Estrategias de enseñanza, IA y estilos de aprendizaje en la personalización del aprendizaje 

Dra. María Isabel Garduño Pozadas
Facultad de Estudios Superiores Zaragoza, UNAM
isabel.garduno@zaragoza.unam.mx 

Q.F.B. Victor Hugo Becerra López
Facultad de Estudios Superiores Zaragoza, UNAM
victor.becerra@zaragoza.unam.mx 

Resumen

Este estudio explora la implementación de estrategias de enseñanza y el uso de IA para personalizar el aprendizaje, considerando los estilos de aprendizaje de los estudiantes con base en el modelo de Kolb. A través de un estudio descriptivo, se identificaron los estilos de dos grupos de estudiantes de educación superior y se elaboraron mapas de aprendizaje que muestran sus características. Estos resultados revelan la diversidad de estilos entre ambos grupos, por lo que se requieren enfoques pedagógicos diferentes. Por ello se establecieron propuestas de enseñanza que apoyadas con IA favorezcan la personalización del aprendizaje. Finalmente, se destaca que la combinación entre estilos de aprendizaje, IA y metodologías pedagógicas activas favorece la labor docente y promueve una educación efectiva y equitativa centrada en el estudiante.

Introducción

La educación superior en México busca contribuir al desarrollo integral de los individuos a través de una enseñanza de calidad. Para lograrlo, es fundamental transformar los procesos educativos, adaptándolos a las necesidades de la sociedad del conocimiento. En este contexto, la personalización del aprendizaje surge como una estrategia clave para mejorar la retención del conocimiento y el rendimiento académico.

Gracias a los avances en inteligencia artificial (IA), ahora es posible ajustar los contenidos en tiempo real según las características individuales de cada estudiante. Sin embargo, su integración en las aulas presenta desafíos que requieren un análisis profundo. En este artículo Bermúdez García et al (2025), explora el impacto de la IA en la educación personalizada y propone estrategias de enseñanza basadas en esta tecnología para optimizar los procesos de aprendizaje.

Fundamentación teórica

No todos los estudiantes aprenden de la misma manera por lo que, la metodología de enseñanza debe considerar las características del aprendiz, principalmente su forma de aprender y en ello, los estilos de aprendizaje son de gran utilidad en virtud de que conocer el estilo de aprendizaje de los estudiantes permitirá adaptar la enseñanza (Gutiérrez, 2018; Kolb, 1984; Rodríguez,2018).

Existen diferentes teorías respecto de los estilos de aprendizaje; sin embargo, la teoría de Kolb (1984), describe la forma en que una persona aprende y se desenvuelve en situaciones tanto académicas como personales y la construcción de su instrumento se basa en el aprendizaje experiencial, es aplicable tanto en contextos educativos como laborales y provee de elementos para personalizar la enseñanza; además puede aplicarse muy bien con estudiantes de educación superior.

Kolb, en su modelo de aprendizaje describe el aprendizaje a partir de un ciclo de cuatro etapas: una experiencia concreta que da lugar a la observación y reflexión quienes, a su vez, asimilan una especie de teoría para propiciar la toma de decisiones y permitan la actuación y la generación de nuevas experiencias dando lugar a cuatro estilos de aprendizaje: Divergente, Asimilador, Convergente y Adaptador. Afirma también, para aprender, el sujeto deberá recorrer todos los cuadrantes ya que el aprendizaje se logra cuando el individuo que aprende tiene una experiencia concreta con el objeto de aprendizaje en la cual se genera información, y la forma en que se percibe y se procesa, condiciona la forma de aprender dando lugar a su estilo de aprendizaje.

Desde esta perspectiva la Inteligencia Artificial (IA) puede ser de gran utilidad para adaptar y personalizar materiales didácticos a las actividades de aprendizaje de acuerdo con las características y necesidades de cada estudiante. Con IA es posible identificar las debilidades de cada estudiante y establecer estrategias para optimizar el aprendizaje en función de ello.

Así mismo, es posible que con IA el discente aclare dudas y reciba retroalimentación sobre su desempeño y progreso de manera inmediata, a partir de la automatización y el uso de asistentes virtuales y chatbots; mientras que el docente tendrá la posibilidad de analizar datos generados durante el proceso educativo e identificar áreas de oportunidad y tomar decisiones informadas que le permitan mejorar su proceso de enseñanza (Instituto Latinoamericano de Desarrollo Profesional Docente, 2024).

En este sentido, la IA en educación se aplica con el uso de plataformas de aprendizaje adaptativo, acompañadas de sistemas de tutorías y herramientas para la generación de contenido educativo y multimedia; así como herramientas de evaluación automatizada y aplicaciones de apoyo para estudiantes con necesidades especiales.

En este contexto, personalizar el aprendizaje se refiere a flexibilizar y adecuar la enseñanza de acuerdo con las necesidades, intereses, tiempos, habilidades y características de aprendizaje de cada estudiante e implica combinar enfoques pedagógicos con herramientas tecnológicas que permitan ajustar los contenidos e ambientes de aprendizaje en función de las características de los discentes.

Personalizar el aprendizaje, entonces, requiere considerar que cada estudiante presenta un estilo de aprendizaje diferente, avanza según su propio ritmo y tiene intereses diferentes respecto de un mismo tema por lo que se deben emplear estrategias para atender las necesidades de los estudiantes y, por tanto, adaptar el proceso de evaluación también con el fin de asegurar la efectividad y significancia del proceso de aprendizaje a partir de una educación equitativa, justa y de la mejor calidad.

Aunque la IA brinda oportunidades para mejorar la calidad de los procesos de enseñanza y aprendizaje, es fundamental usarla con responsabilidad y de acuerdo con principios éticos; así mismo garantizar el acceso equitativo para toda la población estudiantil y docente de manera que se minimice la brecha digital, de manera que, a pesar de sus desafíos, se pueda aprovechar la IA para mejorar la calidad de la educación a partir de la personalización del aprendizaje. 

Metodología

El propósito del presente estudio es proponer estrategias de enseñanza que usen inteligencia artificial para personalizar el aprendizaje. Para ello se aplicó el Cuestionario de estilos de aprendizaje de Kolb con el fin de definir el estilo de aprendizaje de los estudiantes de dos grupos del módulo de Análisis de Fármacos y Materias Primas (AFMP) de la licenciatura de QFB en FES Zaragoza. 

Se trata de un estudio descriptivo y propositivo con muestreo por conveniencia, en el cual se identifica primero cómo aprenden los estudiantes y posteriormente se diseñan estrategias de enseñanza personalizadas, usando inteligencia artificial.

Con la información obtenida a partir del cuestionario de Kolb, se elaboraron mapas que muestran las características de aprendizaje de cada grupo, de acuerdo con el estilo de aprendizaje de cada estudiante y con base en ello se definieron las estrategias de aprendizaje recomendadas y se propusieron las estrategias de enseñanza adecuadas para cada estilo, usando IA; propuesta que se someterá a un proceso de validación por juicio de expertos antes de aplicarla.

Cabe mencionar que, aunque se cuenta con el consentimiento de los estudiantes para realizar el estudio, toda la información se presenta de manera anónima y confidencial y los datos sólo se utilizarán con fines educativos y académicos.

Resultados

A continuación, se presentan los resultados sobre las características de aprendizaje de dos grupos de acuerdo con los estilos de aprendizaje establecidos por Kolb. En estos dos mapas se observa una distribución diferente de los estudiantes con respecto a los estilos de aprendizaje con lo que, de manera inicial, sugiere que no es recomendable usar las mismas estrategias de enseñanza para cada grupo.

Figura 1. Mapas de aprendizaje de dos grupos del módulo de AFMP

Considerando los mapas de aprendizaje de ambos grupos, es fácil distinguir las diferencias. En el grupo A se consideraron 34 estudiantes y en el grupo B 32. En este último se observa que la población de estudio se encuentra inclinada hacia los estilos divergente y asimilador; mientras que en el grupo A la distribución se ve más homogénea lo cual, como se sugirió anteriormente, indica que las estrategias de enseñanza no deberían ser iguales para ambos grupos.

Así mismo, estos mapas apoyan la idea de personalizar el aprendizaje, dado que, a pesar de contar con varios estudiantes con el mismo estilo de aprendizaje, no necesariamente todos aprenden igual, ni con las mismas condiciones. Por ejemplo, observando ambos mapas, existen estudiantes con estilo asimilador que se encuentran más cerca del centro del cuadrante y otros están más alejados; lo cual indica que se deben emplear varias estrategias pedagógicas que logren cubrir las necesidades de aprendizaje de cada discente, considerando sus capacidades cognitivas y sus experiencias previas de aprendizaje.

En este contexto, la enseñanza se puede apoyar en características de aprendizaje generales, de acuerdo con cada estilo; sin embargo, no es recomendable emplear una sola estrategia ni por clase, ni para cada estilo. Justo en este punto del proceso educativo, el docente deberá elegir las estrategias adecuadas para generar un programa, combinando varias de ellas   de manera tal, que logre responder a las características de aprendizaje de su grupo.

En este sentido, la siguiente tabla muestra las características de aprendizaje de cada estilo de acuerdo con la teoría de Kolb; asimismo, se describe brevemente la forma de aprendizaje y las estrategias de enseñanza recomendadas; mismas que se repiten en varios estilos, no obstante, por ejemplo, el aprendizaje basado en proyectos no se lleva a cabo de la misma manera para un adaptador que para un convergente o divergente. Para los adaptadores se deben emplear proyectos reales en los que se obtengan resultados casi inmediatos; para los convergentes es útil emplear proyectos simulados y para los divergentes, es necesario usar proyectos colaborativos que reten su creatividad. En la siguiente tabla se presentan las características para cada estilo de aprendizaje:

Tabla 1. Relación entre estilos de aprendizaje y estrategias de enseñanza

Estilo de aprendizaje	Características	Forma de Aprendizaje	Estrategias de Enseñanza
Adaptador	Perciben la información concretamente y la procesan activamente	Aprende haciendo y experimentando. Su principal recurso reside en la ejecución, Prefiere la acción y la intuición sobre la teoría. Requieren relacionar teoría con práctica y saber cuál es la finalidad.	Aprendizaje basado en proyectos  Exploración de entornos  Prácticas de campo Experimentos de laboratorio Aprendizaje basado en problemas
Divergente	Perciben la información a través de experiencias concretas  y la expresan de manera reflexiva	Aprende escuchando y compartiendo ideas, requiere saber las causas de todo, es analítico y requiere de una planeación previa	Aprendizaje basado en proyectos  Foros y seminarios Debates y discusión en grupos Aprendizaje basado en problemas Estudios de caso
Asimilador	Percibe la información de forma abstracta y la procesa de manera reflexiva	Aprende a través del razonamiento inductivo, requieren de información completa antes de actuar, se interesan por los conceptos y modelos teóricos	Aprendizaje basado en problemas  Estudios de caso Exposiciones magistrales Enseñanza basada en teorías y modelos
Convergente	Percibe la información de manera abstracta y la procesa de forma activa	Aprende con base en el sentido común comprobando teorías y la aplicación práctica de ideas, utiliza el razonamiento hipotético deductivo, se interesa por el funcionamiento de las cosas.	Aprendizaje basado en problemas  Diseño y Desarrollo de materiales  Experimentos de laboratorio Aprendizaje basado en proyectos Juego de roles Aprendizaje colaborativo
			Fuente: realizada por los autores

Con respecto a la IA, considerando las estrategias de enseñanza enlistadas en la tabla anterior, éstas se estructuraron a partir de un enfoque centrado en el aprendizaje con apoyo de herramientas de IA generativa. Cada estrategia consideró un objetivo específico, una secuencia de actividades y el uso intencionado de IA. Por ejemplo, con la intención de fomentar el análisis crítico se diseñó una estrategia basada en debates guiados con preguntas generadas por la IA a partir del contenido del curso. En otra estrategia con base en proyectos, se usó la IA para sugerir temas pertinentes, organizar ideas en mapas conceptuales y búsqueda de referencias.

Así, los aspectos relacionados con la generación de preguntas, selección de temas, organización de ideas, búsqueda de información y explicación de conceptos se incorporaron de manera explícita y estructurada dentro de las estrategias pedagógicas implementadas.

Por otro lado, existen aplicaciones que apoyan con la simulación de experimentos, organizan y facilitan el trabajo en equipo y la participación interactiva por ejemplo: Chat GPT, Perplexity AI, Claude AI, GeminiNotion AI, QuestionWell, Ideanote, Miro, ResearchGPT, Quillbot, Copilot, Socratic, Scribe, Canva, Padlet, Monic.ai, Comenio, Gamma, Slides AI,Wepik, SlidesGPT, LumaLabs, Ideanote, Quizizz AI, Mentimeter AI, kahoot, MindMaster, así como las plataformas interactivas, entre otras.

Con respecto a la selección de las herramientas de IA mencionadas, se eligieron considerando aspectos pedagógicos, disponibilidad y usabilidad, costo y sostenibilidad, interoperabilidad y por supuesto, privacidad y ética. Es decir, porque complementan la estrategia didáctica dado que se alinean con el nivel cognitivo que establece el programa, son fáciles de usar y están disponibles en español e inglés; cuentan con versiones gratuitas y paquetes de precios accesibles, cumplen con las regulaciones de protección de datos. Además de que permiten ajustar los contenidos y el grado de dificultad de acuerdo con las necesidades del grupo y pueden integrarse fácilmente con plataformas educativas.

De esta forma, con el apoyo de herramientas tecnológicas, el docente podrá generar materiales para adaptar la enseñanza al ritmo y características de aprendizaje de sus estudiantes en el menor tiempo y con la mejor calidad.

La IA está revolucionando la educación al colaborar para que el aprendizaje sea más flexible y adaptado a las necesidades individuales de cada estudiante. Su implementación, sin embargo, debe realizarse bajo estrictos principios éticos y, garantizando que todos los estudiantes puedan beneficiarse de ella. 

Conclusiones

• La personalización del aprendizaje es una necesidad. Adaptar la enseñanza a las características de los estudiantes permite que se involucren y responsabilicen de su aprendizaje.
• El empleo de estrategias acordes a los estilos e aprendizaje, garantiza que todos los dicentes tengan oportunidad para aprender, construir y reforzar su conocimiento a su propio estilo y ritmo.
• La combinación de tecnología e innovación pedagógica puede marcar una diferencia significativa en la calidad educativa y en la formación de futuros profesionales.
• La IA favorece la labor docente ya que permite genera materiales adaptados a los estilos de aprendizaje, propiciando la eficiencia tanto del proceso de enseñanza como de aprendizaje.
• La combinación de estilos de aprendizaje, IA y estrategias de enseñanza favorecen la educación a través de un modelo flexible y centrado en el estudiante; además, permite el diseño de entornos de aprendizaje dinámicos, personalizados y efectivos.
  

---

Referencias

1. Aguilar, F. (2016). Implicaciones del conocimiento de los EA en el ejercicio profesional del docente universitario. Revista de Estilos de Aprendizaje, 18 (9), 165-204
   
2. Aprende Virtual – Instituto Latinoamericano de Desarrollo Profesional Docente. ( 2024 , enero ) . Inteligencia artificial en la educación (2024, enero). Inteligencia artificial en la educación: Una guía práctica para profesores en la era digital . Buenos Aires, Argentina.
   
3. Bellido, E. et. al.  (2002) Fundamentos de la docencia universitaria. México FES Zaragoza UNAM.
   
4. Bermúdez G. et. al. (2025). Estrategias de Enseñanza basadas en Inteligencia Artificial y su Impacto en el Aprendizaje Personalizado de los Estudiantes. Ciencia Latina Revista Científica Multidisciplinar, 9(2), 6822-6836. https://doi.org/10.37811/cl_rcm.v9i2.17409
   
5. Galindo E., Cerda B. y Suárez, J. (2019) Estilos de aprendizaje y rendimiento académico en estudiantes de nuevo ingreso. Revista Mexicana de Medicina Forense, 4(2), 38-41. 
   
6. Gutiérrez, M. (2018). Estilos de aprendizaje y estrategias para enseñar: Su relación con el desarrollo emocional y aprender a aprender. Tendencias pedagógicas, (31). 83-96.
   
7. Kolb, D. (1976). The Learning Style Inventory: Technical Manual. Boston, Ma.: McBer.  
   
8. Kolb, D. (1984) Experiential Learning:Experience as the source of learning and development New Jersey Prentice Hall
   
9. Medina, J. y Jarauta, B. (2013), La enseñanza como facilitación para el aprendizaje crítico reflexivo, en Enseñanza y aprendizaje en la educación superior, Síntesis, Madrid.
   
10. Rodríguez, R. (2018) Los modelos de aprendizaje de Kolb, Honey y Mumford: implicaciones para la educación en ciencias.   Sophia, 1(14).  51-64. Recuperado de http://dx.doi.org/10.18634/sophiaj.14v.1i.698
    
11. Ruiz Martín, H. (2020). ¿Cómo aprendemos? Una aproximación científica al aprendizaje y la enseñanza. (1ª ed.). Graó de IRIF, SL.
    
12. Trujillo, F. (2018) Activos de aprendizaje, utopías educativas en construcción Ediciones Sonia Cáliz, España.