Revisión sistemática de la literatura: Sistemas de tutoría inteligente
DOI:
https://doi.org/10.36825/RITI.13.31.004Palabras clave:
Sistemas de Tutoría Inteligente, Aprendizaje Adaptativo, Enseñanza de la Programación, Retroalimentación Conversacional, Modelos de Lenguaje de Gran EscalaResumen
Aprender a programar implica una curva de aprendizaje elevada, especialmente en las primeras etapas, debido a la carga cognitiva, la abstracción de conceptos y las dificultades propias del lenguaje de programación. Este estudio tiene como objetivo identificar enfoques tecnológicos recientes que integren Sistemas de Tutoría Inteligente (ITS) y Modelos de Lenguaje de Gran Escala (LLM) para apoyar el proceso de enseñanza de programación. Se realizó una revisión sistemática siguiendo las directrices de Kitchenham, consultando bases de datos especializadas y aplicando criterios de inclusión y exclusión en tres fases para seleccionar trabajos relevantes al área. Los estudios analizados incluyen propuestas con retroalimentación conversacional, aprendizaje adaptativo y análisis automatizado de código, mostrando mejoras en la comprensión de conceptos, aumento de la confianza y mayor finalización de tareas en estudiantes principiantes. Sin embargo, se identificaron desafíos como la dificultad para mantener el contexto en interacciones prolongadas y la presencia de respuestas erróneas o “alucinaciones” en los modelos. Se concluye que la integración multimodal, el diseño centrado en el usuario y un manejo optimizado de datos representan áreas clave para potenciar la personalización y efectividad de estos sistemas en entornos educativos, favoreciendo tanto el desarrollo de habilidades como el seguimiento continuo del aprendizaje.
Citas
Yang, A. C. M., Lin, J.-Y., Lin, C.-Y., Ogata, H. (2024). Enhancing Python learning with PyTutor: Efficacy of a ChatGPT-based intelligent tutoring system in programming education. Computers and Education: Artificial Intelligence, 7, 1-15. https://doi.org/10.1016/j.caeai.2024.100309
Yilmaz, R., Karaoglan Yilmaz, F. G. (2023). The effect of generative artificial intelligence (AI)-based tool use on students’ computational thinking skills, programming self-efficacy and motivation. Computers and Education: Artificial Intelligence, 4, 1-14. https://doi.org/10.1016/j.caeai.2023.100147
Mekouar, L. (2022). The art of teaching programming languages: Challenges and accomplishments. In IEEE World Engineering Education Conference (EDUNINE). Santos, Brazil. https://doi.org/10.1109/EDUNINE53672.2022.9782372
Senanayake, S., Karunanayaka, K., Ekanayake, K. V. J. P. (2024). Review on AI assistant systems for programming language learning in learning environments. IEEE 8th SLAAI-ICAI International Conference on Artificial Intelligence. Ratmalana, Sri Lanka. https://doi.org/10.1109/SLAAI-ICAI63667.2024.10844969
Liu, C., Wang, G.-C., Wang, H.-F. (2025). The application of artificial intelligence in engineering education: A systematic review. IEEE Access, 13, 17895–17910. https://doi.org/10.1109/ACCESS.2025.3360423F
Paladines, J., Ramírez, J. (2020). A systematic literature review of intelligent tutoring systems with dialogue in natural language. IEEE Access, 8, 164246–164267. https://doi.org/10.1109/ACCESS.2020.3021383
Ross, S. I., Martinez, F., Houde, S., Muller, M., Weisz, J. D. (2023). The programmer’s assistant: Conversational interaction with a large language model for software development. ACM 28th International Conference on Intelligent User Interfaces. Sydney, Australia. https://doi.org/10.1145/3581641.3584037
Pozdniakov, S., Brazil, J., Abdi, S., Bakharia, A., Sadiq, S., Gašević, D., Denny, P., Khosravi, H. (2024). Large language models meet user interfaces: The case of provisioning feedback. Computers and Education: Artificial Intelligence, 7, 1-20. https://doi.org/10.1016/j.caeai.2024.100289
Chen, L., Chen, P., Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264–75278. https://doi.org/10.1109/ACCESS.2020.2988510
Cheah, Y. H., Lu, J., Kim, J. (2025). Integrating generative artificial intelligence in K-12 education: Examining teachers’ preparedness, practices, and barriers. Computers and Education: Artificial Intelligence, 8, 1-12. https://doi.org/10.1016/j.caeai.2025.100363
Kim, T.-S., Ignacio, M. J., Yu, S., Jin, H., Kim, Y.-G. (2024). UI/UX for generative AI: Taxonomy, trend, and challenge. IEEE Access, 12, 179891–179904. https://doi.org/10.1109/ACCESS.2024.3502628
Frankford, E., Sauerwein, C., Bassner, P., Krusche, S., Breu, R. (2024). AI-tutoring in software engineering education: Experiences with large language models in programming assessments. ACM 46th International Conference on Software Engineering: Software Engineering Education and Training (ICSE-SEET). Lisbon, Portugal. https://doi.org/10.1145/3639474.3640061
Park, A., Kim, T. (2025). Code suggestions and explanations in programming learning: Use of ChatGPT and performance. The International Journal of Management Education, 23 (2). https://doi.org/10.1016/j.ijme.2024.101119
Alasmari, O. A. F., Singer, J., Bikanga Ada, M. (2024). Python OCTS: Design, implementation, and evaluation of an online coding tutorial system prototype. IEEE World Engineering Education Conference (EDUNINE). Guatemala City, Guatemala. https://doi.org/10.1109/EDUNINE60625.2024.10500548
Ahmed, E. (2024). Student performance prediction using machine learning algorithms. Applied Computational Intelligence and Soft Computing, 2024 (1). https://doi.org/10.1155/2024/4067721
Pirvulescu, M., Al-Sudani, S. (2023). The Java Starter: An ontology-based tutoring system for Java beginners. IEEE 16th International Conference on Developments in eSystems Engineering (DeSE). Istanbul, Turkiye. https://doi.org/10.1109/DeSE60595.2023.10469264
Wang, Y., Xue, W., Huang, Q., Jiang, B., Zhang, H. (2025). Exploring ChatGPT’s potential in Java API method recommendation: An empirical study. Journal of Software: Evolution and Process, 37 (1). https://doi.org/10.1002/smr.2765
Alshaikh, F., Hewahi, N. (2025). Intelligent tutoring system: A pedagogical model approach based on deep reinforcement learning. IAENG International Journal of Computer Science, 52 (4), 1196–1212.
Chen, B., Zhu, X., Díaz del Castillo H., F. (2023). Integrating generative AI in knowledge building. Computers and Education: Artificial Intelligence, 5, 1-12. https://doi.org/10.1016/j.caeai.2023.100184
Kitchenham, B., Charters, S. (2007). Guidelines for performing systematic literature reviews in software engineering (EBSE Technical Report No. EBSE-2007-01). Keele University & University of Durham. https://docs.edtechhub.org/lib/EDAG684W
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
