Ecosistema híbrido inteligente para la enseñanza de Ciencias Naturales: un modelo integrador de metodologías activas, IA y regulación emocional
DOI:
https://doi.org/10.55204/trc.v6i1.e588Palabras clave:
aprendizaje híbrido; inteligencia artificial educativa; metodologías activas; regulación emocional; enseñanza de ciencias; analítica de aprendizaje; innovación educativa.Resumen
El presente estudio tuvo como objetivo diseñar y validar un ecosistema híbrido inteligente para la enseñanza de Ciencias Naturales, fundamentado en la integración de metodologías activas, inteligencia artificial (IA) y estrategias de regulación emocional. Bajo un enfoque metodológico mixto con diseño cuasi-experimental, se implementó una intervención pedagógica en educación básica que articuló indagación científica guiada, retroalimentación adaptativa mediante herramientas de IA y micro estrategias de autorregulación emocional incorporadas en momentos críticos del aprendizaje. Los resultados evidenciaron mejoras significativas en el rendimiento académico del grupo experimental en comparación con la modalidad híbrida tradicional, así como un incremento en el uso de estrategias adaptativas de regulación emocional. Asimismo, el análisis cualitativo reveló mayor compromiso, percepción de personalización y persistencia ante tareas de alta demanda cognitiva. Estos hallazgos confirman que la efectividad de los entornos híbridos no depende exclusivamente del componente tecnológico, sino de la coherencia sistémica entre diseño pedagógico, mediación docente y soporte socioemocional. Se concluye que la incorporación estratégica de IA y regulación emocional en la enseñanza de Ciencias Naturales fortalece la comprensión conceptual, la autonomía estudiantil y la sostenibilidad del aprendizaje en contextos híbridos contemporáneos.
Descargas
Referencias
Adams, C., Pente, P., Lemermeyer, G., & Rockwell, G. (2023). Ethical principles for artificial intelligence in K-12 education. Computers and Education: Artificial Intelligence, 4, 100131. https://doi.org/10.1016/j.caeai.2023.10011
Aidoo, B. (2024). A reflective study on adopting inquiry-based science teaching methods. Disciplinary and Interdisciplinary Science Education Research. https://doi.org/10.1186/s43031-024-00119-3
Al Mamun, M. A., Lawrie, G., & Wright, T. (2022). Exploration of learner-content interactions and learning approaches: The role of guided inquiry in the self-directed online environments. Computers & Education, 178, 104398. https://doi.org/10.1016/j.compedu.2021.104398
Albán Pazmiño , E. J., Bernal Párraga, A. P., Suarez Cobos , C. A., Samaniego López, L. G., Ferigra Anangono, E. J., Moreira Ortega, S. L., & Moreira Velez, K. L. (2024). Potenciando Habilidades Sociales a Través de Actividades Deportivas: Un Enfoque Innovador en la Educación. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 3016-3038. https://doi.org/10.37811/cl_rcm.v8i4.12549
Alvarez Piza, R. A., Del Hierro Pérez, M. C., Vera Molina, R. M., Moran Piguave, G. D., Pareja Mancilla, S. S., Narváez Hoyos, J. J., & Bernal Párraga, A. P. (2024). Desarrollo del razonamiento en educación básica mediante aprendizaje basado en problemas y lecciones aprendidas de proyectos matemáticos previos. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 13998–14014. https://doi.org/10.37811/cl_rcm.v8i5.14912
Bai, S., Hew, K. F., & Huang, B. (2020). Does gamification improve student learning outcome? Evidence from a meta-analysis and synthesis of qualitative data in educational contexts. Educational Research Review, 30, 100322. https://doi.org/10.1016/j.edurev.2020.100322
Braun, V., & Clarke, V. (2023). Toward good practice in thematic analysis: Avoiding common problems and be(com)ing a knowing researcher. The Qualitative Report, 28(1), 1–26. https://doi.org/10.1080/26895269.2022.2129597
Cabral, L., et al. (2025). AI-powered learning analytics dashboards: A systematic review of applications, techniques, and research gaps. Discover Education. https://doi.org/10.1007/s44217-025-00964-y
Camacho-Morles, J., Slemp, G. R., Pekrun, R., Loderer, K., Hou, H., & Oades, L. G. (2021). Activity achievement emotions and academic performance: A meta-analysis. Educational Psychology Review, 33(3), 1051–1095. https://doi.org/10.1007/s10648-020-09585-3
Cao, W. (2023). A meta-analysis of effects of blended learning on students’ performance, attitude, achievement, and engagement across different countries. Frontiers in Psychology, 14, 1212056. https://doi.org/10.3389/fpsyg.2023.1212056
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access. https://doi.org/10.1109/ACCESS.2020.2988510
Cukurova, M., et al. (2025). The interplay of learning, analytics and artificial intelligence in education. British Journal of Educational Technology. https://doi.org/10.1111/bjet.13514
Cumming, G. (2021). Understanding the new statistics: Effect sizes, confidence intervals, and meta-analysis (2nd ed.). Routledge. https://doi.org/10.4324/9781315708607
Field, A. (2023). Discovering statistics using IBM SPSS statistics (6th ed.). Sage.
Flake, J. K., & Fried, E. I. (2020). Measurement schmeasurement: Questionable measurement practices and how to avoid them. Advances in Methods and Practices in Psychological Science, 3(4), 456–465. https://doi.org/10.1177/2515245920952393
Guerra Hahn, M., Baldiris, S., De La Fuente-Valentín, L., & Burgos, D. (2021). A systematic review of automatic feedback in education. IEEE Access. https://doi.org/10.1109/ACCESS.2021.3100890
Hendrowati, T. Y., Badrun, M., Siswoyo, & Istiani, A. (2025). The impact of hybrid learning on student engagement and academic performance in post-pandemic science education. Jurnal Penelitian Pendidikan IPA, 11(4), 154–165. https://doi.org/10.29303/jppipa.v11i4.10701
Hillmayr, D., Ziernwald, L., Reinhold, F., Hofer, S. I., & Reiss, K. M. (2020). The potential of digital tools to enhance mathematics and science learning in secondary schools: A context-specific meta-analysis. Computers & Education, 153, 103897. https://doi.org/10.1016/j.compedu.2020.103897
Jegstad, K. M., Heggernes, S. L., Jøsok, E., Ryen, E., Svanes, I. K., & Tørnby, H. (2025). Approaches to critical thinking in primary education classrooms: A systematic review. Educational Research Review, 48, 100711. https://doi.org/10.1016/j.edurev.2025.100711
Ješková, Z., Lukáč, S., Šnajder, Ľ., Guniš, J., Klein, D., & Kireš, M. (2022). Active learning in STEM education with regard to the development of inquiry skills. Education Sciences, 12(10), 686. https://doi.org/10.3390/educsci12100686
Khalifa, M., & Albadawy, I. (2024). Using artificial intelligence in academic writing and research: An essential productivity tool. Heliyon, 10(3), e24193. https://doi.org/10.1016/j.heliyon.2024.e24193
Koçoğlu, A., & Kanadlı, S. (2025). The effect of problem-based learning approach on learning outcomes: A second-order meta-analysis study. Educational Research Review, 48, 100707. https://doi.org/10.1016/j.edurev.2025.100707
Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), Article 33267. https://doi.org/10.1525/collabra.33267
Long, D. Y. (2025). Artificial intelligence in higher education: A systematic review. Frontiers in Education. https://doi.org/10.3389/feduc.2025.1648661
Misiejuk, K., Samuelsen, J., Kaliisa, R., & Prinsloo, P. (2025). Idiographic learning analytics: Mapping of the ethical issues. Learning and Individual Differences, 117, 102599. https://doi.org/10.1016/j.lindif.2024.102599
Nguyen, A., Ngo, H. N., Hong, Y., Dang, B., & Nguyen, B.-P. T. (2023). Ethical principles for artificial intelligence in education. Education and Information Technologies, 28, 4221–4241. https://doi.org/10.1007/s10639-022-11316-w
Nichols, M., et al. (2024). Development of an approved learning analytics ethics framework. Journal of Further and Higher Education. https://doi.org/10.1080/02680513.2021.1986376
Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2, 100020. https://doi.org/10.1016/j.caeai.2021.100020
Potgieter, I. (2020). Privacy concerns in educational data mining and learning analytics. The International Review of Information Ethics, 28, 1–9. https://doi.org/10.29173/irie384
Prinsloo, P. (2022). Considering student data privacy in learning analytics. British Journal of Educational Technology. https://doi.org/10.1111/bjet.13216
Quiroz Moreira, M. I., Mecias Cordova, V. Y., Proaño Lozada, L. A., Hernández Centeno, J. A., Chóez Acosta, L. A., Morales Contreras, A. M., & Bernal Párraga , A. P. (2024). Plataformas de Evaluación Digital: Herramientas para Optimizar el Feedback y Potenciar el Aprendizaje. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 2020-2036. https://doi.org/10.37811/cl_rcm.v8i5.13673
Reyes-Pérez, V., Cruz-Torres, C. E., & Alcázar-Olán, R. J. (2021). Validation of the Cognitive Emotion Regulation Questionnaire kids (CERQ-k) in Mexican children. Nova Scientia, 13(26), 1–27. https://doi.org/10.21640/ns.v13i26.2794
Romo, J., et al. (2025). Emotion regulation strategies and academic achievement among secondary and university students: A systematic review and meta-analysis. Educational Psychology Review. https://doi.org/10.1007/s10648-025-10054
Sánchez-Álvarez, N., Berrios Martos, M. P., & Extremera, N. (2020). A meta-analysis of the relationship between emotional intelligence and academic performance in secondary education. Frontiers in Psychology, 11, 1517. https://doi.org/10.3389/fpsyg.2020.01517
Schmid, R. F., Borokhovski, E., Bernard, R. M., Pickup, D. I., & Abrami, P. C. (2023). A meta-analysis of online learning, blended learning, the flipped classroom and classroom instruction for pre-service and in-service teachers. Computers and Education Open, 4, 100142. https://doi.org/10.1016/j.caeo.2023.100142
Serrano Aguilar , N. S., Paredes Montesdeoca, D. G., Silva Carrillo, A. G., Pilatasig Patango, M. R., Ibáñez Oña , J. E., Tumbez Cunuhay, L. F., & Bernal Párraga, A. P. (2024). Aprendizaje Híbrido: Modelos y Prácticas Efectivas para la Educación Post-Pandemia. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 10074-10093. https://doi.org/10.37811/cl_rcm.v8i4.13152
Talkhan, E., Alhubaidah, S., Muthanna, A., & Qadhi, S. (2025). The effect of cooperative learning toward mathematics achievement of primary students: A systematic review using meta-analysis. Social Sciences & Humanities Open, 12, 102247. https://doi.org/10.1016/j.ssaho.2025.102247
Theobald, M. (2021). Self-regulated learning training programs enhance university students’ academic performance, self-regulated learning strategies, and motivation: A meta-analysis. Contemporary Educational Psychology, 66, 101976. https://doi.org/10.1016/j.cedpsych.2021.101976
Thibaut, L., Knipprath, H., Dehaene, W., & Depaepe, F. (2018). The influence of teachers’ attitudes and school context on instructional practices in integrated STEM education. Teaching and Teacher Education, 71, 190–205. https://doi.org/10.1016/j.tate.2017.12.014
Troya Santillán, C. M., Bernal Párraga, A. P., Guaman Santillan , R. Y., Guzmán Quiña , M. de los A., & Castillo Alvare, M. A. (2024). Formación Docente en el Uso de Herramientas Tecnológicas para el Apo-yo a las Necesidades Educativas Especiales en el Aula. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 3768-3797. https://doi.org/10.37811/cl_rcm.v8i3.11588
Urdanivia Alarcón, D. A., et al. (2023). Science and inquiry-based teaching and learning: A systematic review. Frontiers in Education. https://doi.org/10.3389/feduc.2023.1170487
van Berk, B., & Dignath, C. (2025). Take a deep breath or screem it all out: Emotion regulation strategies of young students. Learning and Instruction, 100, 102213. https://doi.org/10.1016/j.learninstruc.2025.102213
Vargas Castro , M. F., Cabrera Brown, M. N., Moreira Quiroz, H. B., Martínez Oviedo, M. Y., Bonilla Villegas, T. J., Bernal Párraga, A. P., & Bonilla Villegas, S. I. (2024). Estrategias Psicológicas Para Mejorar La Autoestima Y El Rendimiento Académico En Estudiantes De Educación General Básica. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 6930-6945. https://doi.org/10.37811/cl_rcm.v8i5.14112
Venter, J., et al. (2025). Exploring the use of artificial intelligence (AI) in the delivery of feedback. Assessment & Evaluation in Higher Education. https://doi.org/10.1080/02602938.2024.2415649
Vessonen, T., Hellstrand, H., Kurkela, M., Aunio, P., & Laine, A. (2025). The effectiveness of mathematical word problem-solving interventions among elementary schoolers: A systematic review and meta-analysis. International Journal of Educational Research, 132, 102642. https://doi.org/10.1016/j.ijer.2025.102642
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 235, 124167. https://doi.org/10.1016/j.eswa.2024.124167
Yaule Chingo , M. B., Suarez Cobos, C. A., Dias Pilatasig, M. J., Olalla Faz, M. I., Zamora Batioja, I. J., Arequipa Molina, A. D., & Bernal Párraga, A. P. (2024). Análisis del Impacto de Estrategias de Inclusión en el Aprendizaje de Niños con Capacidades Especiales. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 5408-5425. https://doi.org/10.37811/cl_rcm.v8i4.12757
Zambrano Vergara, B. J., Bernal Párraga, A. P., Nivela Cedeño, A. N., Garcia Jimenez, D. I., Guevara Guevara, N. P., & Bravo Alcívar, G. M. (2024). Estrategias de gestión de aula para fomentar el aprendizaje autónomo en la educación inicial. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 5379–5406. https://doi.org/10.37811/cl_rcm.v8i3.11745
Zawacki-Richter, O., Marín, V., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education. https://doi.org/10.1186/s41239-019-0171-0
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Augusto Paolo Bernal Párraga , Denisse Fernanda Constante Olmedo , Iliana Yadira López Sánchez , Deisy Katya Padilla Portocarrero , Eva María Duarte Salinas
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos morales y patrimoniales de sus obras. Puesto que Tesla Revista Científica es una publicación de acceso abierto, los lectores pueden reproducir total o parcialmente su contenido siempre y cuando proporcionen adecuadamente el crédito a los autores correspondientes y a la revista misma. Tesla Revista Científica se compromete a no hacer uso comercial de los textos que recibe y/o publica.
Nuestra revista se rige por las politicas internacionales SHERPA/RoMEO: Revista verde: Permiten el autoarchivo tanto del pre-print (borrador de un trabajo) como del post-print (la versión corregida y revisada por pares) y hasta de la versión final (maquetada tal como saldrá publicada en la revista).
Véase también "Derechos de autor y licencias".
