🔬 physics

Students' Epistemological Beliefs and their Chatbot Preferences in AI-mediated Physics Learning

Este estudio investiga la relación entre las creencias epistemológicas de los estudiantes de física introductoria y sus preferencias por los comportamientos de los chatbots de IA en un módulo de simulación de ondas, encontrando que, si bien los estudiantes que favorecían una "combinación" de indagación guiada y respuestas directas mostraron inicialmente creencias más sofisticadas, estas diferencias no fueron estadísticamente significativas tras la corrección de Bonferroni.

Autores originales: Amogh Sirnoorkar, Omkar Mamidpalliwar

Publicado 2026-08-03

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Amogh Sirnoorkar, Omkar Mamidpalliwar

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando aprender a montar en bicicleta. Tienes dos opciones para un ayudante: uno que simplemente se sube a la parte trasera y dirige por ti, diciéndote exactamente hacia dónde ir, y otro que corre a tu lado, preguntándote: "¿Hacia qué lado crees que deberías girar?", y que solo agarra el manubrio si estás a punto de chocar. Este es el núcleo de un fascinante rincón de la ciencia llamado investigación en la educación de la física. Los científicos en este campo no solo se preocupan por si obtienes la respuesta correcta en un examen; les importa cómo piensa tu cerebro sobre el conocimiento mismo. Estudian tus "creencias epistemológicas", que es una forma elegante de preguntar: ¿Crees que el conocimiento es una lista fija de hechos transmitidos por expertos, o crees que es algo que construyes tú mismo a través del esfuerzo y los errores?

Ahora, entra el nuevo integrante del grupo: la IA Generativa. Estos son los chatbots súper inteligentes que pueden resolver problemas instantáneamente. A medida que los estudiantes comienzan a usar estas herramientas para sus tareas, surge una gran pregunta: ¿Piensan de manera diferente los estudiantes que quieren que la IA simplemente "les dé la respuesta" frente a aquellos que quieren que la IA los "guíe a través del problema"? Si podemos descubrir esto, podríamos diseñar tutores de IA que no solo hagan el trabajo por los estudiantes, sino que realmente los ayuden a convertirse en mejores pensadores.

Este artículo, escrito por investigadores de la Universidad de Purdue, se sumerge precisamente en esa pregunta. Establecieron un patio de recreo digital para estudiantes que tomaban una clase de física basada en cálculo. Se les pidió a los estudiantes que exploraran un tema llamado "ondas" utilizando un módulo en línea creado a medida. Este módulo tenía simulaciones geniales y un chatbot integrado. Antes de comenzar, se les pidió a los estudiantes que eligieran su estilo favorito de interacción con el chatbot entre tres opciones:

Respuestas Directas: "Solo dime la respuesta".
Indagación Guiada: "Hazme preguntas y dame pistas para que yo mismo lo descubra".
Combinación: "Empieza haciéndome preguntas, pero si me quedo trabado, solo dame la respuesta".

Los investigadores también aplicaron a los estudiantes una encuesta estándar llamada EBAPS para medir sus "creencias epistemológicas"—básicamente, qué tan sofisticadas eran sus ideas sobre el aprendizaje y el conocimiento. Querían ver si el chatbot que un estudiante quería usar coincidía con cómo pensaba realmente sobre el aprendizaje.

Esto es lo que encontraron, y es un poco agridulce. Primero, la opción más popular fue el estilo de Combinación. Alrededor del 52% de los estudiantes eligió esta opción de "guíame primero, pero ayúdame si me quedo trabado". Un grupo más pequeño, el 39.6%, quería Respuestas Directas, y solo el 7.6% quería una Indagación Guiada pura.

Cuando los investigadores compararon las puntuaciones de la encuesta de estos tres grupos, observaron un patrón interesante. Los estudiantes que eligieron el chatbot de Combinación tendían a tener creencias más "sofisticadas" sobre el aprendizaje que aquellos que solo querían Respuestas Directas. Específicamente, estos estudiantes de "Combinación" parecían creer con más fuerza que:

El conocimiento no es solo un montón de hechos inalterables; puede evolucionar y cambiar a medida que aprendemos más.
Ser bueno en la ciencia no se trata de nacer con un "gen inteligente" especial; se trata de poner esfuerzo y utilizar buenas estrategias.

Sin embargo, los investigadores son muy cuidadosos de no gritar "¡Eureka!" todavía. Aunque los números mostraron una diferencia, la "confianza" estadística fue un poco inestable. Cuando aplicaron una prueba más estricta para asegurarse de que los resultados no fueran solo una casualidad (un método llamado ajuste de Bonferroni), la diferencia entre los grupos desapareció.

Entonces, ¿qué significa esto? El artículo sugiere que podría haber un vínculo entre querer un tutor de IA útil y equilibrado y tener una mentalidad de crecimiento sobre el aprendizaje. Insinúa que los estudiantes que creen que el esfuerzo importa podrían preferir naturalmente un chatbot que los desafíe un poco antes de darles la respuesta. Pero debido a que la evidencia estadística no era del todo sólida, los autores dicen que esto es más un "indicio sugestivo" que un hecho probado. No encontraron ningún vínculo fuerte entre las creencias de los estudiantes y aquellos que querían preguntas puramente guiadas frente a respuestas puras.

¿La lección para el futuro? Si queremos construir tutores de IA para la física que realmente ayuden a los estudiantes a crecer, no deberíamos simplemente dejar que elijan el botón de "atajo". En su lugar, deberíamos diseñar bots que comiencen haciendo preguntas y empujando a los estudiantes a pensar, interviniendo con la respuesta solo cuando el estudiante esté realmente trabado. Este enfoque parece alinearse mejor con los estudiantes que tienen las actitudes más saludables hacia el aprendizaje, incluso si necesitamos más investigación para estar 100% seguros.

Resumen Técnico: Creencias Epistemológicas de los Estudiantes y sus Preferencias de Chatbot en el Aprendizaje de la Física Mediado por IA

Planteamiento del Problema
La rápida integración de la IA Generativa en la educación superior presenta una espada de doble filo: si bien ofrece un acceso inmediato a la información, corre el riesgo de reducir el compromiso de los estudiantes en procesos cognitivos esenciales como la modelización, la argumentación y la construcción de sentido (sensemaking). A pesar de un creciente cuerpo de Investigación en la Educación de la Física (PER, por sus siglas en inglés) que examina las interacciones de los estudiantes con la IA, persisten brechas significativas. Específicamente, existe una escasez de investigación sobre las preferencias de los estudiantes respecto a comportamientos específicos de los chatbots (por ejemplo, indagación guiada frente a respuestas directas) y una falta de exploración en la intersección de estas preferencias con las creencias epistemológicas de los estudiantes (sus visiones sobre la naturaleza del conocimiento y el aprendizaje) dentro del contexto de la física. Este estudio aborda estas brechas investigando la asociación entre las preferencias de comportamiento de los chatbots de estudiantes de física introductoria y sus creencias epistemológicas.

Metodología
El estudio se llevó a cabo en un curso introductorio de física basado en cálculo, de gran matrícula, para futuros ingenieros en una universidad R1 del medio oeste de los Estados Unidos. El contexto fue un módulo en línea de créditos extra enfocado en ondas, utilizando simulaciones personalizadas integradas con un chatbot.

Participantes: Los datos se recolectaron de 1,048 respuestas superpuestas de estudiantes que participaron tanto en la actividad del chatbot como en la encuesta de Evaluación de Creencias Epistemológicas para Ciencias Físicas (EBAPS) durante la primavera de 2026.
Instrumentación:
- Preferencia de Chatbot: Se pidió a los estudiantes que seleccionaran su comportamiento de chatbot preferido entre tres opciones: (1) Respuestas Directas (soluciones inmediatas), (2) Preguntas y Respuestas Guiadas (solo pistas conceptuales), o (3) Combinación (indagación guiada inicial con respuestas directas si el estudiante permanece estancado).
- Creencias Epistemológicas: Se administró la encuesta EBAPS, un cuestionario de 30 ítems, para evaluar las creencias a través de cinco dimensiones: Estructura del conocimiento científico, Naturaleza del conocer y aprender, Aplicabilidad en la vida real, Conocimiento evolutivo y Fuente de la capacidad de aprender. Las puntuaciones se normalizaron a porcentajes (escala 0–100).
Análisis de Datos: Los investigadores emplearon la prueba de Kruskal-Wallis para comparar las puntuaciones de EBAPS entre los tres grupos de preferencia, seguido de pruebas post-hoc de Dunn con corrección de Bonferroni para identificar diferencias de pares específicos. También se calcularon los tamaños del efecto.

Resultos Clave
El análisis reveló que el 52% de los estudiantes prefirió el enfoque de "Combinación", el 39.6% prefirió "Respuestas Directas" y solo el 7.6% prefirió "Preguntas y Respuestas Guiadas".

Asociaciones Estadísticas: En el nivel de significancia nominal ( $\alpha = 0.05$ ), la prueba de Kruskal-Wallis indicó diferencias significativas en las puntuaciones generales de EBAPS y específicamente en el Eje 4 (Conocimiento evolutivo) y el Eje 5 (Fuente de la capacidad de aprender) entre los grupos de preferencia.
Hallazgos Específicos: El análisis post-hoc mostró que los estudiantes que preferían el chatbot de "Combinación" exhibieron puntuaciones significativamente más altas que aquellos que preferían las "Respuestas Directas" en:
- Eje 4: Equilibrio entre el absolutismo (conocimiento como algo fijo) y el relativismo (distinguir la evidencia de la opinión).
- Eje 5: Ver el éxito en la ciencia como determinado por el esfuerzo y la estrategia en lugar de la capacidad innata.
Prueba de Robustez: Al aplicar un nivel de significancia ajustado por Bonferroni ( $\alpha = 0.0083$ ) para considerar las comparaciones múltiples, las diferencias observadas para la puntuación total y los Ejes 4 y 5 ya no fueron estadísticamente significativas. También se observó que los tamaños del efecto eran pequeños, lo que indica que la preferencia del chatbot explicaba solo una proporción modesta de la variabilidad en las puntuaciones epistemológicas.

Contribuciones Clave
Este estudio contribuye a la literatura al cambiar el enfoque de si los estudiantes usan la IA a cómo prefieren que la IA apoye su aprendizaje. A diferencia de estudios previos que examinaron la adopía general de la IA o las creencias sobre la IA en sí misma, esta investigación vincula específicamente las preferencias de los comportamientos instructivos de los chatbots con las creencias epistemológicas específicas del dominio en física. Proporciona datos empíricos que sugieren un vínculo, aunque tentativo, entre creencias epistemológicas sofisticadas y la preferencia por herramientas de aprendizaje híbridas que equilibran la indagación con el apoyo.

Significancia e Implicaciones
Los autores caracterizan sus hallazgos como "sugerentes en lugar de concluyentes" debido a la falta de significancia bajo las correcciones estadísticas conservadoras y los modestos tamaños del efecto. Sin embargo, proponen varias implicaciones para el diseño y el uso instructivo de los chatbots en la educación de la física:

Estrategia de Diseño: Los chatbots deben diseñarse para involucrar inicialmente a los estudiantes en la indagación guiada (razonar a través de los problemas), pero proporcionar asistencia directa cuando los estudiantes se sientan estancados. Este enfoque busca equilibrar la "lucha productiva" con un apoyo oportuno, evitando la frustración y evitando también la inhibición de la construcción de sentido.
Refuerzo Instruccional: Los hallazgos respecto al Eje 5 sugieren que los chatbots y los instructores deben reforzar la idea de que la capacidad de aprendizaje se desarrolla mediante el esfuerzo y la estrategia, no mediante el talento innato. Los chatbots pueden programarse para instar a los estudiantes a revisar conceptos, descomponer problemas en pasos o reflexionar sobre estrategias no exitosas, enmarcando la asistencia como una herramienta para desarrollar la competencia en lugar de un sustituto del pensamiento.
Investigación Futura: El estudio hace un llamado a investigar más a fondo si el uso sostenido de chatbots de estilo socrático puede cambiar positivamente las creencias epistemológicas de los estudiantes con el tiempo y cómo el uso de la IA impacta el compromiso en los juegos epistémicos durante la resolución de problemas.

El artículo concluye que, si bien las asociaciones observadas justifican una mayor investigación, también ofrecen una base preliminar para diseñar entornos de aprendizaje mediados por IA que se alineen con marcos epistemológicos sofisticados.

Más como este