Project Title
Impacto de una aplicación con inteligencia artificial para la autorregulación del aprendizaje, integrada al aula virtual, en el desarrollo del aprendizaje autorregulado y los resultados educativos de estudiantes universitarios
Partner Organisations
University of Concepción
Internal ID
1252126
Principal Investigator
KARLA LOBOS PEÑA
Type
basic research
Status
VIGENTE
Start Date
April 1, 2025
End Date
April 1, 2029
Investigators
Organisations
Description
El presente proyecto de investigación busca perfeccionar, ampliar y elevar el alcance de una aplicación web
para promover la autorregulación del aprendizaje (ARA) integrada al aula virtual del LMS CANVAS durante
los años 2022 a 2024 en el marco del Fondecyt de Inicio a la Investigación 11221355 y que fue implementada
con estudiantes de pregrado de asignaturas críticas de carreras STEM en una universidad del sur de Chile.
La nueva App será mejorada en base a los resultados obtenidos en la investigación realizada en la etapa
anterior y se incorporará el uso de Inteligencia Artificial (IA) para la generación de funcionalidades más
eficientes y efectivas en la promoción de la ARA. Además, incluye ajustes razonables para la inclusión de
estudiantes con diversas capacidades y necesidades y un enfoque ético y responsable en el uso de la IA en
entornos educativos.
El diseño del estudio es cuantitativo, experimental, randomizado por conglomerados, correspondientes a las
secciones de asignaturas, con grupo experimental y control, usando medición pre y post test. Se busca
manipular la variable independiente, el uso de aula virtual con aplicación de ARA con IA v/s el no uso de esta
aplicación, para observar sus efectos sobre los niveles de desarrollo de estrategias de planificación del
estudio, ejecución y evaluación de los procesos autorregulados de aprendizaje en contextos educativos
mixtos y sus resultados educativos (conductas de compromiso con el aula virtual, rendimiento académico y
aprobación de asignatura).
Como participantes se contará con los estudiantes de asignaturas de primer año de 10 carreras, dos por cara
área del conocimiento según clasificación de la OCDE, con matrículas estables a lo largo de los últimos 5
años, con bajas tasas de aprobación (<25%), en cada una de las tres universidades comprometidas.
Para la medición pre y post test se utilizará: a) el Cuestionario de Estrategias de Autorregulación del
aprendizaje para Educación en Línea o Mixta (CEAE-EL/BL) (Lobos et al., 2024), b) los datos de rendimiento
académico y aprobación serán extraídos de la base de datos oficial de cada Universidad, y c) los datos de la
App ARA con IA y del comportamiento en el aula virtual, desde CANVAS Data.
Para analizar los impactos de la intervención en las variables de autorregulación del aprendizaje y resultados
educativos (comportamiento de compromiso en el aula virtual, rendimiento académico y
aprobación/reprobación), se utilizarán modelos lineales jerárquicos con una estructura análoga al ANCOVA,
siendo la variable dependiente el resultado en el post test el factor principal la participación o no con la
aplicación, como variables control, las sociodemográficas, de desempeño previo y áreas del conocimiento
como efectos fijos, y la estructura académica de asignaturas y secciones, como efectos aleatorios. Se utilizará
como prueba de hipótesis la prueba de razón de verosimilitud.
Para estudiar la hipótesis de moderación, se analizará la interacción de las variables sociodemográficas y de
desempeño previo, con el efecto de la aplicación, para determinar, en primer lugar, si existe un efecto de
moderación general, para después usando análisis post-hoc, determinar cuál de las variables resulta
moderadora.
En cuanto a los procedimientos éticos, la participación de los docentes y de los estudiantes estará
condicionada a la aceptación individual de los términos del documento de Consentimiento Informado
correspondiente. Los datos recopilados a través de las plataformas formales de cada universidad y los de
CANVAS LSM serán ocultados y codificados para el manejo, tratamiento y análisis, de modo que no
aparecerán en ningún producto del estudio como presentaciones en conferencias, publicaciones o informes.
Para el uso ético y responsable de la IA se tomarán medidas adicionales de transparencia, manejo de sesgos,
entre otros.
Como resultado de este proyecto se pretende contar con una aplicación de autorregulación del aprendizaje
con inteligencia artificial, integrada al aula virtual de CANVAS, con evidencia empírica de su efectividad, de
código abierto, que ayude a los estudiantes a desplegar estrategias de autorregulación del aprendizaje en
contexto de educación mixta, variable considerada como crítica para el éxito académico y con antecedentes
de gran influencia en la intención de abandono en estudiantes universitarios. Se busca facilitar en los
estudiantes de educación superior el logro de trayectorias académicas más exitosas y una mejora significativa
en su experiencia educativa.
para promover la autorregulación del aprendizaje (ARA) integrada al aula virtual del LMS CANVAS durante
los años 2022 a 2024 en el marco del Fondecyt de Inicio a la Investigación 11221355 y que fue implementada
con estudiantes de pregrado de asignaturas críticas de carreras STEM en una universidad del sur de Chile.
La nueva App será mejorada en base a los resultados obtenidos en la investigación realizada en la etapa
anterior y se incorporará el uso de Inteligencia Artificial (IA) para la generación de funcionalidades más
eficientes y efectivas en la promoción de la ARA. Además, incluye ajustes razonables para la inclusión de
estudiantes con diversas capacidades y necesidades y un enfoque ético y responsable en el uso de la IA en
entornos educativos.
El diseño del estudio es cuantitativo, experimental, randomizado por conglomerados, correspondientes a las
secciones de asignaturas, con grupo experimental y control, usando medición pre y post test. Se busca
manipular la variable independiente, el uso de aula virtual con aplicación de ARA con IA v/s el no uso de esta
aplicación, para observar sus efectos sobre los niveles de desarrollo de estrategias de planificación del
estudio, ejecución y evaluación de los procesos autorregulados de aprendizaje en contextos educativos
mixtos y sus resultados educativos (conductas de compromiso con el aula virtual, rendimiento académico y
aprobación de asignatura).
Como participantes se contará con los estudiantes de asignaturas de primer año de 10 carreras, dos por cara
área del conocimiento según clasificación de la OCDE, con matrículas estables a lo largo de los últimos 5
años, con bajas tasas de aprobación (<25%), en cada una de las tres universidades comprometidas.
Para la medición pre y post test se utilizará: a) el Cuestionario de Estrategias de Autorregulación del
aprendizaje para Educación en Línea o Mixta (CEAE-EL/BL) (Lobos et al., 2024), b) los datos de rendimiento
académico y aprobación serán extraídos de la base de datos oficial de cada Universidad, y c) los datos de la
App ARA con IA y del comportamiento en el aula virtual, desde CANVAS Data.
Para analizar los impactos de la intervención en las variables de autorregulación del aprendizaje y resultados
educativos (comportamiento de compromiso en el aula virtual, rendimiento académico y
aprobación/reprobación), se utilizarán modelos lineales jerárquicos con una estructura análoga al ANCOVA,
siendo la variable dependiente el resultado en el post test el factor principal la participación o no con la
aplicación, como variables control, las sociodemográficas, de desempeño previo y áreas del conocimiento
como efectos fijos, y la estructura académica de asignaturas y secciones, como efectos aleatorios. Se utilizará
como prueba de hipótesis la prueba de razón de verosimilitud.
Para estudiar la hipótesis de moderación, se analizará la interacción de las variables sociodemográficas y de
desempeño previo, con el efecto de la aplicación, para determinar, en primer lugar, si existe un efecto de
moderación general, para después usando análisis post-hoc, determinar cuál de las variables resulta
moderadora.
En cuanto a los procedimientos éticos, la participación de los docentes y de los estudiantes estará
condicionada a la aceptación individual de los términos del documento de Consentimiento Informado
correspondiente. Los datos recopilados a través de las plataformas formales de cada universidad y los de
CANVAS LSM serán ocultados y codificados para el manejo, tratamiento y análisis, de modo que no
aparecerán en ningún producto del estudio como presentaciones en conferencias, publicaciones o informes.
Para el uso ético y responsable de la IA se tomarán medidas adicionales de transparencia, manejo de sesgos,
entre otros.
Como resultado de este proyecto se pretende contar con una aplicación de autorregulación del aprendizaje
con inteligencia artificial, integrada al aula virtual de CANVAS, con evidencia empírica de su efectividad, de
código abierto, que ayude a los estudiantes a desplegar estrategias de autorregulación del aprendizaje en
contexto de educación mixta, variable considerada como crítica para el éxito académico y con antecedentes
de gran influencia en la intención de abandono en estudiantes universitarios. Se busca facilitar en los
estudiantes de educación superior el logro de trayectorias académicas más exitosas y una mejora significativa
en su experiencia educativa.
Keywords
Fields of Science and Technology (OECD)
Social sciences
1 results
Filters
Settings
Now showing 1 - 1 of 1
- Some of the metrics are blocked by yourconsent settings
Item type:Funding, 56