Evolución del rendimiento académico en Física mediante inteligencia artificial y simulaciones PhET en estudiantes bachillerato Changes in academic performance in physics using artificial intelligence and PhET simulations among high school students

Contenido principal del artículo

Gabriela Sonia Álvarez Silvestre
Ingrid Fabiana Martínez González
Blanca Azucena Ramírez Morán
Alexis Desire Quezada Ramírez
William Israel Vilema Endara

Resumen

El electromagnetismo representa un desafío pedagógico complejo en la educación secundaria debido a la necesidad de articular modelos teóricos abstractos con representaciones matemáticas y aplicaciones físicas observables, contexto en el cual la integración de simulaciones virtuales PhET y herramientas de inteligencia artificial generativa surge como una alternativa idónea para facilitar la visualización interactiva y la retroalimentación inmediata en el aula. En este marco, el objetivo de la investigación fue determinar la efectividad de un ecosistema tecnológico con inteligencia artificial y simulaciones PhET para el aprendizaje del electromagnetismo en estudiantes de bachillerato. Se empleó un enfoque cuantitativo con un diseño preexperimental de un solo grupo con medidas repetidas en una muestra de 45 estudiantes, evaluando el desempeño en las fases diagnóstica, formativa y sumativa mediante la articulación de PhET, ChatGPT, Gemini, Tracker, Arduino y plataformas de gestión, cuyos datos fueron analizados con ANOVA de medidas repetidas. Los resultados revelaron un incremento estadísticamente significativo en el rendimiento académico (F = 53,938, p < 0,001), donde la puntuación media aumentó de 6,533 puntos en la etapa diagnóstica a 7,389 en la formativa y alcanzó 8,261 en la sumativa, acumulando una mejora total de 1,728 puntos entre el inicio y el cierre. Por ello, la implementación sinérgica del ecosistema tecnológico cumple satisfactoriamente el objetivo investigativo al demostrar que la combinación de mediación didáctica e innovación digital favorece el rendimiento estudiantil.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Álvarez Silvestre, G. S. ., Martínez González, I. F., Ramírez Morán, B. A. ., Quezada Ramírez, A. D. ., & Vilema Endara, W. I. . (2026). Evolución del rendimiento académico en Física mediante inteligencia artificial y simulaciones PhET en estudiantes bachillerato: Changes in academic performance in physics using artificial intelligence and PhET simulations among high school students. Revista Científica Multidisciplinar G-Nerando, 7(2), Pág. 4110 –. https://doi.org/10.66473/rcmg.v7i2.1490
Sección
Artículos

Citas

Aguay, D., Aguirre, D., Aguay, D., & Ilbay, A. (2025). Efectividad de la simulación computacional en la enseñanza de la física en educación superior: Una revisión sistemática. Invecom, 6(2). https://doi.org/https://doi.org/10.5281/zenodo.16051280

Aguilar, F., Flores, J., & Pacheco, D. (2023). Enseñanza en línea de las leyes de Newton, utilizando simulaciones PhET. Innovación educativa, 23(92). https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665-26732023000200112&lng=es&nrm=iso&tlng=es

Bolaño, M., & Duarte, N. (2026). Una revisión sistemática del uso de la inteligencia artificial en la educación | Revista Colombiana de Cirugía. 39(1). https://doi.org/https://doi.org/10.30944/20117582.2365

Chávez, S., Esparza, Ó., & Riosvelasco, L. (2020). Diseños preexperimentales y cuasiexperimentales aplicados a las ciencias sociales y la educación. Enseñanza e Investigación en Psicología, 2(2), 167-178. https://doi.org/10.62364/4fx57130

Clark, A., Robutti, O., & Thomas, M. (2020). Teaching with digital technology. ZDM, 52(7), 1223-1242. https://doi.org/10.1007/s11858-020-01196-0

Des, D. C., Lyles, C., & Crepaz, N. (2004). Improving the Reporting Quality of Nonrandomized Evaluations of Behavioral and Public Health Interventions: The TREND Statement. American Journal of Public Health, 94(3), 361-366. https://doi.org/10.2105/ajph.94.3.361

Eidman, L., & de la Iglesia, G. (2025). Análisis psicométricos de una Escala de Mindsets en población Argentina. Revista Evaluar, 25(1). https://revistas.unc.edu.ar/index.php/revaluar

Erazo, J., Inagán, F., Jácome, H., & Suárez, D. (2024). Las TICs en el proceso de enseñanza- aprendizaje de la física en el bachillerato. Sinergia Académica, 7(Especial 3), 520-533. https://doi.org/10.51736/2qatcp44

García, F., Llorens, F., & Vidal, J. (2024). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 9-39. https://doi.org/10.5944/ried.27.1.37716

Lakens, D. (2022). Sample Size Justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267

Medeiros, R., Duarte, M., & Oliveira, J. (2026). El uso de simulaciones PhET en la enseñanza de la física: Una revisión sistemática. Enseñanza de las Ciencias. Revista de investigación y experiencias didácticas, 44(2), 5-27. https://doi.org/10.5565/rev/ensciencias.6230

Ramos, C. (2022). Diseños de investigación experimental. CienciAmérica, 10(1). https://doi.org/http://dx.doi.org/10.33210/ca.v10i1.356

Romero, H., Ñaupas, H., Pañacios, J., & Valdivia, M. (2018). Metodología de la investigación. Cuantitativa—Cualitativa y redacción de la tesis. https://edicionesdelau.com/producto/metodologia-de-la-investigacion-cuantitativa-cualitativa-y-redaccion-de-la-tesis-5a-edicion/

UNESCO. (2024). Guía para el uso de IA generativa en educación e investigación. https://unesdoc.unesco.org/ark:/48223/pf0000389227

Artículos más leídos del mismo autor/a