1
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
1
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para
potenciar la motivación y el rendimiento académico
Gamication and learning analytics: An AI-based approach to boosting motivation
and academic performance
Milton Altamirano Pazmiño , Rommel Ponce Morales , Nelson Salgado Reyes
Autor para correspondencia: nsalgado@itsjapon.edu.ec
Derechos de Autor
Los originales publicados en las ediciones electrónicas bajo derechos
de primera publicación de la revista son del Instituto Superior
Tecnológico Universitario Rumiñahui, por ello, es necesario citar
la procedencia en cualquier reproducción parcial o total. Todos los
contenidos de la revista electrónica se distribuyen bajo una licencia de
Creative Commons Reconocimiento-NoComercial-4.0 Internacional.
Citas
Altamirano Pazmiño, M., Ponce Morales, R., & Salgado Reyes, N.
en IA para potenciar la motivación y el rendimiento académico.
CONECTIVIDAD, 6(4), 1–15. https://doi.org/10.37431/conectividad.
v6i4.345
RESUMEN
de aprendizaje impulsada por inteligencia
cada vez más relevante para promover la
motivación, la participación y el rendimiento
estudiantil en la educación superior
tecnológica. Este estudio cuasi experimental
(pretest–postest con grupo control) evaluó
con componentes adaptativos de IA sobre
estudiantes de un programa tecnológico (n =
60; 30 experimental, 30 control). Se midieron
motivación (IMMS), rendimiento académico y
participación activa. Los resultados mostraron
como en el rendimiento y la participación en
correlación entre participación y rendimiento
alcanzó un valor elevado (r = .92, p < .001).
Se discuten las implicaciones instruccionales,
experimentales más robustos y seguimientos
longitudinales.
Palabras claves:
Rendimiento acádemico; Educación superior
tecnológica.
ABSTRACT
AI-driven learning analytics is an increasingly
higher technological education. This quasi
experimental study (pre-test–post-test with
on students in a technology program (n = 60; 30
experimental, 30 control). Motivation (IMMS),
were measured. The results showed statistically
participation in the experimental group, with
interactions, while the correlation between
high value (r = .92, p < .001). Instructional
implications, methodological limitations, and
ups are discussed.
Keywords:
ance; Technological higher education.
Instituto Superior Tecnológico CUESTTV, mraltamiranop@cuesttv.edu.ec, Quito - Ecuador
Instituto Superior Tecnológico CUESTTV, rponce@cuesttv.edu.ec, Quito - Ecuador
Instituto Universitario Japón, nsalgado@itsjapon.edu.ec, Quito - Ecuador
Artículo Cientíco
2
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
1. INTRODUCCIÓN
La incorporación de mecánicas de juego (puntos, niveles, insignias, retos) en contextos
de aprendizaje sustentada en IA ha permitido personalizar trayectorias, detectar tempranamente
el riesgo de deserción y retroalimentar en tiempo real a docentes y estudiantes (Gligorea et al.,
2023; Lim & Tinio, 2018).
1.1. Vacío de conocimiento y problema cientíco
y la participación activa, en comparación con una instrucción tradicional?
1.2 Objetivos
experimental.
c) Explorar las relaciones post intervención entre motivación, participación y rendimiento.
1.3. Contribución
El estudio aporta evidencia cuantitativa con criterios de rigor (reportes de d de Cohen, IC95%,
estudiantes de educación superior tecnológica, proporcionando implicaciones prácticas para el
diseño instruccional basado en datos.
3
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
2. MATERIALES Y MÉTODOS
2.1. Diseño
Se utilizó un diseño cuasi experimental con mediciones pretest y postest, que incluyó un grupo
2.2. Participantes y criterios
• Participaron 60 estudiantes de un programa tecnológico (30 experimental; 30 control),
seleccionados mediante muestreo por conveniencia.
•
• Criterios de exclusión: abandono del curso, datos incompletos o inconsistencias en
2.3. Asignación y equivalencia basal
La asignación se realizó por aleatorización parcial a partir de secciones preexistentes,
intervención.
2.4. Intervención
• Mecánicas de juego: puntos, niveles, insignias, retos y tablas de posiciones.
•
retroalimentación automática (modelos supervisados).
El grupo control recibió una instrucción tradicional con actividades y evaluaciones
convencionales.
2.5. Instrumentos
• Motivación: Instructional Materials Motivation Survey (IMMS), adaptado al contexto
86 y 91.
4
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
•
semestre.
• Participación activa: número de tareas completadas, puntos acumulados, logros
2.6. Control de sesgos
Se implementaron estrategias para mitigar sesgos:
• Ciegamiento parcial del corrector respecto del grupo de pertenencia.
•
•
• Análisis de covarianza exploratorio considerando el rendimiento previo como
covariable.
2.7. Análisis de datos
Se aplicaron análisis descriptivos, pruebas t para muestras relacionadas (pre–post en el grupo
2.7.1. Métodos, técnicas e instrumentos:
a) Métodos teóricos
teórico y orientar la interpretación de los resultados:
•
educación, motivación académica y rendimiento estudiantil. Esta revisión permitió
•
5
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
analizar sus componentes teóricos y luego integrarlos en una visión coherente que
sustentara la hipótesis del trabajo. También se aplicó este método en el análisis de
• Método inductivo-deductivo. El razonamiento inductivo permitió, a partir de
razonamiento deductivo orientó la validación de dichas hipótesis mediante el diseño
•
basado en la integración de mecánicas de juego y componentes adaptativos de IA,
estudiadas: motivación, rendimiento académico y participación activa.
• Observación sistemática. Durante el proceso de intervención, se registraron
participación activa de los estudiantes.
• Encuesta con instrumento validado. Se aplicó el cuestionario Instructional Materials
IMMS se implementó en ambos grupos antes y después de la intervención.
•
6
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
y proporcionaba retroalimentación automática basada en desempeño con modelos de
•
desviaciones estándar de las variables motivación, rendimiento y participación
antes y después de la intervención. Para comparar grupos y momentos, se aplicaron
pruebas t de Student para muestras relacionadas (comparación pre y post en el grupo
calculó la correlación de Pearson entre variables post-intervención para evaluar las
relaciones entre motivación (subescalas del IMMS), participación activa (número de
3. RESULTADOS
3.1. Cambios pre–post en el grupo experimental
Tabla 1. Resultados pre–post del grupo experimental (n = 30)
Variable PrM (DE) Post M (DE) Δ (%) p d IC 95% ΔM 1-β
Atención (1–5)
2.91 (0.45) 3.96 (0.41) +36.3 < .001 2.44 [0.83, 1.27] > .99
Relevancia (1–5)
3.04 (0.47) 4.21 (0.38) +38.6 < .001 2.74 [0.95, 1.39] > .99
Conanza (1–5)
2.91 (0.50) 3.93 (0.42) +35.1 < .001 2.21 [0.79, 1.25] > .99
Satisfacción (1–5)
2.99 (0.45) 4.02 (0.42) +34.4 < .001 2.37 [0.81, 1.25] > .99
Motivación total
(1–5)
2.96 (0.46) 4.03 (0.41) +36.1 < .001 2.40 [0.86, 1.28] > .99
Rendimiento (0–100)
72 (8) 80 (7) +11.1 .020 1.06 [4.21, 11.79] .95
Participación (tar-
eas)
15 (4) 20 (5) +33.3 < .001 1.10 [2.68, 7.32] .96
Nota: ΔM = diferencia de medias (post – pre). IC 95% = intervalos de conanza del 95% para ΔM. 1β = potencia
posthoc.
7
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
• Atención. El promedio mutó de 2,91 (±0,45) a 3,96 (±0,41), ¡un salto del 36,3%! Esto
mantener a los chicos bien metidos en el tema.
• Relevancia. Creció de 3,04 (±0,47) a 4,21 (±0,38), ¡el mayor brinco con un 38,6 %!
Tal vez se deba a la IA 'camaleón', que acomodó los temas y tareas a lo que cada quien
necesitaba y le llamaba la atención, sintiendo que iba directo a su meta.
•
medida hace que uno se sienta capaz.
•
educativa. Los elementos lúdicos (puntos, insignias, retos) y la personalización
impulsada por la IA parecen haber creado una experiencia educativa más positiva y
de motivación en términos más concretos, en donde hemos visto un incremento notorio en la
trata de personalización de contenido, relevancia académica (38.6%) y objetivos alineados
académico para el aprendizaje programado. Esto también se relaciona con el balanceado
crecimiento obtenido en otras subescalas, lo cual demuestra que dicho sistema no solo atrae
Según datos recopilados y analizados anteriormente, luego de la implementación y uso
8
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
respecto a motivación estudiantil como variable compuesta, la cual creció suplementariamente,
la motivación y el compromiso de los alumnos (Jaramillo-Mediavilla y otros, 2024; Moon y
motivados, sino que también obtuvieron mejores resultados en sus evaluaciones. Estudios
Mediavilla y otros, 2024), especialmente cuando se combina con estrategias de aprendizaje
adaptando recursos de aprendizaje individuales y contribuyendo a este avance en las notas
La participación activa (número de ejercicios completados) creció de 15 a 20 tareas en
promedio, lo que equivale a un aumento del 33 %. Esto evidencia que los estudiantes dedicaron
insignias) se asoció con un mayor compromiso participativo (Joshi & Joshi, 2024; Metwally
y otros, 2020). De hecho, la elevada correlación observada entre tareas completadas y puntaje
coincidiendo con investigaciones que resaltan la relación entre la atención continua del alumno
y sus logros (Metwally y otros, 2020).
Al contrastar estos resultados con la literatura, se observa coherencia general: la intervención
Yahaya, Al-Rahmi, & Almuqren, 2025; Gómez, 2023). Sin embargo, es importante anotar como
9
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
y mantiene el interés del estudiante, como sugieren varios estudios al emplear algoritmos de
2025). De manera coherente con Ampudia et al., el entorno resultó percibido como más
3.2. Comparaciones entre grupos
los observados en el grupo control.
3.3. Relaciones entre variables post-intervención
mientras que las subescalas de motivación mostraron asociaciones débiles o moderadas (Tabla
2). La Figura 1 presenta el mapa de calor de correlaciones (r de Pearson).
•
0,92). Esto quiere decir que los chicos que hicieron más cosas en el juego sacaron
10
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
dicen que participar es clave para el éxito en la escuela (Moon, McNeill, Edmonds,
•
mejorar poco a poco.
•
•
lo cual sugiere que, si bien estas dimensiones aumentaron tras la intervención, su
Tabla 2. Correlaciones de Pearson post-intervención entre participación y rendimiento
(grupo experimental, n = 30).
Variables Participación Rendimiento
Participación activa 1.00
0.92
0.30 0.21
Relevancia 0.22 0.10
Atención -0.08 0.02
-0.13 -0.18
Nota: Solo se reportan las correlaciones de interés directo para el estudio. Para la Figura 1 se empleó la matriz
completa de correlaciones.
Estos resultados apoyan la noción de que la participación activa en el entorno de juego y la
11
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
En general, el análisis detallado del cuestionario IMMS respalda la conclusión de que combinar
para los estudiantes tecnológicos.
Figura 1. Mapa de calor de correlaciones post-intervención (grupo experimental, n = 30)
Fuente: Autoría propia, 2025.
Nota: Los coecientes representan r de Pearson. El gradiente de color varía de −1 a 1. Los coecientes no
signicativos (p ≥ .05) pueden etiquetarse o diferenciarse cromáticamente para facilitar la interpretación.
4. DISCUSIÓN
sustantivas en la motivación, el rendimiento académico y la participación activa, con tamaños
12
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
et al., 2024). La elevada correlación entre participación y rendimiento sugiere que el diseño
y rutas adaptativas, puede ser determinante para alcanzar mejoras en el desempeño.
de las tareas y personalizar el recorrido de aprendizaje, lo que disminuye la habituación y el
desgaste motivacional.
Implicaciones prácticas
•
y personalizar el progreso.
• Formación docente: es imprescindible capacitar a los docentes para interpretar
•
en riesgo y diseñar intervenciones proactivas.
Limitaciones
• El diseño cuasi experimental y la muestra por conveniencia reducen la posibilidad de
•
social.
• No se analizaron modelos de mediación/moderación, ni se evaluó la persistencia
•
pequeños potencialmente relevantes.
5. CONCLUSIONES
13
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
elevar la motivación, la participación y el rendimiento en estudiantes de educación superior
y disciplinas diversas.
buena idea para hacer las clases más divertidas, que se adapten a nosotros y que nos ayuden a
bueno que todos supieran esto y lo probaran en las escuelas.
entender lo que dicen los datos. También, hay que pensar en cómo mantenernos motivados
lo que ya sabemos.
REFERENCIAS
on students’ engagement and academic achievement: SEM analysis perspectives. IEEE
Access. Advance online publication. https://doi.org/10.1109/ACCESS.2025.3560567.
Edu Labs. (2024, April 11). Analítica de aprendizaje e inteligencia articial en el elearning.
https://edu-labs.co/articulos/analitica-de-
Education Sciences,
13(12), Article 1216. https://doi.org/10.3390/educsci13121216.
Gómez, E. M. (2023). Tecnología educativa: Transformando el proceso de enseñanzaaprendizaje.
14
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
https://areaelearning.com/tecnologia-
Reincisol, 3(6),
4443–4456. https://doi.org/10.59282/reincisol.v3i6.4443-4456.
systematic review. Education Sciences, 14(6), Article 639. https://doi.org/10.3390/
educsci14060639.
Jáuregui, M. G. (2025, June 6). The impact of AIpowered gamication
https://observatory.tec.mx/edu-
Journal of Scientic and
Engineering Research, 11(11), 108–114. . https://doi.org/10.22214/ijraset.2023.56393
systematic literature review. Smart Learning Environments, 10, Article 10. https://doi.
org/10.1186/s40561-023-00227-z.
Proceedings
of the International Conference on Sustainability Innovation in Computing and
Engineering (ICSICE 2024) (Advances in Computer Science Research). https://doi.
org/10.2991/978-94-6463-718-2_8.
Lim, C. P., & Tinio, V. L. (2018). Analíticas de aprendizaje para el Sur Global. Fundación para
Proceedings of the 12th International
Conference on Computer Supported Education (CSEDU 2020) (pp. 673–683). Science
15
Fecha de recepción: 23 / 06 / 2025
Fecha de aceptación: 05 / 08 / 2025
Fecha de publicación: 31 / 10 / 2025
Gamicación y analítica de aprendizaje: Un enfoque basado en IA para potenciar la motivación y el rendimiento académico.
pp. 1 - 15 / Volumen 6, número 4 / DOI: https://doi.org/10.37431/conectividad.v6i4.345
Instituto Superior Tecnológico Universitario Rumiñahui
and Technology Publications. https://doi.org/10.5220/0009818606730683.
environments. International Journal of Educational Technology in Higher Education,
21(4), 1–36. https://doi.org/10.1186/s41239-024-00476-z.
Indus Journal of
Social Sciences, 3(1), 646–656. https://doi.org/10.59075/ijss.v3i1.758.
Computers in Human Behavior, 87, 192–206. https://doi.
org/10.1016/j.chb.2018.05.028
Umaña, L., & Isabel, L. (2023). El análisis del aprendizaje aplicado como estrategia para
mejorar la educación en los entornos virtuales. Revista Educación, 47(2), 1–25. https://
doi.org/10.15517/revedu.v47i2.53945.
Proceedings of the IBIMA Conference on Articial Intelligence and Machine Learning
(pp. 68–72). Springer. https://doi.org/10.1007/978-3-031-77493-5_7.
