. C. (2025). Uso de la
Inteligencia Artificial en el Aprendizaje en
Estudiantes de Educación Básica Superior.
Ciencia Latina Revista Científica
Multidisciplinar, 9(2), 7870-7883.
https://doi.org/10.37811/cl_rcm.v9i2.17505
Junco Chávez, L. M., García Arellano, K. E.,
Ordoñez Vivero, R. E., & Reigosa Lara, A.
(2024). Aplicación de la teoría sociocultural
de Vygotsky y el rendimiento académico de
los estudiantes de segundo bachillerato:
English. Magazine De Las Ciencias: Revista
De Investigación E Innovación, 9(4), 86–
113. https://doi.org/10.33262/rmc.v9i4.3242
Labañino Palmeiro, L., Lorca Marin, A. A., De
las Heras Perez, M. de los A., & Campina
López, A. C. (2025). Evolución del concepto
de inteligencia artificial en la literatura
científica: Un análisis sistemático. Digital
Education Review, (46), 65–76.
https://doi.org/10.1344/der.2025.46.65-76
Martínez Molina, O. A. (2025). Implicaciones
Éticas de la Inteligencia Artificial:
Desarrollo, Impacto y Desafíos en la
Sociedad Actual: Ethical Implications of
Artificial Intelligence: Development, Impact
and Challenges in Today’s Society. Revista
Scientific, 10(Ed. Esp. 1), 10–24.
https://doi.org/10.29394/Scientific.issn.254
2-2987.2025.10.E1.0.10-24
Mendoza Solórzano, G. J., Avellán Avellán, L.
M., Arteaga Solórzano, R. A., & Barreiro
Mendoza, M. J. (2025). Desarrollo del
pensamiento lógico-matemático en el
aprendizaje de las matemáticas. Ediciones
UTM.
https://utm.edu.ec/ediciones/images/pdf/libr
os/2025/DESARROLLO%20DEL%20PEN
SAMIENTO%20L%C3%93GICO-
MATEM%C3%81TICO%20EN%20EL%2
0APRENDIZAJE%20DE%20LAS%20MA
TEM%C3%81TICAS.pdf
Mero Alcívar, E. D., Ordóñez Valencia, E. V..,
& Cevallos Alarcón, F. A.. (2025). Impacto
del uso de recursos digitales interactivos en
el aprendizaje de la resolución de problemas
aritméticos en Educación Básica. Remulci,
3(1), e–1195.
https://doi.org/10.59282/remulci.3.1.1195
Monroy Andrade, J. (2024). El uso de las
nuevas tecnologías en la enseñanza de las
matemáticas: una revisión sistemática.
Revista Tecnología, Ciencia Y Educación,
(28), 115–140.
https://doi.org/10.51302/tce.2024.18987
Mujica-Sequera, R. (2024). Clasificación de las
Herramientas de la Inteligencia Artificial en
la Educación. Revista Tecnológica-
Educativa Docentes 2.0, 17(1), 31-40.
https://doi.org/10.37843/rted.v17i1.513
Muñoz Rivas, Byron Javier, & Mendoza
Moreira, Francisco Samuel. (2022). El
pensamiento lógico-matemático y la
didáctica creativa: caso del circuito
educativo 13D01_C07 del Ecuador. Revista
San Gregorio, 1(52), 126-143.
https://doi.org/10.36097/rsan.v0i52.2206
Nuñez Vaca, E. (2024). Caracterización de las
directrices éticas, legales y sociales para la
conformación de un biobanco de
investigación en el Ecuador, desde la
perspectiva de los principios de
confidencialidad, dignidad y autonomía. Una
revisión sistemática. Revista Iberoamericana
De Bioética, 25, 01-25.
https://doi.org/10.14422/rib.i25.y2024.011
Ozdem-Yilmaz, Y., & Bilican, K. (2020).
Aprendizaje por descubrimiento—Jerome
Bruner. En La enseñanza de las ciencias en
teoría y práctica (pp. 177–190). Springer.
Discovery Learning—Jerome Bruner |
Request PDF.
https://www.researchgate.net/publication/34
4269431_Discovery_Learning-
Jerome_Bruner
Pérez-Gómez, M. (2026). El pensamiento
lógico como herramienta fundamental en la
didáctica de las matemáticas para construir
conocimiento. Revista Metropolitana De
Ciencias Aplicadas, 9(2), 55-61.
https://doi.org/10.62452/fy1yg096
Picún Fuentes, O., & Ache, S. (2024). Ética en
la investigación humana y social, una
práctica situada. Revista Uruguaya De
Antropología Y Etnografía, 9(1).
https://doi.org/10.29112/ruae.v9i1.2219
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 603
Puicaño Camavilca, A. L. (2024). Las TIC y su
influencia en el aprendizaje significativo en
una institución educativa peruana.
Horizontes Revista De Investigación En
Ciencias De La Educación, 8(32), 225–235.
https://doi.org/10.33996/revistahorizontes.v
8i32.718
Rambay Vega, K. del P., Saraguro Calle, S. D.,
& Tenesaca Lopez, J. E., (2026).
Herramientas digitales para impulsar la
motivación y el aprendizaje autónomo.
Sinergia Académica, 9(2), 14–34.
https://doi.org/10.51736/sa934
Rodríguez Yagual, C. A., & Calle Zuñiga, R. L.
(2024). Fortaleciendo el Pensamiento
Lógico Matemático en Estudiantes de
Secundaria: Influencia de la Plataforma
Moodle: Revista Scientific, 9(33), 108–128.
https://doi.org/10.29394/Scientific.issn.254
2-2987.2024.9.33.5.108-128
Rodríguez Yagual, C. A., De la Cruz
Rodríguez, J. D., Vélez Ramírez, P. A.,
Belduma Suquilanda, R. M., & Jumbo
Balcazar, G. L. (2023). Herramientas
digitales y aprendizaje de matemáticas en
estudiantes de una institución educativa de
Ecuador. Ciencia Latina Revista Científica
Multidisciplinar, 7(1), 961-971.
https://doi.org/10.37811/cl_rcm.v7i1.4449
Rodríguez, J. y Reguant, M. (2020). Calcular la
fiabilidad de un cuestionario o escala
mediante el SPSS: el coeficiente alfa de
Cronbach. Dialnet, 13(2).
https://dialnet.unirioja.es/servlet/articulo?co
digo=7672166
Rossetti-López, Sergio R., Bórquez-Tamayo,
Guadalupe, Ozuna-Beltrán, Altayra G., &
Arias-Herrera, José C. (2025). Use of
artificial intelligence tools by higher
education students. Formación universitaria,
18(5), 125-134.
https://dx.doi.org/10.4067/s0718-
50062025000500125
Ruiz Peralta, K. A., & Reyes Acaro, M. J.
(2025). Estrategias didácticas para el proceso
de enseñanza aprendizaje de matemáticas en
educación secundaria. Revista Uniandes
Episteme, 12(2), 255–276.
https://doi.org/10.61154/rue.v12i2.3699
Sattari-Ardabili, F.., & De Hoyos-Guevara, A.
J. (2026). Conectivismo y aprendizaje en red
en la educación superior contemporánea.
Revista Metropolitana De Ciencias
Aplicadas, 9(2), 90-97.
https://doi.org/10.62452/m94ra565
Simbaña Ñauñay, V. (2025). Uso de la IA para
modelar el proceso metacognitivo en la
resolución de problemas matemáticos en
estudiantes de primer semestre 2024-2025 de
la Universidad Central Del Ecuador, Carrera
de Pedagogía de las Ciencias Experimentales
Matemáticas y Física. Universidad Central
del Ecuador.
https://www.dspace.uce.edu.ec/handle/2500
0/37270
Simbaña Tupiza, L. P., Vásquez Hidalgo, G. del
R., Morán Ronquillo, V. D., Sarmiento
Bravo, A. V., Salazar Herrera, V. M., &
Bravo Vega, C. D. (2025). Aprendizaje
basado en problemas para la enseñanza de
ecuaciones de primer grado en educación
básica. Revista Científica Multidisciplinaria
Ogma, 4(1), 12-23.
https://doi.org/10.69516/g6snzn39
Soledispa Chico, Georgina Elizabeth, & Parra
Romero, Scarlett Mariela. (2024).
Estrategias heurísticas en las capacidades de
resolución de problemas matemáticos.
Universidad, Ciencia y Tecnología,
28(especial), 88-97. Epub 30 de diciembre
de 2024.
https://doi.org/10.47460/uct.v28ispecial.775
Suárez, D. H.. (2023). El giro pedagógico en el
currículo, en la formación y en la profesión
docente: experiencias, principios e
inspiraciones con la investigación narrativa
en educación. E-Curriculum Magazine, 21,
e60011. https://doi.org/10.23925/1809-
3876.2023v21e60011
Tóala Zambrano, M. M., Giler Sarmiento, J. A.,
& Gutiérrez García, J. L. (2024). Las
matemáticas y el uso de la inteligencia
artificial (IA). UNESUM - Ciencias. Revista
Científica Multidisciplinaria, 8(3), 16–23.
https://doi.org/10.47230/unesum-
ciencias.v8.n3.2024.16-23
Trujillo Gonzalez, R., Aplicaciones de la
Inteligencia Artificial. Resolución de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 5.1
Edición Especial UNEMI 2026
Página 604
problemas usando herramientas LLM.
(2025). Universidad de La Laguna.
https://riull.ull.es/xmlui/bitstream/handle/91
5/43049/Aplicaciones%20de%20la%20Intel
igencia%20Artificial.%20Resolucion%20de
%20problemas%20usando%20herramientas
%20LLM..pdf?sequence=1
Valor Yébenes, J. A. (2024). Alan Turing y el
origen de la inteligencia artificial: La
superación de la intuición. Naturaleza Y
Libertad. Revista De Estudios
Interdisciplinares, 18.
https://doi.org/10.24310/nyl.18.2024.19496
Vinueza, C., Paucar, B., Checa, J., & Gastezzi,
M. (2023). Desarrollo de las inteligencias
múltiples y rendimiento escolar en
matemáticas. Dominio de las Ciencias, 9(3),
172 - 201. Obtenido de
https://dominiodelasciencias.com/ojs/index.
php/es/article/view/3438
Vizcaíno Zúñiga, P. I., Cedeño Cedeño, R. J., &
Maldonado Palacios, I. A. (2023).
Metodología de la investigación científica:
guía práctica. Ciencia Latina Revista
Científica Multidisciplinar, 7(4), 9723-9762.
https://doi.org/10.37811/cl_rcm.v7i4.7658
Zambrano, E, Vásquez, C. E., Espinoza
Zorrilla, J. L., Alvarado Ortiz, G. D., Maximí
Chancay, A. E., & Mora Plúas, I. A. (2026).
Uso de Plataformas con Inteligencia
Artificial para el Fortalecimiento del
Pensamiento Lógico-Matemático. Ciencia
Latina Revista Científica Multidisciplinar,
10(1), 2684-2700.
https://doi.org/10.37811/cl_rcm.v10i1.2241
9
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Kelly Lisette Jumbo
Ordóñez, Rosa Jazmin Coello Olea, Viviana Nayeli
Quispe Rivadeneira y Ángel Cesar Mendoza
Hidalgo.
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT)
Kelly Lisette Jumbo Ordóñez: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los
datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.
Rosa Jazmin Coello Olea: curación y organización de los datos, participación en la recolección de información, validación de los resultados obtenidos
y elaboración de representaciones gráficas y visualización de los datos.
Viviana Nayeli Quispe Rivadeneira: curación y organización de los datos, participación en la recolección de información, validación de los resultados
obtenidos y elaboración de representaciones gráficas y visualización de los datos.
Ángel Cesar Mendoza Hidalgo: provisión de recursos académicos y materiales para el desarrollo del estudio, apoyo en la administración del proyecto
investigativo y revisión editorial del manuscrito antes de su publicación.
Declaración de conflicto de intereses
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del
presente artículo.
Declaración de financiamiento
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de
existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.
Declaración del editor
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica, transparencia
y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego, garantizando la
confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor declara que el artículo
cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.
Declaración de los revisores
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que sus
observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.
Declaración ética de la investigación
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad
de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben ajustarse
a los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.
Declaración sobre el uso de inteligencia artificial
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción
del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del manuscrito
ni sustituyen la responsabilidad académica de los investigadores.
Disponibilidad de datos
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las
normas éticas y de confidencialidad establecidas por la investigación.