Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/13740
Title: Modelo de autoeficacia para ambientes inteligentes de aprendizaje aplicado en la enseñanza de lógica matemática
Authors: Domínguez Lara, Víctor Manuel%1353627
metadata.dc.subject.other: Ambientes inteligentes de aprendizaje, sistemas tutores inteligentes, autoeficacia, lógica matemática, modelo del estudiante, modelo de autoeficacia.
Issue Date: 2026-08-07
Publisher: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Description: Los Ambientes Inteligentes de Aprendizaje han avanzado en la adaptación basada en el conocimiento y desempeño de los estudiantes, así como en otros constructos psicológicos como la personalidad, las emociones y la motivación. La autoeficacia es la confianza en la propia capacidad para organizar y ejecutar acciones necesarias que permitan alcanzar metas específicas. Sin embargo, la incorporación de la autoeficacia como variable activa del modelo del estudiante permanece poco explorada. La lógica matemática es una asignatura útil para el desarrollo de capacidades de razonamiento riguroso, análisis crítico y resolución estructurada de problemas. La enseñanza de lógica matemática en el nivel medio superior enfrenta el reto de adaptar la instrucción a estudiantes con distintos niveles de confianza en sus propias capacidades. Se propone un Modelo de Autoeficacia integrado en un Ambiente Inteligente de Aprendizaje. El modelo se compone del Modelo de Autoeficacia del Estudiante, que clasifica a los aprendices en cuatro perfiles combinando el puntaje en la Escala de Autoeficacia General con el rendimiento académico, y del Modelo de Adaptación de Respuesta, que traduce cada perfil en intervenciones pedagógicas diferenciadas. El modelo de autoeficacia se integró en MateLog, un Ambiente Inteligente de Aprendizaje para la enseñanza de lógica matemática. Se llevó a cabo un estudio experimental con 180 estudiantes de nivel medio superior. Los resultados mostraron una diferencia significativa en la ganancia de aprendizaje a favor del grupo experimental. La autoeficacia percibida presentó un cambio intragrupo significativo en el grupo experimenta l. Los resultados respaldan la viabilidad del modelo como mecanismo de adaptación en un Ambiente Inteligente de Aprendizaje para el nivel medio superior, con efecto claro sobre el aprendizaje y en la autoeficacia percibida.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Appears in Collections:Tesis de Maestría en Computación

Files in This Item:
File Description SizeFormat 
MC_Victor_Manuel_Dominguez_Lara_2026.pdfTesis23.88 MBAdobe PDFView/Open
MC_Victor_Manuel_Dominguez_Lara_2026_c.pdf
  Restricted Access
Cesión de derechos574.22 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons