De las aulas a los ecosistemas de innovación: educación STEAM mejorada con IA en las escuelas primarias de Atlántico, Colombia
DOI:
https://doi.org/10.21803/ingecana.6.6.1065Palabras clave:
Inteligencia Artificial, Ecosistemas de Innovación, Análisis del Aprendizaje, Educación Primaria, Educación STEAMResumen
Introducción: La inteligencia artificial (IA) se posiciona cada vez más como una palanca estratégica para modernizar la educación; sin embargo, su integración en la enseñanza primaria en las regiones emergentes sigue siendo desigual y, con frecuencia, fuera de contexto. Objetivo: Este artículo propone y evalúa un marco STEAM (ciencia, tecnología, ingeniería, artes y matemáticas) potenciado por la IA, diseñado para escuelas primarias de Atlántico, Colombia. Metodología: El estudio integra el aprendizaje adaptativo, la colaboración entre docentes y IA, y laboratorios STEAM basados en proyectos que parten de los retos locales. Se utiliza un diseño de métodos mixtos: (i) un componente cualitativo fenomenológico que recoge las experiencias de docentes y alumnos, y (ii) un componente cuasi-
experimental que compara un grupo de IA-STEAM y un grupo de control en cuanto a indicadores de participación, resolución de problemas, creatividad y comportamientos colaborativos. Resultados: muestran mejoras consistentes en el crecimiento del rendimiento, los índices de participación y los comportamientos
de innovación en el aula en el grupo de intervención,
respaldadas por una estructura ANOVA unidireccional y análisis visuales complementarios (curvas de progreso, gráficos de barras y diagramas de caja). Conclusiones: Los hallazgos sugieren que el STEAM potenciado por IA puede llevar a las escuelas más allá de la transmisión de contenidos hacia ecosistemas de innovación temprana que refuercen la equidad, la autonomía y el desarrollo de capacidades regionales.
Descargas
Referencias
J. D. Bransford, A. L. Brown, and R. R. Cocking, Eds., How People Learn: Brain, Mind, Experience, and School. Washington, DC, USA: National Academies Press, 2000.
L. S. Vygotsky, Mind in Society: The Development of Higher Psycho- logical Processes. Cambridge, MA, USA: Harvard Univ. Press, 1978.
UNESCO, AI and Education: Guidance for Policy-makers. Paris, France: UNESCO, 2021.
World Economic Forum, The Future of Jobs Report 2023. Geneva, Switzerland: WEF, 2023.
R. K. Sawyer, The Cambridge Handbook of the Learning Sciences, 2nd ed. Cambridge, U.K.: Cambridge Univ. Press, 2014.
G. Yakman, “STEAM education: An overview of creating a model of integrative education,” in Proc. PATT-19 Conf.: Research in Technology Education, 2008.
P. Black and D. Wiliam, “Assessment and classroom learning,” Assess- ment in Education, vol. 5, no. 1, pp. 7–74, 1998.
L. Darling-Hammond, M. E. Hyler, and M. Gardner, Effective Teacher Professional Development. Palo Alto, CA, USA: Learning Policy Insti- tute, 2020.
B. P. Woolf, Building Intelligent Interactive Tutors. Burlington, MA, USA: Morgan Kaufmann, 2010.
R. S. Baker and P. S. Inventado, “Educational data mining and learning analytics,” in Learning Analytics: From Research to Practice, J. A. Larusson and B. White, Eds. New York, NY, USA: Springer, 2014, pp. 61–75.
G. Siemens and R. S. Baker, “Learning analytics and educational data mining: Towards communication and collaboration,” in Proc. 2nd Int. Conf. Learning Analytics & Knowledge (LAK), 2012, pp. 252–254.
UNESCO, Guidance for Generative AI in Education and Research. Paris, France: UNESCO, 2023.
N. Selwyn, Should Robots Replace Teachers? AI and the Future of Education. Cambridge, U.K.: Polity Press, 2019.
OECD, The Potential Impact of Artificial Intelligence on Equity and Inclusion in Education. OECD Education Working Paper, 2024.
B. Williamson, R. Eynon, and J. Potter, “Pandemic politics, pedagogies and practices: Digital technologies and distance education during the coronavirus emergency,” Learning, Media and Technology, vol. 45, no. 2, pp. 107–114, 2020.
F. Borgonovi et al., AI Adoption in the Education System. Paris, France: OECD, 2025.
R. Luckin, W. Holmes, M. Griffiths, and L. Forcier, Intelligence Un- leashed: An Argument for AI in Education. London, U.K.: Pearson, 2016.
M. Resnick, “All I really need to know (about creative thinking) I learned (by studying how children learn) in kindergarten,” in Proc. ACM SIGCHI Conf. Creativity & Cognition, 2007, pp. 1–6.
J. S. Krajcik and P. C. Blumenfeld, “Project-based learning,” in The Cambridge Handbook of the Learning Sciences, R. K. Sawyer, Ed. Cambridge, U.K.: Cambridge Univ. Press, 2006, pp. 317–334.
J. Piaget, The Origins of Intelligence in Children. New York, NY, USA: International Universities Press, 1952.
J. Sweller, “Cognitive load during problem solving: Effects on learning,”
Cognitive Science, vol. 12, no. 2, pp. 257–285, 1988.
B. F. Skinner, “The science of learning and the art of teaching,” Harvard Educational Review, vol. 24, no. 2, pp. 86–97, 1954.
J. Hattie, Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating to Achievement. London, U.K.: Routledge, 2009.
E. Wenger, Communities of Practice: Learning, Meaning, and Identity. Cambridge, U.K.: Cambridge Univ. Press, 1998.
W. Holmes, M. Bialik, and C. Fadel, Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Boston, MA, USA: Center for Curriculum Redesign, 2019.
J. W. Creswell and V. L. Plano Clark, Designing and Conducting Mixed Methods Research, 3rd ed. Thousand Oaks, CA, USA: SAGE, 2018.
M. van Manen, Researching Lived Experience, 2nd ed. New York, NY, USA: Routledge, 2016.
W. R. Shadish, T. D. Cook, and D. T. Campbell, Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Boston, MA, USA: Houghton Mifflin, 2002.
A. Field, Discovering Statistics Using IBM SPSS Statistics, 4th ed. London, U.K.: SAGE, 2013.
NGSS Lead States, Next Generation Science Standards: For States, By States. Washington, DC, USA: National Academies Press, 2013.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 InGente Americana
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
