Índice compuesto de fracaso antropométrico extendido en escolares rurales Wichis de la provincia de Salta

Victoria, EFE; Dipierri, JE; Alfaro Gómez, EL; Vilca, NG

Resumen. El Índice Compuesto de Fracaso Antropométrico Extendido (ICFAE), es una propuesta útil para analizar la malnutrición como una posible alternativa a los análisis por separado del acortamiento, emaciación y bajo peso. El objetivo de este trabajo es evaluar el ICFAE en escolares Wichi rurales del Paraje Rancho, Departamento Rivadavia (Salta). Se registraron el peso y talla de 44 niños y adolescentes de 6 a 15 años. Las evaluaciones fueron realizadas durante el segundo semestre del ciclo lectivo 2014. Se calculó el IMC como Peso/Talla2. Se caracterizó el estado nutricional bajo peso (<2DS peso por sexo y edad CDC), acortamiento (<2DS talla por sexo y edad WHO), emaciado (<2DS IMC por sexo y edad CDC) y exceso de peso (IMC (>2DS IMC por sexo y edad WHO). Las 9 categorías del ICFAE se calcularon agrupando los datos por sexo. El ICFAE fue del 22.7% representado por las categorías G (solo exceso de peso, 20.4%) e Y (solo bajo peso, 2.2%). El patrón de malnutrición observado en escolares Wichi con el ICFAE no difiere del que presentan las poblaciones infanto-juveniles urbanas argentinas del mismo horizonte temporal. Este patrón se caracteriza porque la malnutrición por exceso de peso supera ampliamente a la desnutrición.

Impacto de la tecnología en la enseñanza de la investigación y comparación entre metodologías tradicionales y basadas en PROMPTS de IA en estudiantes de grado de la Universidad Católica de Salta, Argentina 2024

Pedro Ceferino Gutiérrez Arapa & Victoria Ezequiel Fabricio Eduardo

Introducción: El ingreso exponencial de la tecnología en la educación ha generado cambios profun-dos en las diversas metodologías de enseñanza, generando nuevas oportunidades para opti-mizar los procesos de aprendizaje. La Inteligencia Artificial (IA) sincronizada con estos avan-ces, se ha manifestado como una herramienta valiosa en la educación superior y universitaria, facilitando la interacción activa, comprensiva y personalizada entre estudiantes y los conteni-dos (Luckin et al., 2019; Salas Pilco et al., 2022). Comúnmente la enseñanza de la investigación ha sido impartida por clases de estructuras rígidas y procedimentales. Sin embargo, bajo esta nueva metodología, se puede especificar y limitar lo que se va a investigar (Jiménez-García et al., 2024; Tuomi, 2018).
El objetivo de este estudio, de diseño cuasi-experimental, descriptivo, de muestreo no probabilístico, fue comparar dos enfoques metodológicos en la enseñanza de la investigación en estudiantes de grado de la Licenciatura de Entrenamiento Deportivo de la Universidad Ca-tólica de Salta, el método tradicional de clases, centrado en la exposición del docente y un enfoque novedoso que utiliza PROMPTS de la IA. A lo largo de dos cuatrimestres, los estudian-tes fueron expuestos en ambas metodologías, permitiendo evaluar y analizar sus percepcio-nes y resultados obtenidos en relación con estos enfoques de enseñanza.

Desarrollo: Los estudiantes participaron en clases tradicionales en el primer cuatrimestre, mientras que, en el segundo cuatrimestre, se llevó a cabo una metodología basada en PROMPTS de IA, los cuales guiaban a los estudiantes de manera interactiva a través de las diversas etapas de la estructura de sus proyectos, proporcionando una retroalimentación personalizada y en tiempo real (Luckin et al., 2019; Salas Pilco et al., 2022; Hu et al., 2023).
Para su medición, se empleó un cuestionario estructurado de 20 preguntas distribuidas en 6 dimensiones (compresión de los conceptos, utilidad percibida, satisfacción del estu-diante, desarrollo de habilidades en investigación, compromiso y motivación, aplicación prác-tica y autonomía), que se valoraron con una escala de Likert de cinco puntos (1= Desacuerdo, 5= Acuerdo). Se utilizó estadística descriptiva de tendencia central para definir las valoracio-nes de las dimensiones.
En la dimensión “comprensión de los conceptos”, la metodología tradicional obtuvo un promedio de 3.2, indicando una aceptación moderada. Los PROMPTS de IA, lograron una ma-yor comprensión con una media de 4.4, y la combinación de ambas metodologías tuvo una media de 4.1. Para la “utilidad percibida”, la enseñanza tradicional obtuvo una media de 3.6, mientras que la IA fue más valorada con 4.6. En cuanto a la “satisfacción del estudiante”, la metodología tradicional recibió una media de 3.1, mientras que la IA alcanzó 4.3. La combina-ción de ambas metodologías fue la mejor valorada con una media de 4.5. En la dimensión “desarrollo de habilidades en investigación”, la IA se destacó con una media 4.4 frente a 3.4 de la enseñanza tradicional. En “compromiso y motivación”, los estudiantes mostraron mayor motivación con los PROMPTS de IA, con una media de 4.6, frente a 3.0 de la metodología tra-dicional. Por último, en “aplicación práctica y autónoma”, la IA fue valorada con una media de 4.7, mientras que en el método tradicional obtuvo 3.5. El 90% de los estudiantes prefirió con-tinuar utilizando la IA en el futuro, con una media de 4.9.

Discusión: Los resultados obtenidos sugieren que los PROMPTS de IA, poseen beneficios en varias dimen-siones de la enseñanza de la investigación (Schäffer & Lieder, 2022; Hu et al., 2023).
La compresión de conceptos, el desarrollo de habilidades en investigación y la motiva-ción mostraron mejores resultados a favor del uso de IA, en comparación a la metodología tra-dicional.
Por otra parte, la combinación de las metodologías resultó ser efectiva, tal como se refleja en las medias de las dimensiones de satisfacción del estudiante. Si bien la IA puede mejorar el aprendizaje, el rol docente y las estructuras tradicionales aún tienen valor en pro-porcionar una base clara, sólida y procedimental en el alumnado (Paek & Kim, 2021). En cuanto al compromiso y motivación los estudiantes se sintieron más involucrados cuando utilizaron IA, lo que hace suponer que la retroalimentación interactiva y personalizada de la misma, ge-nera un impacto positivo, de autonomía y de capacidad de aplicar el conocimiento adquirido (Liu et al., 2022; Tuomi, 2018).

Conclusiones: La integración de la tecnología basada en IA en la enseñanza de la investigación provee claras ventajas sobre las metodologías tradicionales, puntualmente en las dimensiones de compren-sión, motivación y desarrollo de habilidades en investigación. La combinación de ambas me-todologías parece ser una estrategia relevante para mejorar la enseñanza en contextos univer-sitarios. Estos breves resultados pueden darnos el planteo de repensar la manera de cómo se enseña el proceso de investigación. Los docentes deberían explorar nuevas formas de integrar estas tecnologías para maximizar el impacto del aprendizaje de los estudiantes.

Impacto del uso de IA generativa en el proceso de aprendizaje de la investigación científica en estudiantes de la licenciatura en Entrenamiento Deportivo UCASAL y del profesorado de Educación Física en estudiantes del del I.S.F.P. La Merced, 2025

Gutierrez Arapa Pedro Ceferino & Victoria Ezequiel Fabricio Eduardo

Resumen: La inteligencia artificial generativa (IAG) esta transformando la educación superior, permitiendo nuevas formas de interacción entre estudiantes, conocimientos y tecnologías emergentes (Selwyn, 2019; Tuomi, 2018). Este estudio evaluó el impacto del uso de IAG en el desarrollo de competencias investigativas en estudiantes de la Licenciatura en Entrenamiento Deportivo de UCASAL y del Profesorado de Educación Física del Instituto La Merced (Salta, Argentina), a través de un diseño cuasi – experimental de corte transversal.

Se aplico un cuestionario validad de 28 ítems con estructura factorial compuesta por seis dimensiones: 1) Motivación hacia la investigación científica, 2) Percepción de utilidad de la IAG, 3) Autonomía en el aprendizaje investigativo, 4) Desarrollo de competencias académicas, 5) Competencias digitales aplicadas a la investigación, y 6) Confianza en el uso de herramientas de IAG. Participaron 32 estudiantes (n=16 por cada institución), seleccionados mediante muestreo no probabilístico intencional. La confiabilidad del instrumento fue alta (α=0,91). Las pruebas de normalidad de Kolmogorov – Smirnov y Shapiro – Wilk indicaron una distribución no normal en la mayoría de los factores (p< 0,005), por lo que se aplico la prueba t de Student para muestras independientes y correlación de Spearman.

Se observaron diferencias estadísticamente significativas en los factores 2 (p=0,021), 5 (p=0,033) y 6 (p=0,016), a favor del grupo de UCASAL. La correlación entre percepción de utilidad y confianza en el uso de IAG fue más alta (rho=0,089; p<0,01). Estos hallazgos refuerzan la utilidad de la IAG como potenciador pedagógico (Hu et al., 2023; Liu et al., 2022; Jiménez – García et al., 2024), invitando a profundizar su integración educativa.