Skip to main content

5.5 Casos de uso en Matemáticas

Aplicación de la Inteligencia Artificial en Matemáticas (1º Bachillerato)

La inteligencia artificial permite introducir nuevas formas de aprendizaje en matemáticas, combinando resolución de problemas, análisis de datos y pensamiento crítico. Las herramientas de IA pueden utilizarse para:

  • generar ejercicios automáticamente

  • crear juegos matemáticos

  • simular modelos matemáticos

  • analizar datos reales

  • entrenar modelos de aprendizaje automático.

Este enfoque permite trabajar tanto las competencias matemáticas tradicionales (razonamiento, cálculo, interpretación de gráficos) como las competencias digitales y analíticas, cada vez más relevantes en la ciencia y la sociedad.

A continuación se presentan casos de uso concretos para el aula.

1. Generación de contenidos matemáticos con IA

Caso 1: generación automática de problemas de funciones

Objetivo curricular

Comprender:

  • funciones reales

  • interpretación gráfica

  • dominio y crecimiento de funciones.

Actividad

El docente utiliza IA para generar ejercicios diferentes para cada grupo de alumnos.

Prompt


Actúa como profesor de Matemáticas de 1º de Bachillerato. Genera tres problemas sobre funciones cuadráticas. Cada problema debe incluir: - enunciado - representación aproximada de la función - resolución paso a paso - interpretación del resultado.

Ejemplo de problema generado

Una empresa modela sus beneficios con la función:

f(x) = −2x² + 40x − 100

Preguntas:

  1. ¿En qué punto alcanza el beneficio máximo?

  2. ¿Cuál es ese beneficio máximo?

Los alumnos deben interpretar la función y su vértice.

Caso 2: explicación conceptual de derivadas

Objetivo curricular

Comprender:

  • concepto de límite

  • derivada

  • pendiente de la recta tangente.

Actividad

La IA explica el concepto mediante analogías visuales y ejemplos.

Prompt


Explica el concepto de derivada para estudiantes de 1º de Bachillerato. Incluye: - interpretación geométrica - interpretación física (velocidad instantánea) - ejemplo numérico sencillo.

Beneficio educativo

  • mejora la comprensión conceptual

  • permite adaptar la explicación al nivel del alumnado.

2. Gamificación del aprendizaje matemático

La gamificación puede aumentar la motivación del alumnado y estimular el razonamiento matemático mediante retos y juegos.

Caso 3: juego de resolución de ecuaciones

Objetivo curricular

Trabajar:

  • ecuaciones algebraicas

  • manipulación de expresiones

  • razonamiento lógico.

Actividad

Los estudiantes participan en un juego de retos matemáticos.

Prompt


Diseña un juego educativo en el que los estudiantes deban resolver ecuaciones de dificultad progresiva para avanzar en niveles. Incluye 5 retos y soluciones.

Ejemplo de reto:

3x + 5 = 20

Los alumnos deben resolverlo para desbloquear el siguiente nivel.

Caso 4: escape room matemático

Objetivo curricular

Trabajar:

  • sistemas de ecuaciones

  • interpretación de problemas matemáticos.

Actividad

Los estudiantes deben resolver problemas para avanzar en una misión matemática.

Prompt


Crea un escape room matemático para estudiantes de 1º de Bachillerato basado en sistemas de ecuaciones y funciones. Incluye 4 retos y una narrativa científica.

3. Simulaciones y aplicaciones matemáticas

Caso 5: simulación de crecimiento exponencial

Objetivo curricular

Comprender:

  • funciones exponenciales

  • crecimiento y decrecimiento.

Actividad

Los alumnos utilizan IA para simular un modelo matemático.

Prompt


Simula el crecimiento de una población bacteriana que se duplica cada hora. Genera una tabla de valores y un gráfico aproximado de la función.

Beneficio educativo

  • comprensión visual de funciones

  • interpretación de modelos matemáticos.

Caso 6: análisis de regresión y correlación

Objetivo curricular

Trabajar:

  • estadística bidimensional

  • correlación y regresión.

Actividad

Los estudiantes analizan datos reales (por ejemplo, horas de estudio y nota obtenida).

Prompt


Analiza estos datos de horas de estudio y notas de examen. Calcula la correlación y explica si existe relación entre ambas variables.

Esto introduce al alumnado en el análisis estadístico aplicado.

4. Entrenamiento de modelos de IA en Matemáticas

Una forma interesante de introducir la inteligencia artificial en clase es entrenar modelos que aprendan patrones matemáticos.

Caso 7: entrenar un modelo con ecuaciones resueltas

Objetivo curricular

Comprender:

  • resolución de ecuaciones

  • patrones algebraicos

  • lógica matemática.

Actividad

Los estudiantes entrenan un modelo para reconocer cómo se resuelve una ecuación paso a paso.

Desarrollo de la práctica

Paso 1. Definir el problema

Pregunta inicial:

¿Puede una inteligencia artificial aprender a resolver ecuaciones si observa ejemplos resueltos?

Paso 2. Crear el conjunto de datos

Los alumnos introducen ejemplos de ecuaciones ya resueltas.

Ejemplo:

Ecuación Solución
2x + 4 = 10 x = 3
3x − 6 = 9 x = 5

Paso 3. Entrenar el modelo

El modelo analiza los pasos de resolución para detectar patrones.

Por ejemplo:

2x + 4 = 10
2x = 6
x = 3

Paso 4. Probar el modelo

Los alumnos introducen una ecuación nueva:

4x + 2 = 14

El modelo intenta predecir el procedimiento.

Reflexión

Preguntas para debatir:

  • ¿qué patrón está aprendiendo el modelo?

  • ¿qué ocurre si el problema es más complejo?

Caso 8: entrenamiento de un modelo para interpretar noticias con datos

Este ejercicio conecta matemáticas con pensamiento crítico y alfabetización mediática.

Objetivo curricular

Trabajar:

  • interpretación de datos

  • estadística

  • razonamiento lógico.

Actividad

Los estudiantes analizan noticias que contienen datos estadísticos.

Ejemplo de noticia ficticia:

“El 90% de los estudiantes mejora sus notas usando una nueva aplicación educativa”.

Los alumnos deben analizar si esa afirmación es fiable.

Desarrollo

Paso 1. Recopilar ejemplos

Los alumnos recopilan titulares con datos:

  • encuestas

  • porcentajes

  • gráficos.

Paso 2. Etiquetar datos

Clasificar noticias según:

  • razonamiento correcto

  • razonamiento engañoso.

Paso 3. Entrenar el modelo

El modelo aprende patrones como:

  • uso incorrecto de porcentajes

  • muestras demasiado pequeñas

  • correlación confundida con causalidad.

Paso 4. Analizar una noticia

Ejemplo:

Una noticia afirma:

“El 70% de los alumnos que escuchan música mientras estudian sacan mejores notas”.

Preguntas:

  • ¿cuál es el tamaño de la muestra?

  • ¿existe causalidad o solo correlación?

  • ¿puede haber variables ocultas?

Competencias que desarrolla

Estas actividades trabajan varias competencias clave:

Competencia matemática

  • resolución de problemas

  • modelización matemática.

Competencia digital

  • comprensión básica del aprendizaje automático.

Pensamiento crítico

  • análisis de información y datos.

Competencia científica

  • interpretación de modelos y gráficos.

Conclusión

La inteligencia artificial permite enriquecer la enseñanza de las matemáticas mediante nuevas metodologías basadas en:

  • generación automática de problemas

  • simulaciones matemáticas

  • gamificación del aprendizaje

  • análisis crítico de datos

  • entrenamiento de modelos de aprendizaje automático.

Este enfoque ayuda a conectar las matemáticas con el mundo real y con tecnologías actuales, fomentando el razonamiento analítico y la alfabetización digital del alumnado.

Back to top