IA y Competencia Docente Mirar Profesionalmente: percepciones docentes exploratorias

IA y Competencia Docente Mirar Profesionalmente: percepciones docentes exploratorias

Introducción
La competencia docente mirar profesionalmente (CDMP) es fundamental en la enseñanza de las matemáticas, ya que para autores como Groenwald y Llinares (2022), Rogers (2025), Amador y Weston (2024) plantean que esta competencia permite al docente identificar eventos relevantes, interpretar el pensamiento de los estudiantes y decidir intervenciones pedagógicas adecuadas, Jacobs et al. (2010) junto a Amador y Weston (2024) estructuran y sintetiza lo anterior en 3 habilidades situadas, atender, interpretar y decidir.
Por lo anterior, dentro del aula de clases esta competencia adquiere una dimensión aún más crítica con el fin de buscar respuestas acordes a situaciones de aula, donde la participación de los estudiantes genera la movilización de la clase, sin embargo, como establecen Amador & Weston, 2024) el desarrollo de esta competencia docente requiere de tiempo, reflexión y herramientas que pocas veces se integran en la formación docente inicial o continua.
La inteligencia artificial (IA) ha comenzado a explorarse como un posible apoyo en la labor docente Holmes et al. (2019) señala que el apoyo de la inteligencia artificial va desde el análisis de patrones de error y la sugerencia de rutas diferenciadas, no obstante Zawacki-Richter et al. (2019) establecen la existencia de un vacío de conocimiento sobre cómo los docentes de matemáticas perciben el uso de la IA, específicamente para potenciar la CDMP, en distintos contextos escolares.
 

Objetivo general
Analizar las percepciones docentes de matemáticas sobre el uso de la IA identificar oportunidades y desafíos vinculados al fortalecimiento de la CDMP
Objetivos específicos
Identificar el nivel de conocimiento declarativo que los docentes de matemáticas poseen sobre las habilidades situadas de la CDMP
Describir la utilidad que los docentes atribuyen a la IA para la CDMP
Reconocer barreras y funcionalidades deseables por los docentes respecto a la IA
Pregunta
¿Cuáles son las percepciones de los docentes de matemáticas sobre el uso de la IA para desarrollar la CDMP, y qué oportunidades y desafíos identifican?
 

Metodología
Diseño: Estudio cuantitativo exploratorio mediante encuesta
Participantes: 21 docentes de matemáticas de Colombia de los cuales el 61.9% es de primaria, 9.5% secundaria, 28.6% superior. El 42.9% tienen menos de 15 años de experiencia, 33.3% poseen más de 5 años de experiencia, en cuanto al uso TIC, el 28.6% las usa siempre y el 38.1% frecuentemente.
Instrumento: cuestionario con 13 afirmaciones en escala Likert (1-5) y 3 preguntas abiertas alineadas con las barreras reportadas en la literatura.
Análisis: Frecuencias y porcentajes (percepción positiva = 4-5); análisis temático básico de respuestas abiertas de los docentes.
Ética: consentimiento, anonimato.
 

Resultados
Conocimiento: Solo el 57.1% conoce la CDMP; el 42.9% ha recibido formación sobre la observación sistemática del aprendizaje, sin embargo, el 76.2% lo considera fundamental en el aula.
Utilidad de IA
ComponentePercepción positiva (4-5)
Identificar errores típicos71.4%
Interpretar causas de dificultades57.1%
Decidir retroalimentación 42.9%
Confiar en sugerencias de IA47.6%
Reducir carga administrativa71.4%

Barreras: Falta de recursos (76.2%), falta de formación en IA (57.1%), preocupación por sesgos algorítmicos (42.9%) sobre IA y el 81% ve la IA como una oportunidad, no como una amenaza.
Hallazgos en respuestas abiertas: Los docentes expresaron deseos de funcionalidades correctas: analizar talleres para agrupar por tipo de razonamiento”, “identificar errores procedimentales explicando las causas”, “detectar barreras de aprendizaje de forma temprana”.
Entre temores recurrentes: “que la IA reduzca la complejidad de un niño a un gráfico”, “dependencia estudiantil de la IA”, “sesgos y falta de contexto”. Un docente incluso rechazó completamente la IA: “si delegamos funciones, vamos a perder la capacidad”
 

Conclusión
Los resultados muestran una tensión relevante y es que los docentes valoran altamente la CDMP para atender en el aula (76.2%), pero su formación al respecto es baja (42,9%). La IA es percibida como útil para identificar (71.4%) y reducir carga administrativa (71.4%) que para interpretar (57.1%) o decidir (42.9), lo cual coincide con estudios previos como los de Holmes et al. (2019) y Zawacki-Richter et al. (2019) donde los docentes aceptan la IA como asistente analítico, pero no para la toma de decisiones.
La preocupación por sesgos algorítmicos (42.9) y la necesidad de respetar el contexto individual emergen en las respuestas abiertas, donde uno de los docentes entrevistados señaló: “Un software no sabe si un estudiante bajó su rendimiento por un problema familiar”
Limitaciones: La muestra fue de un total de 21 maestros, donde las percepciones fueron individuales y no hubo una observación directa en su práctica
Recomendaciones: incluir en la formación inicial y continua módulos que articulen la CDMP con el uso crítico de la IA, también diseñar herramientas que apoyen la identificación e interpretación sin automatizar decisiones, al igual que garantizar infraestructura y programas de alfabetización en IA.
Futuras indagaciones: Se sugiere un estudio cuasiexperimental que implemente una herramienta IA específica para la CDMP, midiendo cambios en la práctica real.

Referencias
Amador, J., & Weston, T. L. (2024). A Review of Analytic Frameworks for Noticing in Mathematics and Science: Comparing Noticing Frameworks Across Disciplines and over Time. International Journal of Science and Mathematics Education. https://doi.org/10.1007/s10763-024-10452-8
Groenwald, C. L. O., & Llinares, S. (2022). Aprendiendo a mirar profesionalmente las situaciones de enseñanza de las matemáticas. Revista Venezolana de Investigación En Educación Matemática, 2(2), 1–26. https://doi.org/10.54541/reviem.v2i2.29
Holmes, W., Bialik, M., & Fadel, C. (2019). Praise for Artificial Intelligence in Education From International Organizations.
Jacobs, V. R., Lamb, L. L. C., & Philipp, R. A. (2010). Professional Noticing of Children’s Mathematical Thinking.
Rogers, J. T. (2025). EXAMINIG THE PROFESSIONAL NOTICING SKILLS, ATTITUDES TOWARDMATHEMATICS, AND ELEMENTARY MATH CONTENT KNOWLEDGE OFPRESERVICE ELEMENTARY SCHOOL TEACHERS THROUGH THE NOTICINGNUMERACY NOW INTERVENTION. https://doi.org/10.13023/etd.2025.346
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? In International Journal of Educational Technology in Higher Education (Vol. 16, Number 1). Springer Netherlands. https://doi.org/10.1186/s41239-019-0171-0