Sistema inteligente de recomendación educativa para personalizar actividades de aprendizaje en estudiantes con dificultades académicas

Intelligent Educational Recommendation System to Personalize Learning Activities for Students with Academic Difficulties

Resumen

Las dificultades académicas representan uno de los principales desafíos dentro de los sistemas educativos, debido a que afectan el rendimiento, la motivación y la permanencia escolar de los estudiantes. La diversidad de ritmos y estilos de aprendizaje requiere estrategias pedagógicas capaces de adaptarse a las necesidades individuales de cada estudiante. En este contexto, los sistemas inteligentes de recomendación educativa basados en inteligencia artificial surgen como herramientas innovadoras para personalizar actividades de aprendizaje mediante el análisis de información académica y patrones de desempeño. El presente artículo tiene como objetivo analizar la aplicación de un sistema inteligente de recomendación educativa para personalizar actividades de aprendizaje en estudiantes con dificultades académicas. La investigación se desarrolló bajo un enfoque mixto, con diseño no experimental y alcance descriptivo-propositivo. Se analizaron dimensiones relacionadas con rendimiento académico, personalización de actividades, retroalimentación educativa, motivación y autonomía del estudiante. Los resultados evidencian que los sistemas inteligentes de recomendación pueden contribuir significativamente a la personalización del aprendizaje al identificar necesidades específicas y sugerir actividades ajustadas al nivel de desempeño del estudiante. Sin embargo, se identifican desafíos relacionados con calidad de datos, capacitación docente, acceso tecnológico y necesidad de supervisión humana en la toma de decisiones educativas. Se concluye que los sistemas inteligentes de recomendación educativa constituyen una alternativa tecnológica para fortalecer la atención a estudiantes con dificultades académicas, permitiendo avanzar hacia modelos educativos más inclusivos, personalizados y basados en evidencia.