CRITERIOS DIDÁCTICOS, VISUALES Y
TECNOLÓGICOS PARA ARTEFACTOS
DIGITALES MATEMÁTICOS
DIDACTIC, VISUAL AND TECHNOLOGICAL CRITERIA
FOR DIGITAL MATHEMATICAL ARTIFACTS
Marco Vinicio Gutiérrez Montenegro
Instituto Tecnológico de Costa Rica
pág. 4788
DOI: https://doi.org/10.37811/cl_rcm.v10i4.25478
Criterios Didácticos, Visuales y Tecnológicos para Artefactos Digitales
Matemáticos
Marco Vinicio Gutiérrez Montenegro1
vgutierrez@itcr.ac.cr
https://orcid.org/0009-0004-0293-1578
Instituto Tecnológico de Costa Rica, Escuela de Matemática
Cartago, Costa Rica
RESUMEN
La expansión de recursos digitales en la enseñanza de la matemática universitaria ha ampliado las
posibilidades de visualización, exploración y retroalimentación; sin embargo, su disponibilidad no
asegura comprensión conceptual. Una parte importante de la literatura reporta mejoras de rendimiento
o percepciones favorables del estudiantado, pero discute con menor profundidad las decisiones
didácticas, visuales y tecnológicas que hacen que un recurso funcione como artefacto para aprender
matemática. Este artículo presenta una revisión narrativa y analítica de literatura especializada con el
objetivo de proponer una matriz de criterios para diseñar y evaluar artefactos digitales matemáticos en
educación superior. El análisis integra aportes sobre recursos digitales, GeoGebra, representaciones
múltiples, interactividad, usabilidad, diseño multimedia y carga cognitiva, con especial atención a
evidencia latinoamericana e iberoamericana. Como resultado se propone una matriz de ocho
dimensiones: rigor matemático, representaciones múltiples, interactividad significativa, diseño visual y
multimedia, carga cognitiva, usabilidad y accesibilidad, retroalimentación didáctica y evaluación del
aprendizaje. La matriz se concibe como herramienta de análisis para orientar decisiones docentes y de
diseño, no como receta técnica. Se concluye que la innovación digital en matemática debe valorarse por
su capacidad para organizar actividad matemática con sentido y no por la novedad de la herramienta
utilizada.
Palabras clave: diseño instruccional; geogebra; interactividad; carga cognitiva; educación superior
1 Autor principal
Correspondencia: vgutierrez@itcr.ac.cr
DOI: https://doi.org/10.37811/cl_rcm.v10i4.25478
Criterios Didácticos, Visuales y Tecnológicos para Artefactos Digitales
Matemáticos
Marco Vinicio Gutiérrez Montenegro1
vgutierrez@itcr.ac.cr
https://orcid.org/0009-0004-0293-1578
Instituto Tecnológico de Costa Rica, Escuela de Matemática
Cartago, Costa Rica
RESUMEN
La expansión de recursos digitales en la enseñanza de la matemática universitaria ha ampliado las
posibilidades de visualización, exploración y retroalimentación; sin embargo, su disponibilidad no
asegura comprensión conceptual. Una parte importante de la literatura reporta mejoras de rendimiento
o percepciones favorables del estudiantado, pero discute con menor profundidad las decisiones
didácticas, visuales y tecnológicas que hacen que un recurso funcione como artefacto para aprender
matemática. Este artículo presenta una revisión narrativa y analítica de literatura especializada con el
objetivo de proponer una matriz de criterios para diseñar y evaluar artefactos digitales matemáticos en
educación superior. El análisis integra aportes sobre recursos digitales, GeoGebra, representaciones
múltiples, interactividad, usabilidad, diseño multimedia y carga cognitiva, con especial atención a
evidencia latinoamericana e iberoamericana. Como resultado se propone una matriz de ocho
dimensiones: rigor matemático, representaciones múltiples, interactividad significativa, diseño visual y
multimedia, carga cognitiva, usabilidad y accesibilidad, retroalimentación didáctica y evaluación del
aprendizaje. La matriz se concibe como herramienta de análisis para orientar decisiones docentes y de
diseño, no como receta técnica. Se concluye que la innovación digital en matemática debe valorarse por
su capacidad para organizar actividad matemática con sentido y no por la novedad de la herramienta
utilizada.
Palabras clave: diseño instruccional; geogebra; interactividad; carga cognitiva; educación superior
1 Autor principal
Correspondencia: vgutierrez@itcr.ac.cr
pág. 4789
Didactic, Visual and Technological Criteria for Digital Mathematical
Artifacts
ABSTRACT
The expansion of digital resources in university mathematics teaching has broadened opportunities for
visualization, exploration and feedback; however, their availability does not ensure conceptual
understanding. A substantial part of the literature reports achievement gains or favorable student
perceptions, but pays less attention to the didactic, visual and technological decisions that allow a
resource to become an artifact for learning mathematics. This article presents a narrative and analytical
review of specialized literature aimed at proposing a matrix of criteria for designing and evaluating
mathematical digital artifacts in higher education. The analysis integrates contributions on digital
resources, GeoGebra, multiple representations, interactivity, usability, multimedia design and cognitive
load, with particular attention to Latin American and Ibero-American evidence. As a result, an eight-
dimensional matrix is proposed: mathematical rigor, multiple representations, meaningful interactivity,
visual and multimedia design, cognitive load, usability and accessibility, didactic feedback and learning
assessment. The matrix is conceived as an analytical tool to guide teaching and design decisions, not as
a technical recipe. The article concludes that digital innovation in mathematics should be judged by its
capacity to organize meaningful mathematical activity rather than by the novelty of the tool employed.
Keywords: digital artifacts; GeoGebra; interactivity; cognitive load; higher education mathematics
Artículo recibido 20 junio 2026
Aceptado para publicación: 20 julio 2026
Didactic, Visual and Technological Criteria for Digital Mathematical
Artifacts
ABSTRACT
The expansion of digital resources in university mathematics teaching has broadened opportunities for
visualization, exploration and feedback; however, their availability does not ensure conceptual
understanding. A substantial part of the literature reports achievement gains or favorable student
perceptions, but pays less attention to the didactic, visual and technological decisions that allow a
resource to become an artifact for learning mathematics. This article presents a narrative and analytical
review of specialized literature aimed at proposing a matrix of criteria for designing and evaluating
mathematical digital artifacts in higher education. The analysis integrates contributions on digital
resources, GeoGebra, multiple representations, interactivity, usability, multimedia design and cognitive
load, with particular attention to Latin American and Ibero-American evidence. As a result, an eight-
dimensional matrix is proposed: mathematical rigor, multiple representations, meaningful interactivity,
visual and multimedia design, cognitive load, usability and accessibility, didactic feedback and learning
assessment. The matrix is conceived as an analytical tool to guide teaching and design decisions, not as
a technical recipe. The article concludes that digital innovation in mathematics should be judged by its
capacity to organize meaningful mathematical activity rather than by the novelty of the tool employed.
Keywords: digital artifacts; GeoGebra; interactivity; cognitive load; higher education mathematics
Artículo recibido 20 junio 2026
Aceptado para publicación: 20 julio 2026
pág. 4790
INTRODUCCIÓN
La enseñanza universitaria de la matemática convive hoy con una oferta amplia de simulaciones,
applets, videos, cuestionarios automatizados, laboratorios virtuales, hojas dinámicas, entornos de
geometría dinámica y sistemas de inteligencia artificial generativa. Esta disponibilidad modifica las
condiciones de trabajo docente, pero también introduce un problema que no puede reducirse a la
presencia o ausencia de tecnología: la necesidad de criterios explícitos para diseñar, seleccionar y
evaluar recursos digitales con sentido matemático.
El problema no es menor. En cursos iniciales de cálculo, álgebra lineal, funciones y modelación se
mantienen dificultades persistentes asociadas con la comprensión conceptual, la coordinación de
representaciones y la transferencia de procedimientos a situaciones nuevas. Guarín Amorocho y Parada
Rico (2023) muestran, en el caso del límite de una función en un punto, que la comprensión se expresa
mediante acciones y formulaciones complejas que no se agotan en la ejecución algorítmica. En ese
contexto, un artefacto digital puede abrir posibilidades de exploración y visualización, pero también
puede reforzar una manipulación superficial si no está sostenido por una intención didáctica clara.
La literatura reciente confirma la expansión del campo. Trgalová (2024) describe el crecimiento de los
recursos digitales en educación matemática como un objeto de investigación propio. Pepin et al. (2017)
destacan que los recursos curriculares digitales transforman las relaciones entre docentes, estudiantes y
contenidos, mientras que Weigand et al. (2024) advierten que la enseñanza, el aprendizaje y la
evaluación de la matemática en la era digital exigen nuevos marcos de análisis. Estos aportes coinciden
en un punto decisivo: la tecnología no actúa de manera aislada; su valor depende de las decisiones de
diseño, de la tarea matemática y de la mediación docente.
Una tendencia frecuente en los estudios disponibles consiste en valorar los recursos digitales por su
efecto en el rendimiento académico o por la percepción favorable del estudiantado. Ambos indicadores
son importantes, pero resultan insuficientes. Un recurso puede mejorar calificaciones en una actividad
puntual sin producir comprensión profunda; también puede ser valorado positivamente por su novedad
visual sin articular adecuadamente conceptos, símbolos y representaciones. Por ello, evaluar un
artefacto digital matemático exige mirar dimensiones que suelen quedar implícitas: rigor conceptual,
INTRODUCCIÓN
La enseñanza universitaria de la matemática convive hoy con una oferta amplia de simulaciones,
applets, videos, cuestionarios automatizados, laboratorios virtuales, hojas dinámicas, entornos de
geometría dinámica y sistemas de inteligencia artificial generativa. Esta disponibilidad modifica las
condiciones de trabajo docente, pero también introduce un problema que no puede reducirse a la
presencia o ausencia de tecnología: la necesidad de criterios explícitos para diseñar, seleccionar y
evaluar recursos digitales con sentido matemático.
El problema no es menor. En cursos iniciales de cálculo, álgebra lineal, funciones y modelación se
mantienen dificultades persistentes asociadas con la comprensión conceptual, la coordinación de
representaciones y la transferencia de procedimientos a situaciones nuevas. Guarín Amorocho y Parada
Rico (2023) muestran, en el caso del límite de una función en un punto, que la comprensión se expresa
mediante acciones y formulaciones complejas que no se agotan en la ejecución algorítmica. En ese
contexto, un artefacto digital puede abrir posibilidades de exploración y visualización, pero también
puede reforzar una manipulación superficial si no está sostenido por una intención didáctica clara.
La literatura reciente confirma la expansión del campo. Trgalová (2024) describe el crecimiento de los
recursos digitales en educación matemática como un objeto de investigación propio. Pepin et al. (2017)
destacan que los recursos curriculares digitales transforman las relaciones entre docentes, estudiantes y
contenidos, mientras que Weigand et al. (2024) advierten que la enseñanza, el aprendizaje y la
evaluación de la matemática en la era digital exigen nuevos marcos de análisis. Estos aportes coinciden
en un punto decisivo: la tecnología no actúa de manera aislada; su valor depende de las decisiones de
diseño, de la tarea matemática y de la mediación docente.
Una tendencia frecuente en los estudios disponibles consiste en valorar los recursos digitales por su
efecto en el rendimiento académico o por la percepción favorable del estudiantado. Ambos indicadores
son importantes, pero resultan insuficientes. Un recurso puede mejorar calificaciones en una actividad
puntual sin producir comprensión profunda; también puede ser valorado positivamente por su novedad
visual sin articular adecuadamente conceptos, símbolos y representaciones. Por ello, evaluar un
artefacto digital matemático exige mirar dimensiones que suelen quedar implícitas: rigor conceptual,
pág. 4791
representaciones múltiples, interactividad significativa, diseño visual, gestión de la carga cognitiva,
usabilidad, accesibilidad, retroalimentación y evaluación del aprendizaje.
El objetivo de este artículo es proponer una matriz de criterios didácticos, visuales y tecnológicos para
orientar el diseño y la evaluación de artefactos digitales en la enseñanza de la matemática universitaria,
a partir de una revisión narrativa y analítica de literatura especializada. La tesis central es que la
literatura muestra un crecimiento importante en el uso de GeoGebra, recursos digitales, simuladores,
multimedios e inteligencia artificial, pero todavía falta una articulación clara de criterios que permita
pasar de usar herramientas a diseñar experiencias matemáticas con fundamento.
El texto se organiza en cinco momentos. Primero se describe la metodología de revisión narrativa.
Luego se desarrollan los principales ejes teóricos: artefactos digitales en educación matemática,
representaciones múltiples e interactividad, diseño visual, usabilidad y carga cognitiva, GeoGebra y
otros entornos dinámicos, y evidencia latinoamericana sobre recursos digitales. Enseguida se presenta
la matriz de criterios como aporte original del artículo, junto con un ejemplo de aplicación al cálculo
diferencial. Finalmente, se discuten alcances, limitaciones y líneas futuras de investigación.
Metodología de revisión narrativa
Este trabajo corresponde a una revisión narrativa y analítica de literatura. La decisión metodológica es
deliberada: no se pretende realizar una revisión sistemática ni estimar efectos agregados mediante
metaanálisis. Tampoco se aplicó el protocolo PRISMA completo. El propósito fue integrar aportes
teóricos y empíricos pertinentes para construir una propuesta metodológica de criterios aplicables al
diseño y evaluación de artefactos digitales matemáticos.
La base bibliográfica se conformó a partir de tres fuentes complementarias y se delimitó temporalmente
mediante un criterio de recencia. Se priorizó literatura publicada entre 2015 y 2026, sin excluir
referencias anteriores únicamente cuando resultaban indispensables para sostener marcos conceptuales
sobre diseño multimedia, recursos digitales o educación matemática. Consensus permitió localizar
literatura internacional sobre recursos digitales, GeoGebra, artefactos digitales, diseño multimedia,
carga cognitiva y usabilidad. SciELO aportó producción regional e iberoamericana en español,
especialmente sobre recursos educativos digitales, cálculo universitario, evaluación de recursos y
experiencias con GeoGebra.
representaciones múltiples, interactividad significativa, diseño visual, gestión de la carga cognitiva,
usabilidad, accesibilidad, retroalimentación y evaluación del aprendizaje.
El objetivo de este artículo es proponer una matriz de criterios didácticos, visuales y tecnológicos para
orientar el diseño y la evaluación de artefactos digitales en la enseñanza de la matemática universitaria,
a partir de una revisión narrativa y analítica de literatura especializada. La tesis central es que la
literatura muestra un crecimiento importante en el uso de GeoGebra, recursos digitales, simuladores,
multimedios e inteligencia artificial, pero todavía falta una articulación clara de criterios que permita
pasar de usar herramientas a diseñar experiencias matemáticas con fundamento.
El texto se organiza en cinco momentos. Primero se describe la metodología de revisión narrativa.
Luego se desarrollan los principales ejes teóricos: artefactos digitales en educación matemática,
representaciones múltiples e interactividad, diseño visual, usabilidad y carga cognitiva, GeoGebra y
otros entornos dinámicos, y evidencia latinoamericana sobre recursos digitales. Enseguida se presenta
la matriz de criterios como aporte original del artículo, junto con un ejemplo de aplicación al cálculo
diferencial. Finalmente, se discuten alcances, limitaciones y líneas futuras de investigación.
Metodología de revisión narrativa
Este trabajo corresponde a una revisión narrativa y analítica de literatura. La decisión metodológica es
deliberada: no se pretende realizar una revisión sistemática ni estimar efectos agregados mediante
metaanálisis. Tampoco se aplicó el protocolo PRISMA completo. El propósito fue integrar aportes
teóricos y empíricos pertinentes para construir una propuesta metodológica de criterios aplicables al
diseño y evaluación de artefactos digitales matemáticos.
La base bibliográfica se conformó a partir de tres fuentes complementarias y se delimitó temporalmente
mediante un criterio de recencia. Se priorizó literatura publicada entre 2015 y 2026, sin excluir
referencias anteriores únicamente cuando resultaban indispensables para sostener marcos conceptuales
sobre diseño multimedia, recursos digitales o educación matemática. Consensus permitió localizar
literatura internacional sobre recursos digitales, GeoGebra, artefactos digitales, diseño multimedia,
carga cognitiva y usabilidad. SciELO aportó producción regional e iberoamericana en español,
especialmente sobre recursos educativos digitales, cálculo universitario, evaluación de recursos y
experiencias con GeoGebra.
pág. 4792
También se revisaron artículos publicados en Ciencia Latina Revista Científica Multidisciplinar
relacionados con GeoGebra, recursos digitales y enseñanza de la matemática, con el fin de identificar
antecedentes regionales pertinentes.
La estrategia de búsqueda combinó descriptores en español e inglés mediante operadores booleanos,
ajustados a la sintaxis de cada plataforma. Entre las cadenas utilizadas se incluyeron: “GeoGebra” AND
“higher education”; “digital artifacts” AND “mathematics education”; “recursos educativos digitales”
AND “matemática universitaria”; “artefactos digitales” AND “educación matemática”; “GeoGebra”
AND “cálculo diferencial”; (“cognitive load” OR “usability”) AND “mathematics”; y (“carga
cognitiva” OR “usabilidad”) AND “recursos digitales”. Estas combinaciones permitieron recuperar
estudios sobre diseño, uso, evaluación y mediación didáctica de recursos digitales matemáticos.
Los criterios de inclusión fueron: pertinencia con educación matemática; relación directa con recursos
digitales, artefactos interactivos, GeoGebra, usabilidad, diseño multimedia, carga cognitiva o
evaluación de recursos; preferencia por publicaciones recientes; incorporación de evidencia
latinoamericana e iberoamericana; y disponibilidad de DOI o URL verificable cuando estuviera
presente. Se excluyeron trabajos sin relación directa con matemática, referencias centradas solo en
percepción tecnológica sin aporte didáctico, documentos duplicados y registros sin información
bibliográfica suficiente para su trazabilidad.
El conjunto final quedó integrado por treinta referencias, seleccionadas por su contribución a los ejes
del artículo. El análisis se organizó temáticamente y no como una descripción autor por autor. Esta
estrategia permitió identificar coincidencias, tensiones y vacíos entre estudios internacionales,
latinoamericanos y regionales. La principal limitación metodológica es que la selección involucra juicio
interpretativo del autor y no agota la literatura disponible. No obstante, esa condición es coherente con
el propósito del artículo: producir una síntesis crítica y proponer una herramienta de análisis.
Desarrollo del tema
Artefactos digitales en educación matemática
Antes de proponer criterios conviene precisar el vocabulario. En la práctica docente suelen emplearse
como equivalentes términos como recurso digital, objeto de aprendizaje, applet, simulador, ambiente
dinámico y artefacto digital. Aunque se relacionan, no significan exactamente lo mismo.
También se revisaron artículos publicados en Ciencia Latina Revista Científica Multidisciplinar
relacionados con GeoGebra, recursos digitales y enseñanza de la matemática, con el fin de identificar
antecedentes regionales pertinentes.
La estrategia de búsqueda combinó descriptores en español e inglés mediante operadores booleanos,
ajustados a la sintaxis de cada plataforma. Entre las cadenas utilizadas se incluyeron: “GeoGebra” AND
“higher education”; “digital artifacts” AND “mathematics education”; “recursos educativos digitales”
AND “matemática universitaria”; “artefactos digitales” AND “educación matemática”; “GeoGebra”
AND “cálculo diferencial”; (“cognitive load” OR “usability”) AND “mathematics”; y (“carga
cognitiva” OR “usabilidad”) AND “recursos digitales”. Estas combinaciones permitieron recuperar
estudios sobre diseño, uso, evaluación y mediación didáctica de recursos digitales matemáticos.
Los criterios de inclusión fueron: pertinencia con educación matemática; relación directa con recursos
digitales, artefactos interactivos, GeoGebra, usabilidad, diseño multimedia, carga cognitiva o
evaluación de recursos; preferencia por publicaciones recientes; incorporación de evidencia
latinoamericana e iberoamericana; y disponibilidad de DOI o URL verificable cuando estuviera
presente. Se excluyeron trabajos sin relación directa con matemática, referencias centradas solo en
percepción tecnológica sin aporte didáctico, documentos duplicados y registros sin información
bibliográfica suficiente para su trazabilidad.
El conjunto final quedó integrado por treinta referencias, seleccionadas por su contribución a los ejes
del artículo. El análisis se organizó temáticamente y no como una descripción autor por autor. Esta
estrategia permitió identificar coincidencias, tensiones y vacíos entre estudios internacionales,
latinoamericanos y regionales. La principal limitación metodológica es que la selección involucra juicio
interpretativo del autor y no agota la literatura disponible. No obstante, esa condición es coherente con
el propósito del artículo: producir una síntesis crítica y proponer una herramienta de análisis.
Desarrollo del tema
Artefactos digitales en educación matemática
Antes de proponer criterios conviene precisar el vocabulario. En la práctica docente suelen emplearse
como equivalentes términos como recurso digital, objeto de aprendizaje, applet, simulador, ambiente
dinámico y artefacto digital. Aunque se relacionan, no significan exactamente lo mismo.
pág. 4793
Un recurso digital es cualquier material electrónico susceptible de uso educativo. Un objeto de
aprendizaje se diseña con un propósito instruccional definido y con posibilidad de reutilización. Un
applet es una aplicación interactiva acotada a una tarea concreta. Un simulador modela el
comportamiento de un fenómeno o sistema y permite manipular variables. Un ambiente dinámico ofrece
un espacio de construcción, vinculación y transformación de objetos matemáticos.
La noción de artefacto digital es más exigente porque desplaza la atención desde el archivo o
herramienta hacia la actividad matemática que media. Baccaglini-Frank et al. (2024) analizan los
artefactos digitales en educación matemática desde los procesos de aprendizaje que promueven y
subrayan que su potencial no reside únicamente en el objeto, sino en la relación entre diseño, tarea y
participación docente. Así, un mismo applet de derivada puede ser un recurso disponible en línea, un
objeto de aprendizaje si posee finalidad instruccional explícita, y un artefacto si organiza una actividad
matemática situada.
Esta distinción tiene consecuencias para la evaluación. Si se concibe un recurso solo como herramienta
técnica, se revisará si funciona, si carga rápido o si resulta atractivo. Si se concibe como artefacto, se
preguntará qué acción matemática habilita, qué representaciones coordina, qué conjeturas provoca, qué
errores permite analizar y qué evidencia de comprensión produce. Pepin et al. (2017) ya señalaban que
los recursos digitales modifican interacciones curriculares, mientras que Trgalová (2024) y Weigand et
al. (2024) sitúan el campo en una discusión más amplia sobre sistemas de recursos, prácticas docentes
y evaluación en la era digital.
Por tanto, el paso relevante no es acumular herramientas, sino diseñar experiencias matemáticas
mediadas. Un artefacto digital de calidad no se define por la cantidad de controles, colores o
animaciones que contiene, sino por la coherencia entre objetivo matemático, tarea, representación,
interacción y retroalimentación. Esta idea sostiene las dimensiones de la matriz propuesta más adelante.
Representaciones múltiples e interactividad matemática
La comprensión matemática se apoya en la coordinación de representaciones. En el caso del cálculo,
por ejemplo, una función puede expresarse verbalmente, mediante una fórmula, una tabla, una gráfica
y una variación dinámica. La potencia de un artefacto digital no consiste en mostrar muchas
representaciones simultáneamente, sino en hacer visibles sus vínculos. Chiu y Churchill (2015)
Un recurso digital es cualquier material electrónico susceptible de uso educativo. Un objeto de
aprendizaje se diseña con un propósito instruccional definido y con posibilidad de reutilización. Un
applet es una aplicación interactiva acotada a una tarea concreta. Un simulador modela el
comportamiento de un fenómeno o sistema y permite manipular variables. Un ambiente dinámico ofrece
un espacio de construcción, vinculación y transformación de objetos matemáticos.
La noción de artefacto digital es más exigente porque desplaza la atención desde el archivo o
herramienta hacia la actividad matemática que media. Baccaglini-Frank et al. (2024) analizan los
artefactos digitales en educación matemática desde los procesos de aprendizaje que promueven y
subrayan que su potencial no reside únicamente en el objeto, sino en la relación entre diseño, tarea y
participación docente. Así, un mismo applet de derivada puede ser un recurso disponible en línea, un
objeto de aprendizaje si posee finalidad instruccional explícita, y un artefacto si organiza una actividad
matemática situada.
Esta distinción tiene consecuencias para la evaluación. Si se concibe un recurso solo como herramienta
técnica, se revisará si funciona, si carga rápido o si resulta atractivo. Si se concibe como artefacto, se
preguntará qué acción matemática habilita, qué representaciones coordina, qué conjeturas provoca, qué
errores permite analizar y qué evidencia de comprensión produce. Pepin et al. (2017) ya señalaban que
los recursos digitales modifican interacciones curriculares, mientras que Trgalová (2024) y Weigand et
al. (2024) sitúan el campo en una discusión más amplia sobre sistemas de recursos, prácticas docentes
y evaluación en la era digital.
Por tanto, el paso relevante no es acumular herramientas, sino diseñar experiencias matemáticas
mediadas. Un artefacto digital de calidad no se define por la cantidad de controles, colores o
animaciones que contiene, sino por la coherencia entre objetivo matemático, tarea, representación,
interacción y retroalimentación. Esta idea sostiene las dimensiones de la matriz propuesta más adelante.
Representaciones múltiples e interactividad matemática
La comprensión matemática se apoya en la coordinación de representaciones. En el caso del cálculo,
por ejemplo, una función puede expresarse verbalmente, mediante una fórmula, una tabla, una gráfica
y una variación dinámica. La potencia de un artefacto digital no consiste en mostrar muchas
representaciones simultáneamente, sino en hacer visibles sus vínculos. Chiu y Churchill (2015)
pág. 4794
sostienen que el diseño de materiales digitales para aprender conceptos matemáticos se fortalece cuando
integra principios de aprendizaje multimedia con teoría de la variación. Desde esta perspectiva,
modificar un parámetro y observar cambios coordinados en distintas representaciones constituye una
decisión didáctica, no un recurso decorativo.
La interactividad también requiere precisión. No toda interacción es significativa. Pulsar botones,
reproducir una animación o arrastrar un objeto sin propósito puede generar participación aparente sin
razonamiento matemático. La interactividad significativa exige manipular parámetros, anticipar
resultados, formular conjeturas, verificar relaciones y justificar lo observado. Radović et al. (2018)
muestran que los applets de GeoGebra integrados en un texto matemático interactivo pueden favorecer
aprendizaje y retención, pero ese resultado debe leerse desde el diseño de las tareas que orientan la
exploración.
En cálculo diferencial, la visualización dinámica resulta especialmente fértil. Aguilar-Salinas et al.
(2021) trabajan problemas de tasas de variación relacionadas mediante GeoGebra, mientras que Fuentes
Lara y Aguilar Salinas (2022) proponen una secuencia didáctica apoyada en problemas de optimización.
En ambos casos, el valor del entorno dinámico no se limita a graficar; aparece en la posibilidad de
modelar relaciones, modificar condiciones, analizar variaciones y conectar lo visual con lo algebraico.
No obstante, existe un riesgo: la fluidez visual de una animación puede producir ilusión de comprensión.
Observar una recta tangente desplazarse sobre una curva no equivale a comprender la derivada como
razón de cambio instantánea. Por ello, un artefacto debe invitar al estudiante a anticipar, explicar y
transferir. La representación dinámica debe operar como puente conceptual, no como espectáculo
visual.
Diseño visual, usabilidad y carga cognitiva
Un artefacto matemáticamente correcto puede fracasar si su diseño visual dificulta la lectura, dispersa
la atención o sobrecarga la memoria de trabajo. La teoría del aprendizaje multimedia y la teoría de la
carga cognitiva ofrecen principios relevantes para este problema. Noetel et al. (2021), en una revisión
de revisiones con metaanálisis, confirman la importancia de principios como señalización, contigüidad
espacial y temporal, segmentación y reducción de información irrelevante.
sostienen que el diseño de materiales digitales para aprender conceptos matemáticos se fortalece cuando
integra principios de aprendizaje multimedia con teoría de la variación. Desde esta perspectiva,
modificar un parámetro y observar cambios coordinados en distintas representaciones constituye una
decisión didáctica, no un recurso decorativo.
La interactividad también requiere precisión. No toda interacción es significativa. Pulsar botones,
reproducir una animación o arrastrar un objeto sin propósito puede generar participación aparente sin
razonamiento matemático. La interactividad significativa exige manipular parámetros, anticipar
resultados, formular conjeturas, verificar relaciones y justificar lo observado. Radović et al. (2018)
muestran que los applets de GeoGebra integrados en un texto matemático interactivo pueden favorecer
aprendizaje y retención, pero ese resultado debe leerse desde el diseño de las tareas que orientan la
exploración.
En cálculo diferencial, la visualización dinámica resulta especialmente fértil. Aguilar-Salinas et al.
(2021) trabajan problemas de tasas de variación relacionadas mediante GeoGebra, mientras que Fuentes
Lara y Aguilar Salinas (2022) proponen una secuencia didáctica apoyada en problemas de optimización.
En ambos casos, el valor del entorno dinámico no se limita a graficar; aparece en la posibilidad de
modelar relaciones, modificar condiciones, analizar variaciones y conectar lo visual con lo algebraico.
No obstante, existe un riesgo: la fluidez visual de una animación puede producir ilusión de comprensión.
Observar una recta tangente desplazarse sobre una curva no equivale a comprender la derivada como
razón de cambio instantánea. Por ello, un artefacto debe invitar al estudiante a anticipar, explicar y
transferir. La representación dinámica debe operar como puente conceptual, no como espectáculo
visual.
Diseño visual, usabilidad y carga cognitiva
Un artefacto matemáticamente correcto puede fracasar si su diseño visual dificulta la lectura, dispersa
la atención o sobrecarga la memoria de trabajo. La teoría del aprendizaje multimedia y la teoría de la
carga cognitiva ofrecen principios relevantes para este problema. Noetel et al. (2021), en una revisión
de revisiones con metaanálisis, confirman la importancia de principios como señalización, contigüidad
espacial y temporal, segmentación y reducción de información irrelevante.
pág. 4795
En un artefacto matemático esto implica que la ecuación, la gráfica, los controles y la explicación deben
aparecer coordinados, no distribuidos de forma arbitraria.
La carga cognitiva se traduce en decisiones concretas. Una pantalla saturada de botones, textos, colores
y símbolos puede impedir que el estudiante identifique el objeto matemático central. La segmentación
permite presentar una idea por etapas; la señalización orienta la mirada hacia lo relevante; la contigüidad
evita que el estudiante deba buscar en zonas separadas de la pantalla los elementos que necesita integrar.
Chiu y Churchill (2015) añaden que el diseño debe provocar variaciones pertinentes para el concepto,
evitando tanto la simplificación excesiva como la sobrecarga visual.
La usabilidad constituye otra dimensión crítica. Estrada-Molina et al. (2022) revisan la evaluación de
usabilidad en tecnología educativa desde la enseñanza de la matemática y muestran la pertinencia de
estándares y criterios para valorar recursos digitales. En el contexto de un artefacto matemático, la
usabilidad incluye navegación clara, instrucciones comprensibles, compatibilidad técnica, estabilidad,
tiempos de respuesta adecuados y posibilidad de uso en distintos dispositivos.
La accesibilidad no debe considerarse un añadido posterior. En matemática es común codificar
información mediante color: función original, derivada, recta secante, tangente, área o región de
integración. Si el significado depende solo del color, parte del estudiantado puede quedar excluido. El
diseño debe combinar color con etiquetas, grosor, estilos de línea, posición y texto. En entornos
universitarios latinoamericanos, además, la adaptabilidad a teléfonos y computadoras de distinta
capacidad técnica condiciona la posibilidad real de uso. Un artefacto que no se puede leer, abrir o
manipular con claridad pierde valor didáctico antes de iniciar la actividad matemática.
GeoGebra y otros entornos dinámicos en matemática
GeoGebra ocupa un lugar central en la literatura sobre tecnología para la educación matemática. Su
valor reside en integrar geometría, álgebra, cálculo, hojas de cálculo, gráficos, programación y recursos
interactivos en un mismo entorno. Zhang et al. (2023) reportan, en un metaanálisis de dos décadas,
efectos positivos de la visualización dinámica con GeoGebra sobre el aprendizaje matemático,
especialmente en temas de cálculo y geometría. Sin embargo, el mismo tipo de evidencia invita a la
cautela: los efectos tienden a depender del diseño de la intervención, la duración, el tamaño del grupo
y el tipo de tarea.
En un artefacto matemático esto implica que la ecuación, la gráfica, los controles y la explicación deben
aparecer coordinados, no distribuidos de forma arbitraria.
La carga cognitiva se traduce en decisiones concretas. Una pantalla saturada de botones, textos, colores
y símbolos puede impedir que el estudiante identifique el objeto matemático central. La segmentación
permite presentar una idea por etapas; la señalización orienta la mirada hacia lo relevante; la contigüidad
evita que el estudiante deba buscar en zonas separadas de la pantalla los elementos que necesita integrar.
Chiu y Churchill (2015) añaden que el diseño debe provocar variaciones pertinentes para el concepto,
evitando tanto la simplificación excesiva como la sobrecarga visual.
La usabilidad constituye otra dimensión crítica. Estrada-Molina et al. (2022) revisan la evaluación de
usabilidad en tecnología educativa desde la enseñanza de la matemática y muestran la pertinencia de
estándares y criterios para valorar recursos digitales. En el contexto de un artefacto matemático, la
usabilidad incluye navegación clara, instrucciones comprensibles, compatibilidad técnica, estabilidad,
tiempos de respuesta adecuados y posibilidad de uso en distintos dispositivos.
La accesibilidad no debe considerarse un añadido posterior. En matemática es común codificar
información mediante color: función original, derivada, recta secante, tangente, área o región de
integración. Si el significado depende solo del color, parte del estudiantado puede quedar excluido. El
diseño debe combinar color con etiquetas, grosor, estilos de línea, posición y texto. En entornos
universitarios latinoamericanos, además, la adaptabilidad a teléfonos y computadoras de distinta
capacidad técnica condiciona la posibilidad real de uso. Un artefacto que no se puede leer, abrir o
manipular con claridad pierde valor didáctico antes de iniciar la actividad matemática.
GeoGebra y otros entornos dinámicos en matemática
GeoGebra ocupa un lugar central en la literatura sobre tecnología para la educación matemática. Su
valor reside en integrar geometría, álgebra, cálculo, hojas de cálculo, gráficos, programación y recursos
interactivos en un mismo entorno. Zhang et al. (2023) reportan, en un metaanálisis de dos décadas,
efectos positivos de la visualización dinámica con GeoGebra sobre el aprendizaje matemático,
especialmente en temas de cálculo y geometría. Sin embargo, el mismo tipo de evidencia invita a la
cautela: los efectos tienden a depender del diseño de la intervención, la duración, el tamaño del grupo
y el tipo de tarea.
pág. 4796
Yohannes y Chen (2021) revisan artículos sobre GeoGebra publicados entre 2010 y 2020 y observan
concentración temática en geometría y análisis, así como vacíos en aspectos como carga cognitiva,
compromiso y ansiedad. Gökçe y Güner (2022) complementan esta lectura desde una perspectiva
bibliométrica del ecosistema GeoGebra. Ziatdinov y Valles (2022) amplían el enfoque al integrar
modelación, visualización y programación para temas STEM. En conjunto, estas referencias muestran
que GeoGebra no debe entenderse solo como graficador, sino como entorno para construir, explorar,
modelar y comunicar relaciones matemáticas.
La evidencia iberoamericana confirma su presencia en cálculo y matemática para ingeniería. Laderas
Huillcahuari et al. (2023) analizan la enseñanza del cálculo diferencial e integral asistida con GeoGebra;
Guerrero Chirinos et al. (2025) estudian rendimiento y comprensión de la derivada en estudiantes de
ingeniería; Ortega et al. (2024) abordan cálculo integral en ingeniería civil; y Berber Palafox et al.
(2024) documentan el uso de GeoGebra en matemáticas para ingeniería. Pusdá López et al. (2022)
revisan su uso como recurso de enseñanza en sistemas de ecuaciones.
Estos antecedentes son valiosos, pero también revelan una limitación recurrente: muchos trabajos se
concentran en comparar resultados entre grupos que usan o no usan GeoGebra, sin describir con
suficiente detalle el diseño del artefacto, la calidad de las tareas, el tipo de retroalimentación o los
procesos de comprensión generados. La pregunta no debería ser únicamente si GeoGebra mejora el
rendimiento, sino qué características del artefacto y de la actividad matemática explican su posible
efecto. Esta distinción justifica una matriz de criterios que pueda aplicarse a GeoGebra, Desmos,
simuladores HTML5, laboratorios virtuales y recursos generados con apoyo de inteligencia artificial.
Evidencia latinoamericana sobre recursos digitales para matemática
La producción latinoamericana reciente ofrece aportes importantes para situar el problema. Mora
Casasola (2024) realiza una revisión sistemática sobre la implementación de recursos educativos
digitales en la enseñanza del cálculo diferencial, lo cual resulta especialmente pertinente para educación
superior costarricense. Montesinos Murillo et al. (2024) analizan recursos digitales educativos para
estudiantes universitarios, y Parra-Vallejo (2023) propone una estrategia didáctica que articula b-
learning y pensamiento computacional para fortalecer el aprendizaje matemático.
Yohannes y Chen (2021) revisan artículos sobre GeoGebra publicados entre 2010 y 2020 y observan
concentración temática en geometría y análisis, así como vacíos en aspectos como carga cognitiva,
compromiso y ansiedad. Gökçe y Güner (2022) complementan esta lectura desde una perspectiva
bibliométrica del ecosistema GeoGebra. Ziatdinov y Valles (2022) amplían el enfoque al integrar
modelación, visualización y programación para temas STEM. En conjunto, estas referencias muestran
que GeoGebra no debe entenderse solo como graficador, sino como entorno para construir, explorar,
modelar y comunicar relaciones matemáticas.
La evidencia iberoamericana confirma su presencia en cálculo y matemática para ingeniería. Laderas
Huillcahuari et al. (2023) analizan la enseñanza del cálculo diferencial e integral asistida con GeoGebra;
Guerrero Chirinos et al. (2025) estudian rendimiento y comprensión de la derivada en estudiantes de
ingeniería; Ortega et al. (2024) abordan cálculo integral en ingeniería civil; y Berber Palafox et al.
(2024) documentan el uso de GeoGebra en matemáticas para ingeniería. Pusdá López et al. (2022)
revisan su uso como recurso de enseñanza en sistemas de ecuaciones.
Estos antecedentes son valiosos, pero también revelan una limitación recurrente: muchos trabajos se
concentran en comparar resultados entre grupos que usan o no usan GeoGebra, sin describir con
suficiente detalle el diseño del artefacto, la calidad de las tareas, el tipo de retroalimentación o los
procesos de comprensión generados. La pregunta no debería ser únicamente si GeoGebra mejora el
rendimiento, sino qué características del artefacto y de la actividad matemática explican su posible
efecto. Esta distinción justifica una matriz de criterios que pueda aplicarse a GeoGebra, Desmos,
simuladores HTML5, laboratorios virtuales y recursos generados con apoyo de inteligencia artificial.
Evidencia latinoamericana sobre recursos digitales para matemática
La producción latinoamericana reciente ofrece aportes importantes para situar el problema. Mora
Casasola (2024) realiza una revisión sistemática sobre la implementación de recursos educativos
digitales en la enseñanza del cálculo diferencial, lo cual resulta especialmente pertinente para educación
superior costarricense. Montesinos Murillo et al. (2024) analizan recursos digitales educativos para
estudiantes universitarios, y Parra-Vallejo (2023) propone una estrategia didáctica que articula b-
learning y pensamiento computacional para fortalecer el aprendizaje matemático.
pág. 4797
Estos trabajos muestran que la preocupación por la mediación tecnológica no es externa a la región,
sino parte de una agenda propia.
Otra línea relevante se concentra en la evaluación de recursos educativos digitales. Hernández Moya et
al. (2024) abordan la calidad de estos recursos desde una clase metodológica instructiva; Vera Vélez et
al. (2024) proponen una metodología para su implementación; Cepero Ruiz y Pérez Pino (2024)
formulan un instrumento para evaluar diseño y utilización de recursos educativos digitales; y Montero-
Rodríguez et al. (2022) presentan un instrumento de evaluación integral para educación a distancia.
Aunque no todos estos trabajos son específicos de matemática, aportan dimensiones útiles para pensar
calidad, implementación y evaluación.
En Ciencia Latina se identifican antecedentes relacionados con recursos digitales y matemática. Reyes
Figueroa et al. (2023) trabajan recursos educativos digitales para funciones cuadráticas; Guerrero
Chirinos et al. (2025), Ortega et al. (2024), Berber Palafox et al. (2024) y Pusdá López et al. (2022)
aportan evidencia sobre GeoGebra en distintos contextos de aprendizaje. La presencia de estos trabajos
confirma la pertinencia regional del tema, pero también refuerza la necesidad de avanzar hacia criterios
transversales que no dependan de una herramienta específica.
La evidencia revisada sugiere un desarrollo desigual. Por un lado, hay abundancia de experiencias con
herramientas digitales, especialmente GeoGebra. Por otro, aún falta una integración explícita entre
criterios didácticos, visuales y tecnológicos. Además, el conocimiento profesional docente aparece
como condición fundamental. Padilla-Escorcia et al. (2025) muestran que el conocimiento para enseñar
matemática con tecnologías digitales suele evaluarse mediante autopercepción, con menor atención a
prácticas concretas de diseño. En consecuencia, una matriz de criterios puede ofrecer un lenguaje común
para analizar recursos, fundamentar decisiones y formar docentes en diseño didáctico digital.
Estos trabajos muestran que la preocupación por la mediación tecnológica no es externa a la región,
sino parte de una agenda propia.
Otra línea relevante se concentra en la evaluación de recursos educativos digitales. Hernández Moya et
al. (2024) abordan la calidad de estos recursos desde una clase metodológica instructiva; Vera Vélez et
al. (2024) proponen una metodología para su implementación; Cepero Ruiz y Pérez Pino (2024)
formulan un instrumento para evaluar diseño y utilización de recursos educativos digitales; y Montero-
Rodríguez et al. (2022) presentan un instrumento de evaluación integral para educación a distancia.
Aunque no todos estos trabajos son específicos de matemática, aportan dimensiones útiles para pensar
calidad, implementación y evaluación.
En Ciencia Latina se identifican antecedentes relacionados con recursos digitales y matemática. Reyes
Figueroa et al. (2023) trabajan recursos educativos digitales para funciones cuadráticas; Guerrero
Chirinos et al. (2025), Ortega et al. (2024), Berber Palafox et al. (2024) y Pusdá López et al. (2022)
aportan evidencia sobre GeoGebra en distintos contextos de aprendizaje. La presencia de estos trabajos
confirma la pertinencia regional del tema, pero también refuerza la necesidad de avanzar hacia criterios
transversales que no dependan de una herramienta específica.
La evidencia revisada sugiere un desarrollo desigual. Por un lado, hay abundancia de experiencias con
herramientas digitales, especialmente GeoGebra. Por otro, aún falta una integración explícita entre
criterios didácticos, visuales y tecnológicos. Además, el conocimiento profesional docente aparece
como condición fundamental. Padilla-Escorcia et al. (2025) muestran que el conocimiento para enseñar
matemática con tecnologías digitales suele evaluarse mediante autopercepción, con menor atención a
prácticas concretas de diseño. En consecuencia, una matriz de criterios puede ofrecer un lenguaje común
para analizar recursos, fundamentar decisiones y formar docentes en diseño didáctico digital.
pág. 4798
Tabla 1 Clasificación de las referencias seleccionadas según eje temático
Eje temático Referencias incluidas Cantidad
Educación matemática
digital y artefactos
Trgalová (2024); Pepin et al. (2017); Weigand et al. (2024); Baccaglini-
Frank et al. (2024); Guarín Amorocho y Parada Rico (2023)
5
GeoGebra y entornos
dinámicos
Zhang et al. (2023); Ziatdinov y Valles (2022); Yohannes y Chen
(2021); Gökçe y Güner (2022); Radović et al. (2018); Laderas
Huillcahuari et al. (2023); Fuentes Lara y Aguilar Salinas (2022);
Aguilar-Salinas et al. (2021); Guerrero Chirinos et al. (2025); Ortega et
al. (2024); Berber Palafox et al. (2024); Pusdá López et al. (2022)
12
Diseño multimedia,
usabilidad y carga
cognitiva
Estrada-Molina et al. (2022); Chiu y Churchill (2015); Noetel et al.
(2021); Lindenbauer et al. (2024)
4
Recursos educativos
digitales en América
Latina
Montesinos Murillo et al. (2024); Hernández Moya et al. (2024); Vera
Vélez et al. (2024); Cepero Ruiz y Pérez Pino (2024); Parra-Vallejo
(2023); Montero-Rodríguez et al. (2022); Mora Casasola (2024); Reyes
Figueroa et al. (2023)
8
Formación docente y
conocimiento
tecnológico
Padilla-Escorcia et al. (2025) 1
Nota. Elaboración propia a partir de la base bibliográfica depurada. Un mismo estudio podría ubicarse en más de un eje; se
asignó al eje predominante según su aporte principal.
Propuesta de matriz de criterios didácticos, visuales y tecnológicos
La revisión permite sostener que la calidad de un artefacto digital matemático no se decide en una sola
dimensión. Depende de la articulación entre contenido matemático, intencionalidad didáctica,
representaciones, interacción, diseño visual, gestión de la carga cognitiva, usabilidad, accesibilidad,
retroalimentación y evaluación. Con base en esa integración se propone una matriz de ocho
dimensiones, entendida como aporte original de este artículo.
La matriz no pretende funcionar como receta ni como lista mecánica. Su finalidad es orientar preguntas
de diseño y evaluación. Puede emplearse para diseñar un artefacto desde cero, revisar un recurso en
construcción, seleccionar materiales existentes o valorar un artefacto antes de llevarlo al aula. Cada
dimensión incluye indicadores concretos, preguntas orientadoras, una escala cualitativa de tres niveles
y un descriptor de nivel alto que operacionaliza el criterio de éxito.
Tabla 1 Clasificación de las referencias seleccionadas según eje temático
Eje temático Referencias incluidas Cantidad
Educación matemática
digital y artefactos
Trgalová (2024); Pepin et al. (2017); Weigand et al. (2024); Baccaglini-
Frank et al. (2024); Guarín Amorocho y Parada Rico (2023)
5
GeoGebra y entornos
dinámicos
Zhang et al. (2023); Ziatdinov y Valles (2022); Yohannes y Chen
(2021); Gökçe y Güner (2022); Radović et al. (2018); Laderas
Huillcahuari et al. (2023); Fuentes Lara y Aguilar Salinas (2022);
Aguilar-Salinas et al. (2021); Guerrero Chirinos et al. (2025); Ortega et
al. (2024); Berber Palafox et al. (2024); Pusdá López et al. (2022)
12
Diseño multimedia,
usabilidad y carga
cognitiva
Estrada-Molina et al. (2022); Chiu y Churchill (2015); Noetel et al.
(2021); Lindenbauer et al. (2024)
4
Recursos educativos
digitales en América
Latina
Montesinos Murillo et al. (2024); Hernández Moya et al. (2024); Vera
Vélez et al. (2024); Cepero Ruiz y Pérez Pino (2024); Parra-Vallejo
(2023); Montero-Rodríguez et al. (2022); Mora Casasola (2024); Reyes
Figueroa et al. (2023)
8
Formación docente y
conocimiento
tecnológico
Padilla-Escorcia et al. (2025) 1
Nota. Elaboración propia a partir de la base bibliográfica depurada. Un mismo estudio podría ubicarse en más de un eje; se
asignó al eje predominante según su aporte principal.
Propuesta de matriz de criterios didácticos, visuales y tecnológicos
La revisión permite sostener que la calidad de un artefacto digital matemático no se decide en una sola
dimensión. Depende de la articulación entre contenido matemático, intencionalidad didáctica,
representaciones, interacción, diseño visual, gestión de la carga cognitiva, usabilidad, accesibilidad,
retroalimentación y evaluación. Con base en esa integración se propone una matriz de ocho
dimensiones, entendida como aporte original de este artículo.
La matriz no pretende funcionar como receta ni como lista mecánica. Su finalidad es orientar preguntas
de diseño y evaluación. Puede emplearse para diseñar un artefacto desde cero, revisar un recurso en
construcción, seleccionar materiales existentes o valorar un artefacto antes de llevarlo al aula. Cada
dimensión incluye indicadores concretos, preguntas orientadoras, una escala cualitativa de tres niveles
y un descriptor de nivel alto que operacionaliza el criterio de éxito.
pág. 4799
Se considera nivel bajo cuando el criterio está ausente o mal resuelto; medio, cuando está presente de
forma parcial; y alto, cuando se resuelve de manera coherente, rigurosa y verificable con la intención
didáctica.
El rigor matemático es condición necesaria. Un artefacto atractivo pero conceptualmente impreciso
puede consolidar errores. Las representaciones múltiples exigen que lo verbal, algebraico, gráfico,
tabular y dinámico estén conectados. La interactividad significativa demanda que el estudiante
manipule, anticipe, conjeture y verifique. El diseño visual y multimedia debe orientar la atención; la
carga cognitiva debe gestionarse mediante segmentación y reducción de elementos irrelevantes; la
usabilidad y accesibilidad hacen posible el uso real; la retroalimentación didáctica convierte el error en
oportunidad de aprendizaje; y la evaluación permite recoger evidencia de comprensión y transferencia.
Tabla 2 Matriz de criterios didácticos, visuales y tecnológicos para diseñar y evaluar artefactos digitales
matemáticos
Dimensión Indicadores concretos Preguntas orientadoras Nivel alto (criterio de éxito)
1. Rigor
matemático
Precisión conceptual;
coherencia simbólica;
corrección de
procedimientos; ausencia
de ambigüedades.
¿Los objetos, símbolos y
procedimientos son
correctos? ¿Alguna
notación puede inducir a
error?
Ausencia de errores
conceptuales; notación y
procedimientos alineados con
estándares universitarios.
2.
Representaciones
múltiples
Integración verbal,
algebraica, gráfica, tabular
y dinámica; conexiones
explícitas; visualización al
servicio de la comprensión.
¿Las representaciones se
conectan entre sí? ¿La
visualización aporta
significado matemático o
solo decora?
Conexión explícita y
dinámica entre
representaciones, con
visualizaciones que producen
significado matemático.
3. Interactividad
significativa
Manipulación de
parámetros; exploración
guiada; retroalimentación
inmediata; posibilidad de
conjeturar y verificar.
¿El estudiante puede
anticipar, conjeturar y
comprobar? ¿La
interacción va más allá de
pulsar botones?
El estudiante manipula,
anticipa, conjetura, verifica y
justifica relaciones
matemáticas.
4. Diseño visual y
multimedia
Legibilidad; jerarquía
visual; contraste;
organización espacial;
señalización de lo
relevante; ausencia de
saturación.
¿La mirada se orienta a lo
matemáticamente
importante? ¿Hay
elementos que distraen?
La interfaz dirige la atención
a lo esencial con legibilidad,
jerarquía y ausencia de
saturación.
5. Carga cognitiva Segmentación; reducción
de elementos irrelevantes;
secuenciación progresiva;
integración adecuada de
texto, símbolos, gráficos y
animaciones.
¿El artefacto evita
sobrecargar la memoria de
trabajo? ¿La información
aparece coordinada?
La información se segmenta y
coordina para reducir carga
irrelevante y favorecer
procesamiento conceptual.
Se considera nivel bajo cuando el criterio está ausente o mal resuelto; medio, cuando está presente de
forma parcial; y alto, cuando se resuelve de manera coherente, rigurosa y verificable con la intención
didáctica.
El rigor matemático es condición necesaria. Un artefacto atractivo pero conceptualmente impreciso
puede consolidar errores. Las representaciones múltiples exigen que lo verbal, algebraico, gráfico,
tabular y dinámico estén conectados. La interactividad significativa demanda que el estudiante
manipule, anticipe, conjeture y verifique. El diseño visual y multimedia debe orientar la atención; la
carga cognitiva debe gestionarse mediante segmentación y reducción de elementos irrelevantes; la
usabilidad y accesibilidad hacen posible el uso real; la retroalimentación didáctica convierte el error en
oportunidad de aprendizaje; y la evaluación permite recoger evidencia de comprensión y transferencia.
Tabla 2 Matriz de criterios didácticos, visuales y tecnológicos para diseñar y evaluar artefactos digitales
matemáticos
Dimensión Indicadores concretos Preguntas orientadoras Nivel alto (criterio de éxito)
1. Rigor
matemático
Precisión conceptual;
coherencia simbólica;
corrección de
procedimientos; ausencia
de ambigüedades.
¿Los objetos, símbolos y
procedimientos son
correctos? ¿Alguna
notación puede inducir a
error?
Ausencia de errores
conceptuales; notación y
procedimientos alineados con
estándares universitarios.
2.
Representaciones
múltiples
Integración verbal,
algebraica, gráfica, tabular
y dinámica; conexiones
explícitas; visualización al
servicio de la comprensión.
¿Las representaciones se
conectan entre sí? ¿La
visualización aporta
significado matemático o
solo decora?
Conexión explícita y
dinámica entre
representaciones, con
visualizaciones que producen
significado matemático.
3. Interactividad
significativa
Manipulación de
parámetros; exploración
guiada; retroalimentación
inmediata; posibilidad de
conjeturar y verificar.
¿El estudiante puede
anticipar, conjeturar y
comprobar? ¿La
interacción va más allá de
pulsar botones?
El estudiante manipula,
anticipa, conjetura, verifica y
justifica relaciones
matemáticas.
4. Diseño visual y
multimedia
Legibilidad; jerarquía
visual; contraste;
organización espacial;
señalización de lo
relevante; ausencia de
saturación.
¿La mirada se orienta a lo
matemáticamente
importante? ¿Hay
elementos que distraen?
La interfaz dirige la atención
a lo esencial con legibilidad,
jerarquía y ausencia de
saturación.
5. Carga cognitiva Segmentación; reducción
de elementos irrelevantes;
secuenciación progresiva;
integración adecuada de
texto, símbolos, gráficos y
animaciones.
¿El artefacto evita
sobrecargar la memoria de
trabajo? ¿La información
aparece coordinada?
La información se segmenta y
coordina para reducir carga
irrelevante y favorecer
procesamiento conceptual.
pág. 4800
Dimensión Indicadores concretos Preguntas orientadoras Nivel alto (criterio de éxito)
6. Usabilidad y
accesibilidad
Navegación clara;
compatibilidad técnica;
instrucciones
comprensibles; colores
accesibles; adaptabilidad a
dispositivos.
¿Puede usarse sin
instrucciones externas
extensas? ¿Funciona para
distintas personas y
dispositivos?
El artefacto se usa de forma
autónoma, estable y accesible
en diversos dispositivos y
condiciones.
7.
Retroalimentació
n didáctica
Explicaciones ante errores;
pistas progresivas;
respuestas no binarias;
conexión entre error y
concepto matemático.
¿El error genera
aprendizaje? ¿La
retroalimentación remite al
concepto y no solo a
correcto o incorrecto?
Los errores activan pistas o
explicaciones que conectan la
respuesta con el concepto
matemático.
8. Evaluación del
aprendizaje
Evidencias de comprensión
conceptual; análisis de
errores; actividades de
transferencia; rúbricas o
instrumentos.
¿Qué evidencia de
comprensión produce?
¿Permite transferir lo
aprendido a situaciones
nuevas?
Produce evidencias claras de
comprensión, transferencia y
análisis de errores mediante
tareas o rúbricas.
Nota. Elaboración propia. Cada dimensión se valora cualitativamente en tres niveles: bajo, medio y alto. La columna de nivel
alto sintetiza el criterio de éxito esperado para considerar que la dimensión se cumple con excelencia.
Para ilustrar el uso de la matriz puede considerarse una simulación dinámica de la derivada: una curva,
un punto móvil, una recta secante que se aproxima a la tangente y el valor numérico de la pendiente
actualizado en tiempo real. En rigor matemático, el artefacto debe evitar la idea falsa de que toda
tangente toca la curva en un único punto. En representaciones múltiples, alcanza un nivel alto si vincula
la gráfica, el valor numérico, la expresión algebraica y la interpretación verbal como razón de cambio.
En interactividad significativa, la simulación mejora si el estudiante puede anticipar el signo de la
pendiente antes de mover el punto y luego verificar su conjetura. En diseño visual y carga cognitiva,
debe mostrar solo los elementos pertinentes, segmentar la transición de secante a tangente y señalizar
la información relevante sin saturar. En retroalimentación, una respuesta errónea sobre crecimiento o
decrecimiento debería activar una explicación conceptual, no solo una marca de error. En evaluación,
el artefacto podría solicitar una justificación escrita sobre el punto donde la derivada se anula en un
problema de optimización.
El ejemplo muestra que un mismo recurso puede ser fuerte en unas dimensiones y débil en otras. La
matriz hace visibles esas asimetrías y orienta mejoras. La Tabla 3 presenta preguntas breves que un
docente puede usar antes de implementar un artefacto digital matemático.
Dimensión Indicadores concretos Preguntas orientadoras Nivel alto (criterio de éxito)
6. Usabilidad y
accesibilidad
Navegación clara;
compatibilidad técnica;
instrucciones
comprensibles; colores
accesibles; adaptabilidad a
dispositivos.
¿Puede usarse sin
instrucciones externas
extensas? ¿Funciona para
distintas personas y
dispositivos?
El artefacto se usa de forma
autónoma, estable y accesible
en diversos dispositivos y
condiciones.
7.
Retroalimentació
n didáctica
Explicaciones ante errores;
pistas progresivas;
respuestas no binarias;
conexión entre error y
concepto matemático.
¿El error genera
aprendizaje? ¿La
retroalimentación remite al
concepto y no solo a
correcto o incorrecto?
Los errores activan pistas o
explicaciones que conectan la
respuesta con el concepto
matemático.
8. Evaluación del
aprendizaje
Evidencias de comprensión
conceptual; análisis de
errores; actividades de
transferencia; rúbricas o
instrumentos.
¿Qué evidencia de
comprensión produce?
¿Permite transferir lo
aprendido a situaciones
nuevas?
Produce evidencias claras de
comprensión, transferencia y
análisis de errores mediante
tareas o rúbricas.
Nota. Elaboración propia. Cada dimensión se valora cualitativamente en tres niveles: bajo, medio y alto. La columna de nivel
alto sintetiza el criterio de éxito esperado para considerar que la dimensión se cumple con excelencia.
Para ilustrar el uso de la matriz puede considerarse una simulación dinámica de la derivada: una curva,
un punto móvil, una recta secante que se aproxima a la tangente y el valor numérico de la pendiente
actualizado en tiempo real. En rigor matemático, el artefacto debe evitar la idea falsa de que toda
tangente toca la curva en un único punto. En representaciones múltiples, alcanza un nivel alto si vincula
la gráfica, el valor numérico, la expresión algebraica y la interpretación verbal como razón de cambio.
En interactividad significativa, la simulación mejora si el estudiante puede anticipar el signo de la
pendiente antes de mover el punto y luego verificar su conjetura. En diseño visual y carga cognitiva,
debe mostrar solo los elementos pertinentes, segmentar la transición de secante a tangente y señalizar
la información relevante sin saturar. En retroalimentación, una respuesta errónea sobre crecimiento o
decrecimiento debería activar una explicación conceptual, no solo una marca de error. En evaluación,
el artefacto podría solicitar una justificación escrita sobre el punto donde la derivada se anula en un
problema de optimización.
El ejemplo muestra que un mismo recurso puede ser fuerte en unas dimensiones y débil en otras. La
matriz hace visibles esas asimetrías y orienta mejoras. La Tabla 3 presenta preguntas breves que un
docente puede usar antes de implementar un artefacto digital matemático.
pág. 4801
Tabla 3 Preguntas de verificación antes de usar un artefacto digital matemático
Aspecto Pregunta de verificación
Contenido ¿El artefacto es matemáticamente correcto y coherente con el objetivo de
aprendizaje?
Propósito didáctico ¿Qué tarea matemática provoca y qué se espera que el estudiante comprenda?
Representaciones ¿Articula varias representaciones y hace explícitas sus conexiones?
Exploración ¿Permite conjeturar, manipular y verificar, o solo observar?
Diseño y carga ¿Orienta la atención a lo relevante sin saturar la pantalla?
Acceso ¿Funciona en los dispositivos del estudiantado y resulta comprensible sin ayuda
externa extensa?
Error ¿Cómo responde ante un error y cómo lo conecta con el concepto matemático?
Evidencia ¿Qué evidencia de comprensión permite recoger durante o después de su uso?
Nota. Elaboración propia. Las preguntas se derivan de las ocho dimensiones de la matriz y pueden responderse de forma
cualitativa antes de la implementación.
DISCUSIÓN
La matriz propuesta dialoga con la literatura revisada y, al mismo tiempo, se distancia de su tendencia
dominante. Los estudios sobre GeoGebra en cálculo universitario, como los de Guerrero Chirinos et al.
(2025), Ortega et al. (2024) y Berber Palafox et al. (2024), aportan evidencia sobre mejoras de
rendimiento y comprensión. Sin embargo, cuando el análisis se concentra en diferencias entre grupos,
quedan en segundo plano las decisiones de diseño que explican por qué un artefacto puede favorecer el
aprendizaje.
El aporte de este artículo no consiste en defender una herramienta particular. GeoGebra aparece como
entorno relevante por su presencia en la investigación y en la práctica docente, pero la matriz puede
aplicarse a otros recursos: simuladores, applets, laboratorios virtuales, visualizaciones HTML5, textos
interactivos o materiales generados con apoyo de inteligencia artificial. Esta amplitud evita convertir
una herramienta en sinónimo de innovación.
Frente a los trabajos centrados en rendimiento, la propuesta incorpora dimensiones que la literatura
sobre multimedia, usabilidad y carga cognitiva considera fundamentales. Noetel et al. (2021), Chiu y
Churchill (2015) y Estrada-Molina et al. (2022) permiten sostener que el aprendizaje depende también
de cómo se organiza la información, cómo se orienta la atención, cómo se reducen elementos
irrelevantes y cómo se facilita la interacción.
Tabla 3 Preguntas de verificación antes de usar un artefacto digital matemático
Aspecto Pregunta de verificación
Contenido ¿El artefacto es matemáticamente correcto y coherente con el objetivo de
aprendizaje?
Propósito didáctico ¿Qué tarea matemática provoca y qué se espera que el estudiante comprenda?
Representaciones ¿Articula varias representaciones y hace explícitas sus conexiones?
Exploración ¿Permite conjeturar, manipular y verificar, o solo observar?
Diseño y carga ¿Orienta la atención a lo relevante sin saturar la pantalla?
Acceso ¿Funciona en los dispositivos del estudiantado y resulta comprensible sin ayuda
externa extensa?
Error ¿Cómo responde ante un error y cómo lo conecta con el concepto matemático?
Evidencia ¿Qué evidencia de comprensión permite recoger durante o después de su uso?
Nota. Elaboración propia. Las preguntas se derivan de las ocho dimensiones de la matriz y pueden responderse de forma
cualitativa antes de la implementación.
DISCUSIÓN
La matriz propuesta dialoga con la literatura revisada y, al mismo tiempo, se distancia de su tendencia
dominante. Los estudios sobre GeoGebra en cálculo universitario, como los de Guerrero Chirinos et al.
(2025), Ortega et al. (2024) y Berber Palafox et al. (2024), aportan evidencia sobre mejoras de
rendimiento y comprensión. Sin embargo, cuando el análisis se concentra en diferencias entre grupos,
quedan en segundo plano las decisiones de diseño que explican por qué un artefacto puede favorecer el
aprendizaje.
El aporte de este artículo no consiste en defender una herramienta particular. GeoGebra aparece como
entorno relevante por su presencia en la investigación y en la práctica docente, pero la matriz puede
aplicarse a otros recursos: simuladores, applets, laboratorios virtuales, visualizaciones HTML5, textos
interactivos o materiales generados con apoyo de inteligencia artificial. Esta amplitud evita convertir
una herramienta en sinónimo de innovación.
Frente a los trabajos centrados en rendimiento, la propuesta incorpora dimensiones que la literatura
sobre multimedia, usabilidad y carga cognitiva considera fundamentales. Noetel et al. (2021), Chiu y
Churchill (2015) y Estrada-Molina et al. (2022) permiten sostener que el aprendizaje depende también
de cómo se organiza la información, cómo se orienta la atención, cómo se reducen elementos
irrelevantes y cómo se facilita la interacción.
pág. 4802
En la literatura regional, instrumentos como los de Cepero Ruiz y Pérez Pino (2024) y Montero-
Rodríguez et al. (2022) aportan criterios de evaluación de recursos, pero la matriz añade especificidad
matemática: rigor conceptual, coordinación de representaciones e interactividad para conjeturar y
justificar.
La propuesta también tiene implicaciones para la formación docente. Padilla-Escorcia et al. (2025)
muestran que el conocimiento docente sobre tecnologías digitales suele estudiarse desde la
autopercepción. Una matriz de criterios puede complementar esa perspectiva al ofrecer un lenguaje
común para analizar prácticas concretas de diseño. Asimismo, el diseño colaborativo de materiales
digitales, señalado por Lindenbauer et al. (2024), puede fortalecerse cuando distintos actores comparten
criterios para revisar rigor, usabilidad, retroalimentación y evidencia de aprendizaje.
Las limitaciones del trabajo deben reconocerse. Al tratarse de una revisión narrativa, la selección de
fuentes no agota el campo. La matriz no ha sido validada empíricamente, no cuenta aún con juicio de
expertos ni ha sido aplicada en cursos universitarios bajo diseños de investigación. Además, varias
referencias regionales carecen de DOI, aunque se conservaron por su pertinencia temática y dirección
de acceso. Las líneas futuras incluyen validar la matriz con expertos, aplicarla en cursos universitarios
de matemáticas, comparar artefactos mediante sus dimensiones y estudiar su utilidad para revisar
recursos producidos con inteligencia artificial generativa.
CONCLUSIONES
La revisión realizada confirma que la enseñanza de la matemática universitaria dispone de un repertorio
creciente de recursos digitales, entornos dinámicos, simuladores, multimedios y aplicaciones apoyadas
en inteligencia artificial. Sin embargo, también muestra que la valoración de estos recursos suele
apoyarse en indicadores insuficientes cuando se limita al rendimiento académico o a la percepción del
estudiantado.
El principal aporte del artículo es una matriz de ocho dimensiones para diseñar y evaluar artefactos
digitales matemáticos: rigor matemático, representaciones múltiples, interactividad significativa, diseño
visual y multimedia, carga cognitiva, usabilidad y accesibilidad, retroalimentación didáctica y
evaluación del aprendizaje.
En la literatura regional, instrumentos como los de Cepero Ruiz y Pérez Pino (2024) y Montero-
Rodríguez et al. (2022) aportan criterios de evaluación de recursos, pero la matriz añade especificidad
matemática: rigor conceptual, coordinación de representaciones e interactividad para conjeturar y
justificar.
La propuesta también tiene implicaciones para la formación docente. Padilla-Escorcia et al. (2025)
muestran que el conocimiento docente sobre tecnologías digitales suele estudiarse desde la
autopercepción. Una matriz de criterios puede complementar esa perspectiva al ofrecer un lenguaje
común para analizar prácticas concretas de diseño. Asimismo, el diseño colaborativo de materiales
digitales, señalado por Lindenbauer et al. (2024), puede fortalecerse cuando distintos actores comparten
criterios para revisar rigor, usabilidad, retroalimentación y evidencia de aprendizaje.
Las limitaciones del trabajo deben reconocerse. Al tratarse de una revisión narrativa, la selección de
fuentes no agota el campo. La matriz no ha sido validada empíricamente, no cuenta aún con juicio de
expertos ni ha sido aplicada en cursos universitarios bajo diseños de investigación. Además, varias
referencias regionales carecen de DOI, aunque se conservaron por su pertinencia temática y dirección
de acceso. Las líneas futuras incluyen validar la matriz con expertos, aplicarla en cursos universitarios
de matemáticas, comparar artefactos mediante sus dimensiones y estudiar su utilidad para revisar
recursos producidos con inteligencia artificial generativa.
CONCLUSIONES
La revisión realizada confirma que la enseñanza de la matemática universitaria dispone de un repertorio
creciente de recursos digitales, entornos dinámicos, simuladores, multimedios y aplicaciones apoyadas
en inteligencia artificial. Sin embargo, también muestra que la valoración de estos recursos suele
apoyarse en indicadores insuficientes cuando se limita al rendimiento académico o a la percepción del
estudiantado.
El principal aporte del artículo es una matriz de ocho dimensiones para diseñar y evaluar artefactos
digitales matemáticos: rigor matemático, representaciones múltiples, interactividad significativa, diseño
visual y multimedia, carga cognitiva, usabilidad y accesibilidad, retroalimentación didáctica y
evaluación del aprendizaje.
pág. 4803
La matriz permite explicitar decisiones que con frecuencia permanecen implícitas y desplazar el análisis
desde la herramienta hacia la actividad matemática que el artefacto organiza.
La calidad de un artefacto digital matemático depende de la articulación entre contenido, intención
didáctica, representaciones, interacción, diseño visual, usabilidad, retroalimentación y evaluación. Por
ello, la innovación tecnológica en matemática no debe medirse por la novedad de la herramienta, sino
por su capacidad para favorecer comprensión matemática profunda. La tarea pendiente es validar y
refinar la matriz en contextos reales de educación superior, de manera que contribuya a un diseño más
riguroso, accesible y didácticamente fundamentado.
REFERENCIAS BIBLIOGRAFICAS
Aguilar-Salinas, W. E., Fuentes-Lara, M. de las, Justo-López, A. C., y Martínez-Molina, A. D. (2021).
Propuesta para el tratamiento de problemas de tasas de variación relacionadas mediante el uso
de GeoGebra: Un estudio de casos. Formación Universitaria, 14(5), 95-106.
https://doi.org/10.4067/S0718-50062021000500095
Baccaglini-Frank, A., Carotenuto, G., Funghi, S., Lisarelli, G., y Miragliotta, E. (2024). Digital artifacts
in mathematics education: How can we study the learning processes they promote? Bollettino
dell'Unione Matematica Italiana. https://doi.org/10.1007/s40574-024-00439-2
Berber Palafox, R., Martínez Moreno, M., González Briones, J., Velázquez Sánchez, L. E., y Moreno
Ramírez, R. E. (2024). Uso de GeoGebra en el aprendizaje de matemáticas en la ingeniería.
Ciencia Latina Revista Científica Multidisciplinar, 8(3), 2012-2027.
https://doi.org/10.37811/cl_rcm.v8i3.11391
Cepero Ruiz, Y., y Pérez Pino, M. T. (2024). Instrumento para evaluar el diseño y utilización de recursos
educativos digitales. Serie Científica de la Universidad de las Ciencias Informáticas, 17(1), 54-
64. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-
24952024000100054&lang=es
Chiu, T. K. F., y Churchill, D. (2015). Exploring the characteristics of an optimal design of digital
materials for concept learning in mathematics: Multimedia learning and variation theory.
Computers & Education. https://doi.org/10.1016/j.compedu.2014.12.001
La matriz permite explicitar decisiones que con frecuencia permanecen implícitas y desplazar el análisis
desde la herramienta hacia la actividad matemática que el artefacto organiza.
La calidad de un artefacto digital matemático depende de la articulación entre contenido, intención
didáctica, representaciones, interacción, diseño visual, usabilidad, retroalimentación y evaluación. Por
ello, la innovación tecnológica en matemática no debe medirse por la novedad de la herramienta, sino
por su capacidad para favorecer comprensión matemática profunda. La tarea pendiente es validar y
refinar la matriz en contextos reales de educación superior, de manera que contribuya a un diseño más
riguroso, accesible y didácticamente fundamentado.
REFERENCIAS BIBLIOGRAFICAS
Aguilar-Salinas, W. E., Fuentes-Lara, M. de las, Justo-López, A. C., y Martínez-Molina, A. D. (2021).
Propuesta para el tratamiento de problemas de tasas de variación relacionadas mediante el uso
de GeoGebra: Un estudio de casos. Formación Universitaria, 14(5), 95-106.
https://doi.org/10.4067/S0718-50062021000500095
Baccaglini-Frank, A., Carotenuto, G., Funghi, S., Lisarelli, G., y Miragliotta, E. (2024). Digital artifacts
in mathematics education: How can we study the learning processes they promote? Bollettino
dell'Unione Matematica Italiana. https://doi.org/10.1007/s40574-024-00439-2
Berber Palafox, R., Martínez Moreno, M., González Briones, J., Velázquez Sánchez, L. E., y Moreno
Ramírez, R. E. (2024). Uso de GeoGebra en el aprendizaje de matemáticas en la ingeniería.
Ciencia Latina Revista Científica Multidisciplinar, 8(3), 2012-2027.
https://doi.org/10.37811/cl_rcm.v8i3.11391
Cepero Ruiz, Y., y Pérez Pino, M. T. (2024). Instrumento para evaluar el diseño y utilización de recursos
educativos digitales. Serie Científica de la Universidad de las Ciencias Informáticas, 17(1), 54-
64. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-
24952024000100054&lang=es
Chiu, T. K. F., y Churchill, D. (2015). Exploring the characteristics of an optimal design of digital
materials for concept learning in mathematics: Multimedia learning and variation theory.
Computers & Education. https://doi.org/10.1016/j.compedu.2014.12.001
pág. 4804
Estrada-Molina, O., Fuentes-Cancell, D., y García-Hernández, A. (2022). Evaluating usability in
educational technology: A systematic review from the teaching of mathematics. LUMAT:
International Journal on Math, Science and Technology Education.
https://doi.org/10.31129/lumat.10.1.1686
Fuentes Lara, M. de las, y Aguilar Salinas, W. E. (2022). Secuencia didáctica apoyada con el software
GeoGebra y problemas de optimización para el estudio de conceptos de cálculo diferencial.
Innovación Educativa, 22(90), 9-35.
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665-
26732022000300009&lang=es
Gökçe, S., y Güner, P. (2022). Dynamics of GeoGebra ecosystem in mathematics education. Education
and Information Technologies. https://doi.org/10.1007/s10639-021-10836-1
Guarín Amorocho, S. A., y Parada Rico, S. E. (2023). Acciones y expresiones de la comprensión del
límite de una función en un punto, por estudiantes de cálculo diferencial. Educación
Matemática, 35(1), 197-228. https://doi.org/10.24844/em3501.08
Guerrero Chirinos, R. A., Pérez Benítez, H. A., Delgado Vega, R. J., León Loaiza, M. A., y Santos
Torres, R. N. (2025). GeoGebra en el rendimiento académico y la comprensión de la derivada
en estudiantes de ingeniería: Un estudio cuasiexperimental. Ciencia Latina Revista Científica
Multidisciplinar, 9(6). https://doi.org/10.37811/cl_rcm.v9i6.21873
Hernández Moya, Y., De Armas Rodríguez, N., y Sepúlveda Peña, J. C. (2024). La calidad de los
recursos educativos digitales desde una clase metodológica instructiva. Serie Científica de la
Universidad de las Ciencias Informáticas, 17(4), 34-50.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-24952024000400034&lang=es
Laderas Huillcahuari, E., Acori Flores, V., y Villa Pérez, L. (2023). Enseñanza del cálculo diferencial
e integral asistido por el software GeoGebra. Revista Latinoamericana de Investigación en
Matemática Educativa, 26(3), 357-377. https://doi.org/10.12802/relime.23.2634
Lindenbauer, E., Infanger, E.-M., y Lavicza, Z. (2024). Enhancing mathematics education through
collaborative digital material design: Lessons from a national project. European Journal of
Science and Mathematics Education. https://doi.org/10.30935/scimath/14323
Estrada-Molina, O., Fuentes-Cancell, D., y García-Hernández, A. (2022). Evaluating usability in
educational technology: A systematic review from the teaching of mathematics. LUMAT:
International Journal on Math, Science and Technology Education.
https://doi.org/10.31129/lumat.10.1.1686
Fuentes Lara, M. de las, y Aguilar Salinas, W. E. (2022). Secuencia didáctica apoyada con el software
GeoGebra y problemas de optimización para el estudio de conceptos de cálculo diferencial.
Innovación Educativa, 22(90), 9-35.
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665-
26732022000300009&lang=es
Gökçe, S., y Güner, P. (2022). Dynamics of GeoGebra ecosystem in mathematics education. Education
and Information Technologies. https://doi.org/10.1007/s10639-021-10836-1
Guarín Amorocho, S. A., y Parada Rico, S. E. (2023). Acciones y expresiones de la comprensión del
límite de una función en un punto, por estudiantes de cálculo diferencial. Educación
Matemática, 35(1), 197-228. https://doi.org/10.24844/em3501.08
Guerrero Chirinos, R. A., Pérez Benítez, H. A., Delgado Vega, R. J., León Loaiza, M. A., y Santos
Torres, R. N. (2025). GeoGebra en el rendimiento académico y la comprensión de la derivada
en estudiantes de ingeniería: Un estudio cuasiexperimental. Ciencia Latina Revista Científica
Multidisciplinar, 9(6). https://doi.org/10.37811/cl_rcm.v9i6.21873
Hernández Moya, Y., De Armas Rodríguez, N., y Sepúlveda Peña, J. C. (2024). La calidad de los
recursos educativos digitales desde una clase metodológica instructiva. Serie Científica de la
Universidad de las Ciencias Informáticas, 17(4), 34-50.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-24952024000400034&lang=es
Laderas Huillcahuari, E., Acori Flores, V., y Villa Pérez, L. (2023). Enseñanza del cálculo diferencial
e integral asistido por el software GeoGebra. Revista Latinoamericana de Investigación en
Matemática Educativa, 26(3), 357-377. https://doi.org/10.12802/relime.23.2634
Lindenbauer, E., Infanger, E.-M., y Lavicza, Z. (2024). Enhancing mathematics education through
collaborative digital material design: Lessons from a national project. European Journal of
Science and Mathematics Education. https://doi.org/10.30935/scimath/14323
pág. 4805
Montero-Rodríguez, I., Poyeaux-Vidal, A. R., y García-Pando, N. K. (2022). Instrumento para la
evaluación integral de recursos educativos digitales en la educación a distancia. Luz, 21(2), 5-
18. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1814-
151X2022000200005&lang=es
Montesinos Murillo, S. M., Holgado Tejada, L. D., y Rozas Calderón, V. (2024). Recursos digitales
educativos para estudiantes universitarios. Horizontes Revista de Investigación en Ciencias de
la Educación, 8(35), 2277-2286. https://doi.org/10.33996/revistahorizontes.v8i35.868
Mora Casasola, M. F. (2024). Implementación de recursos educativos digitales, una revisión sistemática
desde la enseñanza del cálculo diferencial. Revista Digital: Matemática, Educación e Internet,
24(1), 78-96. https://doi.org/10.18845/rdmei.v24i1.6709
Noetel, M., Griffith, S., Delaney, O., Harris, N., Sanders, T., Parker, P., del Pozo Cruz, B., y Lonsdale,
C. (2021). Multimedia design for learning: An overview of reviews with meta-meta-analysis.
Review of Educational Research. https://doi.org/10.3102/00346543211052329
Ortega, J., Castañeda, C., Rivera-Casavilca, R., Mencia-Sanchez, N., Simon, M., y Navarro, I. (2024).
Software GeoGebra y aprendizaje del cálculo integral en estudiantes de ingeniería civil -
Universidad Nacional de Huancavelica. Ciencia Latina Revista Científica Multidisciplinar,
7(6), 8019-8031. https://doi.org/10.37811/cl_rcm.v7i6.9329
Padilla-Escorcia, I. A., García-Rodríguez, M. L., y Aguilar-González, A. (2025). Mathematics teachers’
knowledge for teaching with digital technologies: A systematic review of studies from 2010 to
2025. Education Sciences. https://doi.org/10.3390/educsci15121598
Parra-Vallejo, M. J. (2023). Estrategia didáctica enfocada en el b-learning y el pensamiento
computacional para fortalecer el aprendizaje matemático. Revista Tecnológica-Educativa
Docentes 2.0, 16(1), 95-108. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2665-
02662023000100095&lang=es
Pepin, B., Choppin, J., Ruthven, K., y Sinclair, N. (2017). Digital curriculum resources in mathematics
education: Foundations for change. ZDM - Mathematics Education.
https://doi.org/10.1007/s11858-017-0879-z
Montero-Rodríguez, I., Poyeaux-Vidal, A. R., y García-Pando, N. K. (2022). Instrumento para la
evaluación integral de recursos educativos digitales en la educación a distancia. Luz, 21(2), 5-
18. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1814-
151X2022000200005&lang=es
Montesinos Murillo, S. M., Holgado Tejada, L. D., y Rozas Calderón, V. (2024). Recursos digitales
educativos para estudiantes universitarios. Horizontes Revista de Investigación en Ciencias de
la Educación, 8(35), 2277-2286. https://doi.org/10.33996/revistahorizontes.v8i35.868
Mora Casasola, M. F. (2024). Implementación de recursos educativos digitales, una revisión sistemática
desde la enseñanza del cálculo diferencial. Revista Digital: Matemática, Educación e Internet,
24(1), 78-96. https://doi.org/10.18845/rdmei.v24i1.6709
Noetel, M., Griffith, S., Delaney, O., Harris, N., Sanders, T., Parker, P., del Pozo Cruz, B., y Lonsdale,
C. (2021). Multimedia design for learning: An overview of reviews with meta-meta-analysis.
Review of Educational Research. https://doi.org/10.3102/00346543211052329
Ortega, J., Castañeda, C., Rivera-Casavilca, R., Mencia-Sanchez, N., Simon, M., y Navarro, I. (2024).
Software GeoGebra y aprendizaje del cálculo integral en estudiantes de ingeniería civil -
Universidad Nacional de Huancavelica. Ciencia Latina Revista Científica Multidisciplinar,
7(6), 8019-8031. https://doi.org/10.37811/cl_rcm.v7i6.9329
Padilla-Escorcia, I. A., García-Rodríguez, M. L., y Aguilar-González, A. (2025). Mathematics teachers’
knowledge for teaching with digital technologies: A systematic review of studies from 2010 to
2025. Education Sciences. https://doi.org/10.3390/educsci15121598
Parra-Vallejo, M. J. (2023). Estrategia didáctica enfocada en el b-learning y el pensamiento
computacional para fortalecer el aprendizaje matemático. Revista Tecnológica-Educativa
Docentes 2.0, 16(1), 95-108. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2665-
02662023000100095&lang=es
Pepin, B., Choppin, J., Ruthven, K., y Sinclair, N. (2017). Digital curriculum resources in mathematics
education: Foundations for change. ZDM - Mathematics Education.
https://doi.org/10.1007/s11858-017-0879-z
pág. 4806
Pusdá López, M. P., Rosero Medina, R. H., y Benavides Ortiz, G. G. (2022). Evaluación del software
GeoGebra como recurso de enseñanza en sistemas de ecuaciones. Ciencia Latina Revista
Científica Multidisciplinar, 6(4), 3406-3419. https://doi.org/10.37811/cl_rcm.v6i4.2843
Radović, S., Radojičić, M., Veljković, K., y Marić, M. (2018). Examining the effects of GeoGebra
applets on mathematics learning using interactive mathematics textbook. Interactive Learning
Environments. https://doi.org/10.1080/10494820.2018.1512001
Reyes Figueroa, Á. P., Torres Medina, I. C., Tumbaco Reyes, A. R., y Zea Cortez, R. R. (2023).
Recursos educativos digitales y el proceso de enseñanza aprendizaje sobre funciones
cuadráticas en la unidad educativa Ancón. Ciencia Latina Revista Científica Multidisciplinar,
7(1), 3207-3246. https://doi.org/10.37811/cl_rcm.v7i1.4651
Trgalová, J. (2024). Digital resources for mathematics teaching and learning. Recherches en Didactique
des Mathématiques. https://doi.org/10.46298/rdm.12909
Vera Vélez, F. R., Cevallos Vélez, K. M., Macías Moya, V. P., y Carpio García, J. C. (2024).
Metodología para la implementación de recursos educativos digitales. Serie Científica de la
Universidad de las Ciencias Informáticas, 17(1), 195-206.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-24952024000100195&lang=es
Weigand, H.-G., Trgalová, J., y Tabach, M. (2024). Mathematics teaching, learning, and assessment in
the digital age. ZDM - Mathematics Education. https://doi.org/10.1007/s11858-024-01612-9
Yohannes, A., y Chen, H.-L. (2021). GeoGebra in mathematics education: A systematic review of
journal articles published from 2010 to 2020. Interactive Learning Environments.
https://doi.org/10.1080/10494820.2021.2016861
Zhang, Y., Wang, P., Jia, W., Zhang, A., y Chen, G. (2023). Dynamic visualization by GeoGebra for
mathematics learning: A meta-analysis of 20 years of research. Journal of Research on
Technology in Education. https://doi.org/10.1080/15391523.2023.2250886
Ziatdinov, R., y Valles, J. R. (2022). Synthesis of modeling, visualization, and programming in
GeoGebra as an effective approach for teaching and learning STEM topics. Mathematics, 10(3),
Artículo 398. https://doi.org/10.3390/math10030398
Pusdá López, M. P., Rosero Medina, R. H., y Benavides Ortiz, G. G. (2022). Evaluación del software
GeoGebra como recurso de enseñanza en sistemas de ecuaciones. Ciencia Latina Revista
Científica Multidisciplinar, 6(4), 3406-3419. https://doi.org/10.37811/cl_rcm.v6i4.2843
Radović, S., Radojičić, M., Veljković, K., y Marić, M. (2018). Examining the effects of GeoGebra
applets on mathematics learning using interactive mathematics textbook. Interactive Learning
Environments. https://doi.org/10.1080/10494820.2018.1512001
Reyes Figueroa, Á. P., Torres Medina, I. C., Tumbaco Reyes, A. R., y Zea Cortez, R. R. (2023).
Recursos educativos digitales y el proceso de enseñanza aprendizaje sobre funciones
cuadráticas en la unidad educativa Ancón. Ciencia Latina Revista Científica Multidisciplinar,
7(1), 3207-3246. https://doi.org/10.37811/cl_rcm.v7i1.4651
Trgalová, J. (2024). Digital resources for mathematics teaching and learning. Recherches en Didactique
des Mathématiques. https://doi.org/10.46298/rdm.12909
Vera Vélez, F. R., Cevallos Vélez, K. M., Macías Moya, V. P., y Carpio García, J. C. (2024).
Metodología para la implementación de recursos educativos digitales. Serie Científica de la
Universidad de las Ciencias Informáticas, 17(1), 195-206.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-24952024000100195&lang=es
Weigand, H.-G., Trgalová, J., y Tabach, M. (2024). Mathematics teaching, learning, and assessment in
the digital age. ZDM - Mathematics Education. https://doi.org/10.1007/s11858-024-01612-9
Yohannes, A., y Chen, H.-L. (2021). GeoGebra in mathematics education: A systematic review of
journal articles published from 2010 to 2020. Interactive Learning Environments.
https://doi.org/10.1080/10494820.2021.2016861
Zhang, Y., Wang, P., Jia, W., Zhang, A., y Chen, G. (2023). Dynamic visualization by GeoGebra for
mathematics learning: A meta-analysis of 20 years of research. Journal of Research on
Technology in Education. https://doi.org/10.1080/15391523.2023.2250886
Ziatdinov, R., y Valles, J. R. (2022). Synthesis of modeling, visualization, and programming in
GeoGebra as an effective approach for teaching and learning STEM topics. Mathematics, 10(3),
Artículo 398. https://doi.org/10.3390/math10030398