Uso de un sistema de inteligencia artificial para el aprendizaje de fertilización orgánica con análisis probit

• Vizuete Montero, Marco ^[1]
  1. [1] Escuela Superior Politécnica de Chimborazo, Ecuador.
• Localización: Desafíos: Revista Científica de Ciencias Sociales y Humanidades, ISSN-e 2307-6100, ISSN 2706-9559, Vol. 16, Nº. 2, 2025 (Ejemplar dedicado a: Desafíos (jul-dic)), págs. 142-148
• Idioma: español
• DOI: 10.37711/desafios.2025.16.2.7
• Títulos paralelos:
  • Use of an artificial intelligence system to learn organic fertilization with probit analysis
• Enlaces
  • Texto completo
• Resumen
  • español

    Objetivo. Evaluar el impacto de un sistema de inteligencia artificial (IA) especializado en recomendaciones de fertilización orgánica basada en datos de suelos y cultivos locales sobre el aprendizaje de estudiantes de Agronomía. Métodos. Se empleó un diseño cuasiexperimental con una muestra de 200 estudiantes de educación superior de la carrera de Agronomía. Se aplicó un cuestionario validado y se utilizó un modelo econométrico probit para estimar la probabilidad de éxito académico. Resultados. Los resultados indican que el uso de la IA incrementó significativamente la probabilidad del aprendizaje efectivo (B =0,896, p = 0,0023). La experiencia previa en agricultura muestra un efecto marginalmente significativo, mientras que variables como la edad, el género y el semestre académico no influyen de manera significativa. Conclusiones. La IA contextualizada es una herramienta pedagógica eficaz para mejorar la comprensión de la fertilización orgánica en estudiantes de Agronomía, promoviendo una educación agrícola más sostenible, resiliente y equitativa.

  • English

    Objective: To evaluate the impact of an artificial intelligence (AI) system specialized in organic fertilization recommendations—based on local soil and crop data—on the learning outcomes of Agronomy students. Methods: A quasi-experimental design was applied to a sample of 200 higher education students majoring in Agronomy. A validated questionnaire was administered, and a probit econometric model was used to estimate the probability of academic success. Results: Findings indicate that the use of AI significantly increased the likelihood of effective learning (B = 0.896, p = 0.0023). Previous agricultural experience showed a marginally significant effect, while variables such as age, gender, and academic semester were not statistically significant. Conclusions: Contextualized AI is an effective pedagogical tool to enhance the understanding of organic fertilization among Agronomy students, fostering a more sustainable, resilient, and equitable agricultural education.