La IA generativa como artefacto cognitivo en el rediseño de tareas de geometría: un estudio de casos con estudiantes de Licenciatura en Matemáticas

Wilmer Ríos-Cuesta, es Licenciado en Matemáticas y Física por la Universidad Tecnológica del Chocó "Diego Luis Córdoba", Magíster en Educación por la Universidad de Medellín y Doctor en Educación por la Universidad del Valle. Investigador Junior reconocido por el Ministerio de Ciencias de Colombia. Editor de sección de la Revista Enseñanza de las Matemáticas y Experiencias Docentes (REMED). Actualmente se desempeña como profesor catedrático de la Universidad de Antioquia, es docente de la Institución Educativa Gilberto Alzate Avendaño de Medellín, y forma parte del grupo de investigación GEDIMA de la Universidad del Quindío. Su trabajo se ha centrado en la matemática educativa, particularmente en cómo los estudiantes argumentan, razonan y resuelven problemas matemáticos, así como en el uso de herramientas tecnológicas y computacionales para su enseñanza, el diseño de tareas y la formación de profesores de Matemáticas.

El rediseño de tareas constituye una competencia central en la formación inicial de profesores de matemáticas, y la disponibilidad de la inteligencia artificial generativa modifica las condiciones en que ese rediseño se produce. El objetivo de este estudio es analizar el papel de la inteligencia artificial generativa como artefacto cognitivo en el rediseño de tareas de geometría realizado por estudiantes de Licenciatura en Matemáticas, con atención a la demanda cognitiva de las tareas producidas y a la competencia de diseño que el proceso moviliza. Se presenta un estudio cualitativo de casos múltiples con cuatro casos, dos individuales y dos en pareja, que reúnen seis estudiantes de último año. Los participantes rediseñaron tareas sobre polígonos inscritos y circunscritos con apoyo de distintos sistemas de inteligencia artificial generativa, movilizando el marco de creación de problemas por variación de Malaspina y los niveles de exigencia cognitiva de Smith y Stein. La recolección comprendió las transcripciones de los intercambios con los sistemas, las tareas producidas y las justificaciones escritas. Del análisis emergieron de manera inductiva tres funciones de la inteligencia artificial generativa durante el rediseño, amplificación, orientación y sustitución, con efectos diferenciados sobre la demanda cognitiva y sobre la competencia de diseño. La mediación favoreció tareas de alta demanda cognitiva cuando el participante mantuvo el control del proceso y evaluó críticamente las propuestas del sistema. La sustitución produjo tareas de alta demanda cognitiva sin una comprensión equivalente del proceso de diseño. El estudio concluye que la formación de profesores requiere orientar el uso de la inteligencia artificial generativa hacia prácticas reflexivas que preserven la competencia de diseño.

Palabras clave: Competencia profesional, enseñanza, formación de docentes, inteligencia artificial, matemáticas.