Comprensión matemática en la era de la inteligencia artificial: riesgos y reconfiguración de la competencia matemática
DOI:
https://doi.org/10.64325/IJIP.v3i2.57Palabras clave:
Educación matemática, inteligencia artificial generativa, epistemología, riesgo epistemológico, agencia epistémicaResumen
Este artículo presenta una revisión narrativa teórico-crítica, apoyada en una búsqueda bibliográfica estructurada, sobre las implicaciones epistemológicas de la Inteligencia Artificial Generativa (IAG) en la educación matemática. La síntesis integró 35 fuentes: 22 aportes teórico-fundacionales y 13 estudios o revisiones recientes sobre IA y aprendizaje. Se argumenta que la disponibilidad de sistemas capaces de producir soluciones, demostraciones y explicaciones plausibles debilita la equivalencia entre respuesta correcta y comprensión genuina. El término riesgo epistémico posee antecedentes en la filosofía de la ciencia; la contribución específica del trabajo consiste en adaptarlo al campo didáctico como condición en la que el estudiante obtiene productos formalmente válidos mientras delega procesos de razonamiento, validación y regulación metacognitiva. Se propone reconfigurar la competencia matemática como un sistema integrado de razonamiento, modelación, juicio y validación crítica, articulado por la agencia epistémica. Esta puede reconocerse cuando el estudiante justifica decisiones, explicita supuestos, contrasta fuentes, detecta inconsistencias en respuestas generadas por IA y reformula soluciones con autonomía. Finalmente, se derivan implicaciones para el diseño de tareas, la mediación docente y la evaluación del juicio matemático.
Descargas
Referencias
Artigue, M. (2002). Learning mathematics in a CAS environment. International Journal of Computers for Mathematical Learning, 7(3), 245–274. https://doi.org/10.1023/A:1022103903080
Artigue, M. (2014). Didactical engineering in mathematics education. Educational Studies in Mathematics, 85(3), 329–347. https://doi.org/10.1007/s10649-014-9548-0
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
Bauer, E., Greiff, S., Graesser, A. C., Scheiter, K., & Sailer, M. (2025). Looking beyond the hype: Understanding the effects of AI on learning. Educational Psychology Review, 37, Article 45. https://doi.org/10.1007/s10648-025-10020-8
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
Biddle, J. B. (2020). On predicting recidivism: Epistemic risk, tradeoffs, and values in machine learning. Canadian Journal of Philosophy, 52(3), 321–341. https://doi.org/10.1017/can.2020.27
Biddle, J. B., & Kukla, R. (2017). The geography of epistemic risk. In K. C. Elliott & T. Richards (Eds.), Exploring inductive risk: Case studies of values in science (pp. 215–238). Oxford University Press. https://doi.org/10.1093/acprof:oso/9780190467715.003.0011
Carnap, R. (1934). The logical syntax of language. Routledge & Kegan Paul.
Chevallard, Y. (1998). La transposición didáctica: Del saber sabio al saber enseñado. Aique.
Clark, A. (2008). Supersizing the mind: Embodiment, action, and cognitive extension. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780195333213.001.0001
Comte, A. (1853). The positive philosophy of Auguste Comte. Calvin Blanchard.
Ernest, P. (1991). The philosophy of mathematics education. Falmer Press.
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530. https://doi.org/10.1111/bjet.13544
Floridi, L. (2014). The fourth revolution: How the infosphere is reshaping human reality. Oxford University Press.
Floridi, L., & Chiriatti, M. (2020). GPT-3: Its nature, scope, limits, and consequences. Minds and Machines, 30, 681–694. https://doi.org/10.1007/s11023-020-09548-1
Freudenthal, H. (1991). Revisiting mathematics education: China lectures. Kluwer Academic Publishers.
Gravemeijer, K. (1994). Developing realistic mathematics education. Freudenthal Institute.
Hiebert, J. (1986). Conceptual and procedural knowledge: The case of mathematics. Educational Studies in Mathematics, 17(1), 1–17. https://doi.org/10.1007/BF00302375
Hiebert, J., & Carpenter, T. P. (1992). Learning and teaching with understanding. In D. A. Grouws (Ed.), Handbook of research on mathematics teaching and learning (pp. 65–97). Macmillan.
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., Stadler, M., Weller, J., Kuhn, J., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Kilpatrick, J., Swafford, J., & Findell, B. (2001). Adding it up: Helping children learn mathematics. National Academy Press. https://doi.org/10.17226/9822
Lo, C. K. (2023). What is the impact of ChatGPT on education? A rapid review of the literature. Education Sciences, 13(4), Article 410. https://doi.org/10.3390/educsci13040410
Mollick, E. R., & Mollick, L. (2023). Using AI to implement effective teaching strategies in classrooms: Five strategies, including prompts. The Wharton School Research Paper. https://doi.org/10.2139/ssrn.4391243
Niss, M. (2003). Mathematical competencies and the learning of mathematics. In A. Gagatsis & S. Papastavridis (Eds.), Proceedings of the 3rd Mediterranean Conference on Mathematical Education (pp. 115–124). Hellenic Mathematical Society.
Niss, M., & Højgaard, T. (2019). Mathematical competencies revisited. Educational Studies in Mathematics, 102(1), 9–28. https://doi.org/10.1007/s10649-019-09903-9
Rabardel, P. (1995). Les hommes et les technologies: Approche cognitive des instruments contemporains. Armand Colin.
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002
Schoenfeld, A. H. (1985). Mathematical problem solving. Academic Press.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Skemp, R. R. (1976). Relational understanding and instrumental understanding. Mathematics Teaching, 77, 20–26.
Skovsmose, O. (2011). An invitation to critical mathematics education. Sense Publishers. https://doi.org/10.1007/978-94-6091-442-3
Taani, O., & Alabidi, S. (2024). ChatGPT in education: Benefits and challenges of ChatGPT for mathematics and science teaching practices. International Journal of Mathematical Education in Science and Technology. Advance online publication. https://doi.org/10.1080/0020739X.2024.2357341
Walter, Y. (2024). Embracing the future of artificial intelligence in the classroom: The relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education, 21, Article 15. https://doi.org/10.1186/s41239-024-00448-3
Yan, L., Greiff, S., Teuber, Z., & Gašević, D. (2024). Promises and challenges of generative artificial intelligence for human learning. Nature Human Behaviour, 8, 1839–1850. https://doi.org/10.1038/s41562-024-02004-5
Yoon, H., Hwang, J., Lee, K., Roh, K. H., & Kwon, O. N. (2024). Students’ use of generative artificial intelligence for proving mathematical statements. ZDM–Mathematics Education, 56, 1531–1551. https://doi.org/10.1007/s11858-024-01629-0
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Fernando José Hernández Gómez, Cliffor Jerry Herrera Castrillo, Teresa Hernández Castillo (Author)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
