2026-04-28T19:20:44Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/788812025-10-22T19:05:17Zcom_10324_38col_10324_787
Cimas Domínguez, Claudia
2025-10-22T07:24:13Z
2025-10-22T07:24:13Z
2025
https://uvadoc.uva.es/handle/10324/78881
El presente Trabajo Fin de Máster aborda el diseño, implementación y evaluación de un
tutor virtual (“DigesTutor”) basado en inteligencia artificial como complemento a la
enseñanza del aparato digestivo en la asignatura de Anatomía Aplicada de 1º de
Bachillerato. Partiendo de una revisión sobre el estado de la IA en educación y de la
identificación de las principales barreras que afrontan los estudiantes en dicha asignatura,
se establecen los requisitos de una herramienta que responda a sus necesidades y
preferencias de aprendizaje.
El impacto de “DigesTutor” se analizó mediante un diseño cuasi-experimental de tipo
pre-post. Los alumnos completaron un cuestionario previo para evaluar sus expectativas,
su nivel de motivación y comprensión del tema, así como las dificultades detectadas. Tras
un periodo de uso libre del tutor en casa, se aplicó un cuestionario final. Los resultados
evidenciaron que, después de interactuar con la herramienta, la motivación y la
comprensión del aparato digestivo aumentaron de forma clara, lo que demuestra que el
recurso refuerza el interés y facilita el aprendizaje de conceptos complejos.
En definitiva, el proyecto demuestra que un tutor virtual basado en inteligencia artificial
puede reforzar el aprendizaje del aparato digestivo, mejorar la experiencia de estudio,
favorecer la autonomía del alumno y complementar de manera efectiva las explicaciones
del aula. Asimismo, la herramienta mostró capacidad para adaptarse a distintos ritmos y
estilos de aprendizaje, ofreciendo retroalimentación inmediata y recursos interactivos que
facilitan la asimilación de conceptos complejos. En conjunto, se concluye que un tutor
virtual basado en IA puede complementar eficazmente la enseñanza presencial, favorecer
la personalización del aprendizaje y estimular el interés por contenidos complejos, con
un notable potencial para ser aplicado a otras unidades y materias.
This TFM addresses the design, implementation, and evaluation of a virtual tutor
(“DigesTutor”) based on artificial intelligence as a complement to teaching the digestive
system in the Applied Anatomy course for 1st of baccalaureate. Based on a review of the
state of AI in education and an identification of the main barriers that students face in this
subject, the requirements were established for a tool that responds to their needs and
learning preferences.
The impact of “DigesTutor” was analyzed using a pre–post quasi-experimental design.
Students completed an initial questionnaire to evaluate their expectations, their levels of
motivation and comprehension of the topic, and the difficulties they had encountered.
After a period of free use of the tutor at home, a final questionnaire was administered.
The results showed that, after interacting with the tool, both motivation and understanding
of the digestive system increased noticeably, demonstrating that the resource reinforces
engagement and facilitates the learning of complex concepts.
In short, the project demonstrates that a virtual tutor based on artificial intelligence can
strengthen learning of the digestive system, improve the study experience, foster student
autonomy, and effectively complement classroom instruction. Furthermore, the tool
showed an ability to adapt to different learning paces and styles by offering immediate
feedback and interactive resources that aid in assimilating complex concepts. Overall, the
conclusion is that an AI-based virtual tutor can effectively complement in-person
teaching, promote personalized learning, and stimulate interest in complex content, with
significant potential for application to other units and subjects.
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
La inteligencia artificial en la enseñanza de la Biología y Geología
info:eu-repo/semantics/masterThesis