Acceso usuarios
Mauricio Aburto Lara, Lorena Alonso Ramírez, Carlos Alberto Ochoa Rivera
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.
Learning to program involves a steep learning curve, especially in the early stages, due to cognitive load, concept abstraction, and the inherent difficulties of programming languages. This study aims to identify recent technological approaches that integrate Intelligent Tutoring Systems (ITS) and Large Language Models (LLM) to support the programming teaching process. A systematic review was conducted following Kitchenham’s guidelines, consulting specialized databases, and applying inclusion and exclusion criteria in three phases to select relevant works in the field. The analyzed studies include proposals featuring conversational feedback, adaptive learning, and automated code analysis, showing improvements in concept comprehension, increased confidence, and higher task completion rates among beginner students. However, challenges were identified, such as the difficulty in maintaining context during prolonged interactions and the presence of erroneous responses or “hallucinations” in the models. It is concluded that multimodal integration, user-centered design, and optimized data management represent key areas to enhance the personalization and effectiveness of these systems in educational environments, fostering both skill development and continuous learning monitoring.
