Algoritmos de aprendizaje automático (Machine Learning) para la detección temprana de riesgos de lectoescritura en Educación Básica Elemental: un modelo predictivo para el currículo ecuatoriano.

Machine Learning Algorithms for the Early Detection of Literacy Risks in Elementary Basic Education: A Predictive Model for the Ecuadorian Curriculum.

Autores/as

DOI:

https://doi.org/10.70577/reg.v5i2.620

Palabras clave:

Inteligencia Artificial, Aprendizaje Automático, Lectoescritura, Detección Temprana, Educación Elemental.

Resumen

La detección tardía de dificultades en la lectoescritura constituye la principal causa de rezago escolar y deserción en el sistema educativo ecuatoriano. Ante la limitación de las evaluaciones manuales, la Inteligencia Artificial surge como una herramienta disruptiva capaz de analizar patrones neurocognitivos con alta precisión. El objetivo de la presente revisión es, analizar y sintetizar la evidencia científica publicada entre 2021 y 2026 sobre el uso de algoritmos de IA para la detección temprana de riesgos de lectoescritura en el subnivel Elemental en Ecuador, identificando los modelos más eficaces y su alineación con los estándares pedagógicos nacionales. Se realizó una revisión bibliográfica de tipo sistemática bajo el enfoque PRISMA, seleccionando 5 artículos originales de bases indexadas: Scopus, IEEE, ScienceDirect, que cumplieran con un umbral de precisión superior al 85% y aplicación en el contexto nacional. Se empleó un paradigma pragmático para contrastar métricas de Machine Learning con la realidad del aula. Los hallazgos revelan que las Redes Neuronales Artificiales y las Máquinas de Vector de Soporte son las arquitecturas más robustas, alcanzando precisiones entre el 86.4% y el 94.7%. Se identificó a la conciencia fonológica y la denominación rápida automatizada (RAN) como los predictores claves con mayor peso estadístico. Además, el uso de herramientas como Dytective redujo los tiempos de cribado institucional en un 70%. Se concluye que la IA supervisada es una estrategia eficaz y viable para la realidad ecuatoriana, permitiendo una transición de modelos reactivos a proactivos. El estudio ratifica que estos algoritmos se alinean con los estándares del Ministerio de Educación, proporcionando diagnósticos precisos que facilitan la intervención oportuna y personalizada, garantizando así el derecho a una alfabetización de calidad en la etapa crítica del desarrollo infantil.

Descargas

Publicado

2026-05-19

Cómo citar

Rivera, M., Valencia , L., Arias , M., Sánchez , L., Espinosa , D., & Proaño , A. (2026). Algoritmos de aprendizaje automático (Machine Learning) para la detección temprana de riesgos de lectoescritura en Educación Básica Elemental: un modelo predictivo para el currículo ecuatoriano.: Machine Learning Algorithms for the Early Detection of Literacy Risks in Elementary Basic Education: A Predictive Model for the Ecuadorian Curriculum. Revista Multidisciplinar De Estudios Generales, 5(2), 1460–1476. https://doi.org/10.70577/reg.v5i2.620

Artículos similares

<< < 12 13 14 15 16 17 18 19 20 21 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

Artículos más leídos del mismo autor/a