Efecto de Metodologías Activas en la aceptación de la Inteligencia Artificial en la enseñanza de Geometría

Edgar Jarib Castro-Luna

Authors

Edgar Jarib Castro-Luna Centro de Actualización del Magisterio de Durango https://orcid.org/0009-0008-6044-3395

Keywords:

Technology acceptance, Teacher training, Geometry, Artificial intelligence, Active methodologies

Abstract

The research was focused on determining the effect of implementing Active Methodologies mediated by generative artificial intelligence tools in the subject of Geometry, as well as in its learning and teaching, in the third semester of the Bachelor’s Degree in Primary Education at the Teacher Training Center of Durango. The adapted and validated Technological Acceptance instrument proposed by Zhai et al. (2024) was used. The study was developed using a quantitative approach, under a longitudinal quasi-experimental design with an explanatory scope; 34 pre-service teachers from two groups participated, selected by interest, forming a Control Group and an Experimental Group. The Shapiro-Wilk normality test was applied, identifying that the data did not approximate a normal distribution. As a result, no statistically significant differences were found in the pretest when applying the Mann-Whitney U test. After the intervention was implemented with the Experimental Group, the posttest results were statistically significant at the significance level (α = 0.05); therefore, the actual effect size was calculated using Rosenthal’s r coefficient. A large effect was obtained, with r = 0.576. It is concluded that the implementation of Active Methodologies through generative Artificial Intelligence tools, integrating collaborative practices and digital resources, significantly enhances technological acceptance and strengthens pre-service teachers’ capacity to construct their own knowledge.

References

Araya Cortés, A., & Sotomayor Soloaga, P. (2025). Metodologías Activas en la Educación Superior en Iberoamérica: Un Mapeo Sistemático. Revista Educación Las Américas, 14(1). https://doi.org/10.35811/rea.v14i1.330

Canut Díaz Velard, M. E., & Torres-Ramos, I. (2023). Psychometric Analysis of Diagnosis Test Items Using the Rasch Model: Analisis psicométricos de ítems de una prueba diagnóstico sobre estadística descriptiva utilizando el modelo de Rasch. Revista Digital: Matemática, Educación E Internet, 23(2). https://doi.org/10.18845/rdmei.v23i2.6586

Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Houghton Mifflin. https://www.jameslindlibrary.org/wp-data/uploads/2016/01/Campbell_Stanley-Experimental_and_Quasi-Experimental_Designs_for_Research_1963.pdf

Cárdenas-Pañi, M. E., & Padilla-Pallazhco, M. V. (2026). Metodologías activas en la educación superior virtual: una revisión bibliográfica. Revista Científica Ciencia y Método, 4(1), 170-190. https://doi.org/10.55813/gaea/rcym/v4/n1/144

Castro Luna, E. J., & Espinosa Sánchez, D. M. (2026). Adaptación y Validación del Modelo TAAI para Evaluar la Aceptación de la Inteligencia Artificial por el alumnado del CAM, Durango. En Asociación Normalista de Doctores Investigadores (Eds.), Docencia, comunidad e innovación educativa en México (pp. 92-114). ANDIAC. https://andiac.org/CEINN2025/Docencia,comunidadeinnovacioneducativaenMexico.pdf

Castro-Luna, E. J. (2026). Impacto del Efecto IKEA en la motivación y la metacognición en Entornos Virtuales de Aprendizaje en la formación inicial docente. RIDE Revista Iberoamericana Para La Investigación Y El Desarrollo Educativo, 16(31). https://doi.org/10.23913/ride.v16i31.2768

Cuevas Cajiga, Yazmín. (2025). Reportes de investigación que emplean la metodología cuantitativa. Una reflexión urgente. Revista Mexicana de Investigación Educativa, 30(106), 651-655. Epub 22 de agosto de 2025. Recuperado en 13 de marzo de 2026, de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-66662025000300651&lng=es&tlng=es.

Codina, L. (2020). Revisiones sistematizadas en Ciencias Humanas y Sociales. 2: Búsqueda y Evaluación. En C. Lopezosa, J. Díaz-Noci & L. Codina (Eds.), Methodos. Anuario de Métodos de Investigación en Comunicación Social (Vol. 1, pp. 61-72). Universitat Pompeu Fabra. https://doi.org/10.31009/methodos.2020.i01.06

Crous, G., Rodríguez-Rodríguez, J., & Padilla-Petry, P. (2024). Metodologías activas en la educación superior: el caso de la docencia no-presencial durante la pandemia de la Covid-19. Educatio Siglo XXI, 42(1), 9–32. https://doi.org/10.6018/educatio.550001

Dirección General de Educación Superior para el Magisterio [DGESuM]. (2022). Normas de control escolar para los planes de estudio 2022 de las licenciaturas en educación inicial, preescolar, primaria, inclusión educativa, educación especial, educación física y enseñanza y aprendizaje. Secretaría de Educación Pública. https://dgesum.sep.gob.mx/storage/recursos/normatividad/a7nqe9Glbt-NCE_ENP_2022.pdf

Echeverria Quiñonez, B. R., & Otero Mendoza, L. K. (2025). Inteligencia Artificial Generativa como herramienta pedagógica: una revisión sistemática sobre su impacto en los procesos de enseñanza-aprendizaje. SAGA: Revista Científica Multidisciplinar, 2(3), 537-550. https://doi.org/10.63415/saga.v2i3.223

Guerrero Toledo, M. Á. (2025). Integración de metodologías activas para potenciar el aprendizaje significativo en educación básica. Revista Internacional de Investigación Y Desarrollo Global, 4(3), 122-144. https://doi.org/10.64041/riidg.v4i3.53

Guo, S., Shi, L., & Zhai, X. (2024). Validating an instrument for teachers’ acceptance of artificial intelligence in education. arXiv. https://doi.org/10.48550/arXiv.2406.10506

Hernández-Sampieri, R., & Mendoza, C. (2020). Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.

Jalambadani, Z., Assarzadeh, H., Ghorbani, A. R., & Rabiei, M. (2025). La actitud, la utilidad percibida, la facilidad de uso percibida y la aceptación de la inteligencia artificial entre los estudiantes de medicina en Irán: una aplicación del modelo de aceptación de tecnología. Revista Española de Educación Médica, 6(6). https://doi.org/10.6018/edumed.689171

Jasso, Romina D., García-Prieto, Francisco J., & García-Rojas, Antonio Daniel. (2024). Active methodologies in the university: international bibliometric analysis (2003-2023). Formación Universitaria, 17(4), 151-162. https://dx.doi.org/10.4067/s0718-50062024000400151

Mann, H., & Whitney, D. (1947). On a test of whether one or two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50-60. https://doi.org/10.1214/aoms/1177730491

Perezchica-Vega, J. E., Sepúlveda-Rodríguez, J. A., & Román-Méndez, A. D. (2024). Inteligencia artificial generativa en la educación superior: usos y opiniones de los profesores. European Public & Social Innovation Review, 9, 1–20. https://doi.org/10.31637/epsir-2024-593

Pozo-Velasco, A. J., Ramírez-Gutiérrez, C. V., & Martínez-Pérez, O. (2024). Uso de Metodologías Activas y Herramientas de Tecnología de la Información y Comunicación (TIC) en la Educación. MQRInvestigar, 8(4), 7733–7758. https://doi.org/10.56048/MQR20225.8.4.2024.7733-7758

Ramírez Ríos, A., & Polack Peña, A. M. (2020). Estadística inferencial. Elección de una prueba estadística no paramétrica en investigación científica. Horizonte de la Ciencia, 10(19), 105-120. https://doi.org/10.26490/uncp.horizonteciencia.2020.19.597

Rendón-Macías, M. E., Zarco-Villavicencio, I. S., & Villasís-Keever, M. A. (2021). Métodos estadísticos para el análisis del tamaño del efecto. Revista Alergia México, 68(2), 128-136. https://doi.org/10.29262/ram.v658i2.949

Roco-Videla, Á., Flores, S. V., Olguín-Barraza, M., & Aguilera-Eguía, R. (2024). Consideraciones ante el uso de la prueba de Shapiro-Wilk cuando se trabaja con muestras pequeñas. Angiología, 76(1), 58–59. https://doi.org/10.20960/angiologia.00568

Rodríguez-Sabiote, C., Vázquez, L. M., López-López, J. A., & Sánchez-Martín, M. (2025). El tamaño del efecto como alternativa a las pruebas de significación estadística: un ejemplo práctico con JASP. Espiral. Cuadernos del Profesorado, 18(38), 129-141. https://doi.org/10.25115/ECP.V18I38.10234

Román Jiménez, O. R., Saavedra Gastélum, V., Zubieta Ramírez, C., & González Almaguer, C. A. (2024). Application of active learning techniques supported by generative AI in education. En Proceedings of the 17th International Conference of Education, Research and Innovation (ICERI2024) (pp. 10408–10417). IATED. https://doi.org/10.21125/iceri.2024.2662

Ryan, R. M. y Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68-78. https://doi.org/10.1037/0003-066X.55.1.68

Sterling Collazos, J. M., & Basto Quintero, A. (2024). La inteligencia artificial generativa en la planificación curricular: entre alucinaciones y certezas. Dialéctica, 1(26). https://doi.org/10.56219/dialctica.v1i26.4414

Ventura-León, J. L., & Caycho-Rodríguez, T. (2017). El coeficiente Omega: un método alternativo para la estimación de la confiabilidad. Revista Latinoamericana de Ciencias Sociales, Niñez y Juventud, 15(1), 625-627. https://www.redalyc.org/articulo.oa?id=77349627039

Zhai, X., Guo, M., & Shi, L. (2024). Validating an instrument for teachers' acceptance of artificial intelligence in education. arXiv preprint. https://doi.org/10.48550/arXiv.2406.10506