Inteligencia Artificial, Programación y Pensamiento Computacional en la Enseñanza de la Física y las Ciencias

Una Revisión Sistemática

Autores/as

DOI:

https://doi.org/10.25749/sis.45263

Palabras clave:

inteligencia artificial, enseñanza de la física, enseñanza de las ciencias, pensamiento computacional, revisión sistemática

Resumen

Este estudio presenta una revisión sistemática de la literatura sobre la integración de la inteligencia artificial, el lenguaje de programación y el pensamiento computacional en la enseñanza de la Física y las Ciencias. La revisión se llevó a cabo de acuerdo con el protocolo PRISMA 2020, incluyendo búsquedas en las bases Web of Science, Scopus y Google Scholar, con un corte temporal entre 2015 y 2025. Tras la aplicación rigurosa de los criterios de elegibilidad y deduplicación, se incluyeron 17 estudios plenamente rastreables en la síntesis cualitativa. Los resultados indican un crecimiento reciente de las investigaciones, con predominio de revisiones y estudios empíricos orientados a la personalización del aprendizaje, la resolución de problemas, el modelado computacional y la formación de docentes. A pesar del potencial pedagógico identificado, los estudios evidencian desafíos relacionados con la formación docente, la infraestructura tecnológica y cuestiones éticas. Se concluye que la integración de estas tecnologías requiere enfoques pedagógicos críticos, alineados con los objetivos educativos y las prácticas docentes.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Dadson Luis Ferreira Leite, Programa de Pós-Graduação em Ensino – RENOEN, Universidade Estadual do Maranhão - UEMA, Brasil

Graduado em Física pela Universidade Estadual do Maranhão (2015), Mestrado em Física pela Universidade Federal do Maranhão (2021) e é Doutorando em Ensino pela Universidade Estadual do Maranhão (UEMA), em colaboração com o Programa de Pós-Graduação em Ensino da Rede Nordeste de Ensino (RENOEN). Membro do Grupo de Modelagem Computacional (GMC), contribuindo para a articulação da pesquisa em ensino de Ciências/Física/Matemática e prática dos professores de Ciências/Física/Matemática. Professor da Rede Estadual e professor do Departamento de Física da UEMA (substituto). Bolsista FAPEMA.

Wellington Cantanhede dos Santos, Programa de Pós-Graduação em Ensino – RENOEN, Universidade Estadual do Maranhão - UEMA, Brasil

Graduado em Física pelo Instituto Federal de Educação, Ciência e Tecnologia do Maranhão (IFMA), Mestrado em Física da Matéria Condensada (Experimental) pela Universidade Federal do Rio Grande do Norte (UFRN). Doutorando em Ensino pela Universidade Estadual do Maranhão (UEMA), em colaboração com o Programa de Pós-Graduação em Ensino da Rede Nordeste de Ensino (RENOEN). Professor do IEMA Pleno São José de Ribamar. Grupo de Pesquisa em Ensino de Física do Instituto Federal de Educação, Ciência e Tecnologia do Maranhão (GPEF/IFMA), linha de pesquisa em Ensino de Física. Membro do Grupo de Modelagem Computacional (GMC).

Edvan Moreira, Departamento de Física, Centro de Educação, Ciências Exatas e Naturais, Universidade Estadual do Maranhão, Brasil

Graduado em Física pela Universidade Federal do Maranhão, Mestre em Física pela Universidade Federal do Maranhão, e Doutor em Física pela Universidade Federal do Rio Grande do Norte. Fez estágio de Pós-Doutorado no Centro de Biociências da Universidade Federal do Rio Grande do Norte. Atualmente é Professor do Departamento de Física da Universidade Estadual do Maranhão (UEMA). Docente permanente do Doutorado em Ensino (RENOEN), atuando nas Linhas de Pesquisa: Práticas Pedagógicas no Ensino de Física e Ensino Tecnológico. Tem experiência na área de Física, com ênfase em Física Atômica e Molecular, Física da Matéria Condensada e Ensino de Física.

Citas

Alhusni, H. Z., Ramadani, R., Sunarti, T., Madlazim, & Ahmadi, M. R. D. (2025). Artificial intelligence in physics learning for education for sustainable development: A bibliometric analysis. Journal of Law and Bibliometrics Studies, 1(3), 95. https://journal.i-ros.org/index.php/JOLABIS/article/view/95

Aydin-Günbatar, S., Durukan, A., & Günbatar, M. S. (2025). Generative AI as the new frontier in science education: A systematic review of Web of Science articles. Science & Education. https://doi.org/10.1007/s11191-025-00677-6

Dai, Y., Liu, A., Qin, J., Guo, Y., Jong, M. S. Y., Chai, C. S., & Lin, Z. (2023). Collaborative construction of artificial intelligence curriculum in primary schools. Journal of Engineering Education, 112(1), 23-42. https://doi.org/10.1002/jee.20503

Garcia, O. A., García, M. D. C. R., & Alonso-Secades, V. (2025). Perceptions, strategies, and challenges of teachers in the integration of artificial intelligence in primary education: A systematic review. Journal of Information Technology Education: Research, 24, 006. https://doi.org/10.28945/5458

Gomez, E. L., & Fitzgerald, M. T. (2017). Robotic telescopes in education. Astronomical Review, 13(1), 28-68. https://doi.org/10.1080/21672857.2017.1303264

Großmann, L., Koberstein-Schwarz, M., Scholl, D., Krüger, D., & Meisert, A. (2025). Establishing common ground in empirical research on science teachers’ lesson planning competence: A scoping review. Studies in Science Education, 61(2), 329-379. https://doi.org/10.1080/03057267.2024.2415246

Jia, F., Sun, D., & Looi, C. K. (2024). Artificial intelligence in science education (2013–2023): Research trends in ten years. Journal of Science Education and Technology, 33(1), 94-117. https://doi.org/10.1007/s10956-023-10077-6

Kaur, A., Bhatia, M., & Stea, G. (2022). A survey of smart classroom literature. Education Sciences, 12(2), 86. https://doi.org/10.3390/educsci12020086

Kotsis, K. T. (2025). Artificial intelligence for physics education in STEM classrooms: A narrative review within a pedagogy–technology–policy framework. Schrödinger: Journal of Physics Education, 6(3), 204-211. https://doi.org/10.37251/sjpe.v6i3.2148

Martins, K. C. O., Batista, S. G., & Jardim, M. I. de A. (2026). Inteligência artificial no ensino de Ciências: Um mapeamento sistemático de produções no contexto brasileiro [Artificial intelligence in science teaching: A systematic mapping of productions in the Brazilian context] [In Portuguese]. Educitec – Revista de Estudos e Pesquisas sobre Ensino Tecnológico, 12, e279926. https://sistemascmc.ifam.edu.br/educitec/index.php/educitec/article/view/2799

Meylani, R. (2024). Blueprint for the 21st-century online learning environment in STEM education through a systematic review and qualitative synthesis. Edelweiss Applied Science and Technology, 8(6), 8196-8226. https://doi.org/10.55214/25768484.v8i6.3763

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., et al. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372(71). https://doi.org/10.1136/bmj.n71

Pimbblet, K. A., & Morrell, L. J. (2025). Can ChatGPT pass a physics degree? Making a case for reformation of assessment of undergraduate degrees. European Journal of Physics, 46(1), 015702. https://doi.org/10.1088/1361-6404/ad9874

Rafiq-uz-Zaman, M. (2025). Beyond STEM: A narrative review of STEAM education’s impact on creativity and innovation (2020–2025). Inverge Journal of Social Sciences, 4(4), 1-16. https://doi.org/10.63544/ijss.v4i4.175

Rieser, H. M., Köster, F., & Raulf, A. P. (2023). Tensor networks for quantum machine learning. Proceedings of the Royal Society A, 479(2275), 20230218. https://doi.org/10.1098/rspa.2023.0218

Santaella, L. (2025). A ética como guia para o uso da inteligência artificial generativa [Ethics as a guide for the use of generative artificial intelligence] [In Portuguese]. Educação & Sociedade, 46, e296469. https://doi.org/10.1590/ES.296469

Shute, V. J., Sun, C., & Asbell-Clarke, J. (2017). Demystifying computational thinking. Educational Research Review, 22, 142-158. https://doi.org/10.1016/j.edurev.2017.09.003

Sommer, B., & Moncayo, G. (2023). Machine learning and artificial intelligence in building physics education: Series: Building simulation and calculation tools in teaching. Bauphysik, 45(6), 305-314. https://doi.org/10.1002/bapi.202300020

Taufik, M., Zuhdi, M., Ayub, S., Rokhmat, J., & Mustofa, H. A. (2024). AI-driven optimization of Pascal programming instruction for undergraduate physics students at University of Mataram. International Journal of Contextual Science Education, 2(2), 44-47. https://jurnalpasca.unram.ac.id/index.php/ijcse/article/view/640

Ulukok-Yildirim, S., & Sonmez, D. (2025). A comprehensive bibliometric analysis of artificial intelligence research in the field of science education. Journal of Education in Science, Environment and Health, 11(4), 334-352. https://doi.org/10.55549/jeseh.870

Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215

Wulff, P. (2024). Physics language and language use in physics—What do we know and how AI might enhance language-related research and instruction. European Journal of Physics, 45(2), 023001. https://doi.org/10.1088/1361-6404/ad0f9c

Yeadon, W., & Hardy, T. (2024). The impact of AI in physics education: A comprehensive review from GCSE to university levels. Physics Education, 59(2), 025010. https://doi.org/10.1088/1361-6552/ad1fa2

Zhang, P., & Tur, G. (2024). A systematic review of ChatGPT use in K–12 education. European Journal of Education, 59, e12599. https://doi.org/10.1111/ejed.12599

Descargas

Publicado

2026-06-30

Número

Vol. 14 Núm. 2 (2026): Competencias Digitales Docentes en la Era de la Inteligencia Artificial: Reconfiguraciones de la Práctica Pedagógica

Sección

Artículos

Licencia

Derechos de autor 2026 Sisyphus – Revista de Educación

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Copyright (c) es propiedad de Sisyphus – Journal of Education. Sin embargo, alentamos que los artículos publicados en la revista se publiquen en otro lugar, siempre que se solicite el permiso de Sisyphus y los autores incorporen nuestra cita original y un enlace a nuestra página web.

Política de Autoarchivo
Los autores pueden autoarchivar la versión final publicada de sus artículos en repositorios institucionales, temáticos o páginas web personales e institucionales.

Suscriptor de DORA
El Instituto de Educação de la Universidade de Lisboa, editor de Sisyphus, es uno de los suscriptores de la Declaración de San Francisco sobre la Evaluación de la Investigación (DORA).