El uso de aplicaciones de la Inteligencia Artificial Generativa en la enseñanza-aprendizaje de las Matemáticas a nivel universitario: aspectos favorables y desfavorables

Abstract

El presente trabajo aborda el impacto pedagógico de la inteligencia artificial generativa (IAG) en cursos universitarios de matemática. Su uso se ha extendido con rapidez entre los estudiantes, lo que plantea preguntas urgentes sobre sus efectos en el proceso de enseñanza-aprendizaje. El objetivo principal es analizar los aspectos favorables y desfavorables de esta integración, considerando el contexto académico y las prácticas docentes actuales. La metodología se basa en una revisión crítica de 24 investigaciones publicadas entre 2023 y 2025, seleccionadas en Scopus, ScienceDirect, IEEE Xplore y Google Scholar. Los estudios incluidos presentan enfoques teóricos, descriptivos, fenomenológicos, experimentales y empíricos, todos centrados en el uso didáctico de la IAG en matemática universitaria. Los hallazgos muestran que la IAG favorece la personalización del aprendizaje, estimula la resolución de problemas y agiliza la retroalimentación. Sin embargo, también se evidencian riesgos como la dependencia excesiva, la pérdida de autonomía intelectual y la disminución de la fiabilidad en ciertos contenidos. A partir de estos hallazgos, se propone reforzar el rol docente, revisar las políticas institucionales y promover competencias digitales que orienten un uso pedagógico más ético y reflexivo.

This research explores the pedagogical impact of generative artificial intelligence (GAI) in university-level mathematics courses. As GAI becomes increasingly embedded in student learning practices, urgent questions arise about its role in shaping the teaching–learning process. The main objective is to analyze both the favorable and unfavorable aspects of GAI integration within higher education, emphasizing the need for pedagogical and institutional reflection. Methodologically, the study is based on a critical review of 24 research articles published between 2023 and 2025, selected from databases such as Scopus, ScienceDirect, IEEE Xplore, and Google Scholar. These sources present theoretical, descriptive, phenomenological, experimental, and empirical approaches, all focused on the educational use of GAI in mathematics. Findings suggest that GAI supports the personalization of learning, encourages problem-solving skills, and speeds up feedback mechanisms. However, risks are also identified, including technological dependence, decreased student autonomy, and issues with content reliability. In response, the study highlights the importance of active teaching mediation, institutional policies, and digital competencies that can guide GAI usage toward more ethical, critical, and effective educational practices.