Page 24 - REVISTA AD MAESTRO N° 28 (abril - junio 2023)
P. 24
comendadas a cada estudiante según
su necesidad y los requerimientos del
currículo, haciendo ajustes automáti-
cos en el nivel de dificultad según su "CONTAR CON UNA
desempeño.
Matemáticas también aplica un PLATAFORMA COMO
concepto denominado Metacognición MATEMÁTICAS REPRESENTA
Gamificada. A través de símbolos, UNA GRAN OPORTUNIDAD
mensajes orales y escritos, y otros me-
canismos, promueve que el estudiante QUE DEBERÍA SER TOMADA
se haga consciente de lo que aprendió, EN CUENTA POR LAS
cómo lo hizo, qué sigue a continuación AUTORIDADES EDUCATIVAS
y cómo se sintió a lo largo de todo el
proceso de aprendizaje. Por su parte, Y APROVECHADA
el docente tiene acceso a un amplio ESTRATÉGICAMENTE POR LOS
repertorio de reportes y análisis en DOCENTES PERUANOS...
formato gráfico y numérico sobre el
desempeño individual y grupal de sus
estudiantes. Estos reportes se pueden
exportar en formato de datos, que se
pueden procesar en una hoja de cálcu-
lo.
Ante los bajísimos niveles de logro (*) En segundo grado de Prima-
en el área de matemáticas en Perú, ria, el porcentaje de estudiantes con
según reporta el Ministerio de Educa- nivel de logro satisfactorio (11.8%) es
ción en los Resultados de la Evaluación inferior al obtenido en 2019 (17%), e
Muestral 2022 (*), contar con una pla- incluso menor al que se midió en 2011
taforma como Matemáticas representa (13.2%). En cuarto grado de Primaria
una gran oportunidad que debería ser el nivel satisfactorio fue alcanzado
tomada en cuenta por las autoridades por el 23.3% de estudiantes, resultado
educativas y aprovechada estratégica- inferior al del año 2019 (34%) y al del
mente por los docentes peruanos. año 2016 (25.2%).
Referencias
Craig, S., Hu, X., Graesser, A., Bargagliotti, A., Sterbinsky, A., Cheney, K. & Okwumabua, T. (2013). The impact of a technology-based mathematics af-
ter-school program using ALEKS on student’s knowledge and behaviors. Computers & Education 68, 495-504. https://doi.org/10.1016/j.compedu.2013.06.010
Joaquim, S., Bittencourt, I.I., de Amorim Silva, R., Leone Espinheira, P. & Reis, M. (2022). What to do and what to avoid on the use of gamified intelligent
tutor system for low-income students. Educ Inf Technol 27, 2677–2694. https://doi.org/10.1007/s10639-021-10728-4
Kumar, A. y Mehra, A. (2018). Personalized Education at Scale: Evidence from a Randomized Field Experiment in India. http://dx.doi.org/10.2139/
ssrn.2756059
Kara, N. & Sevim, N. (2013). Adaptative Learning Systems: Beyond Teaching Machines. Contemporary Educational Technology, 4(2), 108-120. https://doi.
org/10.30935/cedtech/6095
Ministerio de Educación del Perú. (2023). Reporte Nacional de los Resultados de la EM 2022: ¿Qué aprendizajes logran nuestros estudiantes? http://umc.
minedu.gob.pe/wp-content/uploads/2023/05/Reporte-Nacional-EM-2022.pdf
Miao, F., Holmes, W., Huang, R. y Zhang, H. (2021). Inteligencia artificial y educación: Guía para las personas a cargo de formular políticas. Organización
de las Naciones Unidas para la Educación, la Ciencia y la Cultura. https://unesdoc.unesco.org/ark:/48223/pf0000379376
Myers, C., Wyss, N., Villavicencio Peralta, X., & Coflan, C. (2022). Mapeo y análisis de programas EdTech en América Latina y el Caribe [Helpdesk Respon-
se]. EdTech Hub. https://doi.org/10.53832/edtechhub.0132
Perera, M. y Aboal, D. (2017). Evaluación de Impacto de la Plataforma Adaptativa de Matemática en los resultados de los aprendizajes. Centro de Investi-
gaciones Económicas. https://www.ceibal.edu.uy/storage/app/media/documentos/CINVE-Informe_PAM_03102017.pdf
UNESCO. (2019). Consenso de Beijing sobre inteligencia artificial y educación. https://unesdoc.unesco.org/ark:/48223/pf0000368303
24
