Educación e inteligencia artificial: desempeño de chatbots y profesores de matemática en la resolución de problemas geométricos

Abstract

La Inteligencia Artificial Generativa (IAGen) ha surgido como una tecnología disruptiva cuya amplia adopción impactó rápidamente en el contexto educativo. Este trabajo tiene por objetivo analizar el desempeño de tres chatbots en la resolución de cuatro problemas geométricos, dos de geometría clásica y dos de geometría fractal. Además, se comparan estas soluciones con las aportadas por ocho profesores de matemática en servicio. El análisis y comparación de soluciones se realizan según el tipo de soluciones matemáticas proporcionadas, el rigor, procedimiento y justificación matemática empleados. El método general de análisis es exploratorio y para cada tipo de problemas se presentan categorías específicas de análisis. Los resultados obtenidos dan cuenta de las dificultades de los chatbots en resolver problemas geométricos, sobre todo, en las representaciones gráficas y ubicaciones espaciales, así como también de una clara diferencia a su favor en las validaciones matemáticas. Se concluye en la potencialidad de la IAGen en la resolución de problemas siempre y cuando se analicen críticamente las respuestas que ofrecen.

Generative artificial intelligence (GenAI) has emerged as a disruptive technology with a wide adoption that has greatly impacted on education. This work aims at analyzing the performance of three chatbots at solving four Geometry problems, two of them belonging to classical geometry and the other two in the area of fractal Geometry. Also, we compare chatbots’ solutions against those proposed by eight in-service Mathematics teachers. The solutions analysis and comparison are carried out taking into account the type of solutions suggested, the soundness, the procedures employed, and mathematical justifications given. The general method is exploratory, and for each problem type we present particular categories of analysis. The results obtained evidence chatbots’ shortcomings when solving Geometry problems, mainly when dealing with graphical representations and spatial locations, as well as their advantage at mathematical validations. We conclude that GenIA has a great potential to contribute to Geometry problem solving as long as the answers are critically judged.