Autor
Título
34
Sinopsis Educava Año XX Nº X Mes 201X
Palabras clave:
M-Learning, resolu-
ción de problemas,
educación matemáti-
ca, educación media.
Key words:
M-Learning, problem-
solving, mathematics
education, secondary
education.
EL M-LEARNING Y EL DESARROLLO DE LA COMPETENCIA MA-
TEMÁTICA EN LA RESOLUCIÓN DE PROBLEMAS: UNA REVI-
SIÓN TEÓRICA.
Alejandro Vergara Sánchez
Universidad Pedagógica Experimental Libertador
avergaras@educacionbogota.edu.co
RESUMEN
Este arculo presenta una revisión teórica sobre el papel del M-Learning en el desarrollo de
la competencia matemáca de resolución de problemas en estudiantes de educación media.
Sustentado en enfoques como el construcvismo (Vygotsky, 1986), el construccionismo (Pa-
pert, 1981) y el conecvismo (Siemens, 2007), el estudio analiza cómo el uso de disposi-
vos móviles y estrategias metodológicas emergentes —como la gamicación, el aprendizaje
basado en problemas y las herramientas digitales interacvas— puede favorecer aprendiza-
jes más signicavos, autónomos y contextualizados. La metodología se basó en un análisis
de contenido documental sobre 40 fuentes académicas, mayoritariamente publicadas entre
2019 y 2025, complementadas con autores clásicos y teóricos fundamentales en pedagogía
y metodología de invesgación. El análisis se organizó en cuatro dimensiones: fundamentos
pedagógicos, estrategias metodológicas, impactos del M-Learning en la enseñanza matemá-
ca y barreras para su implementación. Entre los hallazgos más relevantes se destaca que el
M-Learning potencia la resolución de problemas al ofrecer exibilidad, ubicuidad, persona-
lización del aprendizaje y fortalecimiento del pensamiento lógico y críco. Sin embargo, se
idencan desaos persistentes como la brecha digital, la resistencia docente y la ausencia
de modelos de evaluación adecuados. Se concluye que, para que el M-Learning contribuya
efecvamente a la transformación de la enseñanza matemáca, es necesario integrar marcos
pedagógicos sólidos, fortalecer la formación docente y garanzar condiciones de acceso equi-
tavo. Este trabajo ofrece aportes conceptuales y metodológicos que pueden orientar inves-
gaciones futuras, rediseños curriculares y polícas educavas centradas en una educación
matemáca más innovadora e inclusiva.
M-LEARNING AND THE DEVELOPMENT OF MATHEMATICAL
COMPETENCE IN PROBLEM SOLVING: A THEORETICAL RE-
VIEW.
ABSTRACT
This arcle presents a theorecal review of the role of M-Learning in developing mathemacal
problem-solving skills in secondary school students. Based on approaches such as construc-
vism (Vygotsky, 1986), construconism (Papert, 1981), and connecvism (Siemens, 2007), the
study analyzes how the use of mobile devices and emerging methodological strategies—such
as gamicaon, problem-based learning, and interacve digital tools—can foster more mea-
ningful, autonomous, and contextualized learning. The methodology was based on a docu-
mentary content analysis of 40 academic sources, mostly published between 2019 and 2025,
complemented by classical authors and key theorists in pedagogy and research methodology.
The analysis was organized into four dimensions: pedagogical foundaons, methodological
Sinopsis Educativa
Revista Venezolana
de Invesgación
Año 25, Nº 2
Diciembre 2025
pp 34 - 45
Recibido: Sepembre 2025
Aprobado: Octubre 2025
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Autor
Título
35
Sinopsis Educava Año XX Nº X Mes 201X
I. INTRODUCCIÓN
El avance de las Tecnologías de
la Información y la Comunicación (TIC)
ha transformado los paradigmas edu-
cavos, permiendo el desarrollo de
metodologías innovadoras que poten-
cian el aprendizaje. Entre estas, el M-
Learning ha cobrado relevancia como
una estrategia que no solo facilita el
acceso a los contenidos educavos,
sino que también dinamiza el proceso
de enseñanza-aprendizaje, permien-
do que los estudiantes interactúen
con la información de manera exible
y contextualizada.
La enseñanza de las matemá-
cas, en parcular la resolución de pro-
blemas, ha sido un desao constante
en la educación media. Según datos
de la OCDE (2023), los estudiantes
RÉSUMÉ
Cet arcle présente une revue théorique du rôle de l’apprenssage mobile dans le développe-
ment des compétences en résoluon de problèmes mathémaques chez les élèves du secon-
daire. S’appuyant sur des approches telles que le construcvisme (Vygotsky, 1986), le cons-
truconnisme (Papert, 1981) et le connecvisme (Siemens, 2007), l’étude analyse comment
l’ulisaon des appareils mobiles et des stratégies méthodologiques émergentes – telles que
la ludicaon, l’apprenssage par problèmes et les ouls numériques interacfs – peut favo-
riser un apprenssage plus pernent, autonome et contextualisé. La méthodologie s’appuie
sur une analyse de contenu documentaire de 40 sources académiques, principalement pu-
bliées entre 2019 et 2025, complétée par des auteurs classiques et des théoriciens clés de la
pédagogie et de la méthodologie de la recherche. L’analyse a été organisée en quatre dimen-
sions : fondements pédagogiques, stratégies méthodologiques, impacts du M-Learning sur
l’enseignement des mathémaques et obstacles à sa mise en œuvre. Parmi les conclusions
les plus pernentes, il est souligné que le M-Learning améliore la résoluon de problèmes en
orant exibilité, ubiquité, personnalisaon de l’apprenssage et renforcement de la pensée
logique et crique. Cependant, des dés persistants sont idenés, tels que la fracture numé-
rique, la résistance des enseignants et le manque de modèles d’évaluaon adéquats. Il est con-
clu que pour que le M-Learning contribue ecacement à la transformaon de l’enseignement
des mathémaques, il est nécessaire d’intégrer des cadres pédagogiques solides, de renforcer
la formaon des enseignants et de garanr un accès équitable. Ce travail ore des contri-
buons conceptuelles et méthodologiques suscepbles d’orienter les recherches futures, la
refonte des programmes et les poliques éducaves axées sur un enseignement des mathé-
maques plus innovant et inclusif.
Mot clefes:
M-Learning, résolu-
tion de problèmes,
enseignement des
mathématiques,
enseignement secon-
daire.
LE M-LEARNING ET LE DÉVELOPPEMENT DE LA COMPÉTENCE
MATHÉMATIQUE EN RÉSOLUTION DE PROBLÈMES: UNE RE-
VUE THÉORIQUE.
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
strategies, impacts of M-Learning on mathemacs teaching, and barriers to its implementa-
on. Among the most relevant ndings, it is highlighted that M-Learning enhances problem-
solving by oering exibility, ubiquity, personalizaon of learning, and strengthening logical
and crical thinking. However, persistent challenges are idened, such as the digital divide,
teacher resistance, and the lack of adequate assessment models. It is concluded that for M-
Learning to eecvely contribute to the transformaon of mathemacs teaching, it is neces-
sary to integrate solid pedagogical frameworks, strengthen teacher training, and guarantee
equitable access. This work oers conceptual and methodological contribuons that can guide
future research, curriculum redesign, and educaonal policies focused on more innovave and
inclusive mathemacs educaon.
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
36
Sinopsis Educava Año XX Nº X Mes 201X
lanoamericanos presentan dicultades signi-
cavas en pruebas estandarizadas como PISA,
reejando deciencias en la aplicación de co-
nocimientos matemácos a situaciones reales.
Esta problemáca se replica en el ámbito nacio-
nal, donde informes del ICFES (2022) evidencian
resultados poco alentadores en la competencia
matemáca de resolución de problemas en la
prueba Saber 11. Ante este panorama, surge
la necesidad de explorar estrategias pedagógi-
cas innovadoras que promuevan un aprendizaje
más acvo, situado y signicavo.
El presente arculo ene como propósito
analizar la relación entre el M-Learning y el desa-
rrollo de la competencia matemáca de resolu-
ción de problemas en estudiantes de educación
media, desde una perspecva teórica. Para ello,
se examinan algunos fundamentos pedagógicos
que sustentan el uso de tecnologías móviles en
el aula, así como diversas estrategias metodoló-
gicas emergentes, A parr de estudios previos,
se discute el impacto de estas estrategias en
habilidades clave como el razonamiento lógico,
la modelación, la autonomía y el pensamiento
críco. Finalmente, se idencan barreras per-
sistentes —como la escasa formación docente y
las limitaciones de acceso— y se exploran opor-
tunidades para una integración signicava del
M-Learning en la enseñanza de las matemácas.
II MARCO TEÓRICO
Fundamentos teóricos asociados al m-learning
El M-Learning, entendido como el apren-
dizaje mediado por disposivos móviles, ha
cobrado una relevancia creciente en el ámbito
educavo debido a su capacidad para exibilizar
el acceso a los contenidos y facilitar experiencias
de aprendizaje personalizadas. Su implementa-
ción ha sido objeto de múlples estudios, los
cuales destacan su potencial en la enseñanza
de las matemácas, parcularmente en el de-
sarrollo de la competencia de resolución de pro-
blemas. El M-Learning ha demostrado ser una
estrategia innovadora en la transformación de la
enseñanza matemáca.
El desarrollo del M-Learning en el contexto
educavo actual puede ser sustentado en diver-
sos enfoques pedagógicos que han transforma-
do la manera en que los estudiantes adquieren
conocimiento y desarrollan competencias. Des-
de la perspecva del construcvismo, por ejem-
plo, Vygotsky (1986) enfaza la importancia del
aprendizaje sociocultural, señalando que el co-
nocimiento se construye a través de la interac-
ción social y el uso de herramientas mediadoras.
En este marco, el docente desempeña un papel
central como mediador del aprendizaje, facili-
tando el acceso a zonas de desarrollo próximo a
través del diálogo, la orientación y el uso de re-
cursos adecuados. Esta concepción se alinea, en
la actualidad, con el uso de disposivos moder-
nos como los móviles o las tabletas, que operan
como herramientas culturales que enriquecen
la interacción y promueven el aprendizaje cola-
boravo.
De este modo, la estrategia M-Learning
potencia entornos de aprendizaje en los que
los estudiantes, con la mediación docente, pue-
den explorar recursos dinámicos, interactuar
acvamente con contenidos contextualizados y
construir conocimiento a parr de experiencias
signicavas. Esta combinación de autonomía,
colaboración e interacción tecnológica refuerza
la comprensión conceptual y favorece el desa-
rrollo de habilidades matemácas clave, espe-
cialmente en procesos de resolución de proble-
mas.
En esta misma línea de pensamiento, Pa-
pert (1981) plantea el construccionismo como
una evolución del construcvismo, subrayando
el papel acvo del estudiante en la construcción
de objetos signicavos como vía para el apren-
dizaje. Este enfoque adquiere parcular rele-
vancia en contextos mediados por tecnologías
digitales, donde los disposivos móviles pueden
ser empleados no solo como instrumentos de
acceso a contenidos, sino como medios para
crear, experimentar y reexionar. El M-Learning,
desde una mirada construccionista, promueve
la autorregulación, el pensamiento críco y la
resolución de problemas a través de la creación
de representaciones propias, facilitando expe-
riencias de aprendizaje más profundas y contex-
tualizadas.
Desde una ópca más reciente, Siemens
(2004/2007) introduce el conecvismo, teoría
que argumenta que el aprendizaje en la era di-
gital se basa en la capacidad de establecer co-
nexiones con diversas fuentes de información y
redes de conocimiento. En este sendo, el M-
Learning no solo actúa como un canal para la
distribución de contenidos educavos, sino que
también transforma la manera en que los estu-
diantes interactúan con el conocimiento, per-
miendo una construcción del saber más diná-
mica, contextualizada y accesible en cualquier
momento y lugar.
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
37
Sinopsis Educava Año XX Nº X Mes 201X
A través del uso de disposivos móviles,
los estudiantes pueden acceder a múlples
plataformas, parcipar en comunidades de
aprendizaje en línea y recibir retroalimentación
inmediata, lo que potencia la autonomía y la
personalización del aprendizaje. Este enfoque
cobra parcular relevancia en la resolución de
problemas matemácos, ya que como lo seña-
lan Ballesteros et al. (2022), Monroy (2024) y
Niño (2023), entre otros, facilita el acceso a mo-
delos, simulaciones, herramientas interacvas y
entornos colaboravos que enriquecen la com-
prensión conceptual y el desarrollo de estrate-
gias de solución.
Asimismo, la teoría conecvista plantea
que el aprendizaje no es un proceso exclusi-
vamente individual, sino que emerge de la in-
teracción con redes externas y la capacidad de
gesonar información de manera eciente. En
este marco, el M-Learning fomenta una alfabe-
zación digital críca, donde los estudiantes no
solo consumen información, sino que también
la ltran, la analizan y la integran en sus esque-
mas previos de conocimiento, fortaleciendo así
su competencia matemáca y su capacidad de
resolver problemas de manera eciente en es-
cenarios diversos y cambiantes.
En síntesis, la incorporación de estos en-
foques pedagógicos en el desarrollo del M-
Learning no solo fortalece su fundamentación
teórica, sino que también permite juscar su
impacto en la adquisición de competencias ma-
temácas. Integrar estos principios en la ense-
ñanza mediante tecnologías móviles posibilita
la creación de ambientes de aprendizaje más
exibles, parcipavos y alineados con las nece-
sidades de los estudiantes en la educación me-
dia actual.
Estrategias metodológicas asociadas al m-
learning en matemácas
La implementación del M-Learning en la
enseñanza de las matemácas exige la integra-
ción de estrategias metodológicas que respon-
dan a las parcularidades de este entorno digi-
tal y potencien el desarrollo de competencias
especícas. Entre las más relevantes se encuen-
tra la gamicación, entendida como el uso de di-
námicas de juego para generar un entorno par-
cipavo. De acuerdo con Asimbay et al. (2024)
y Negrete et al. (2024), este enfoque favorece
la movación estudianl y facilita el aprendiza-
je mediante el diseño de retos progresivos, re-
compensas simbólicas y espacios interacvos.
Plataformas como Khan Academy han mostrado
mejoras signicavas en la comprensión con-
ceptual, al proponer acvidades que incremen-
tan el compromiso y promueven la autorregula-
ción del aprendizaje.
Otra estrategia destacada es el aprendizaje
basado en la resolución de problemas, la cual,
para el caso que nos atañe, aplicada en entor-
nos digitales a través del uso de herramientas
interacvas, apoyan la construcción del conoci-
miento matemáco mediante representaciones
visuales, manipulación de variables y generación
de modelos dinámicos al interactuar con plata-
formas, simuladores y aplicaciones adecuadas,
pernentes y de acuerdo a los requerimientos
de los estudiantes. Invesgaciones como la de
Mendoza y Minaya (2024) destacan que su uso
facilita un aprendizaje más autónomo, explora-
torio y adaptavo.
Silva (2024), por su parte, enfaza la re-
levancia del método de Pólya para estructurar
el pensamiento matemáco y mejorar la capa-
cidad analíca de los estudiantes para resolver
problemas, con el uso de recursos tecnológicos
y digitales. Acosta et al. (2023) coinciden con
esta autora en que, al combinar estas herra-
mientas con estrategias de resolución de pro-
blemas, se fortalece el razonamiento matemá-
co y se promueve la apropiación signicava del
conocimiento. En esta misma línea, Lotero et al.
(2021) sosenen que su integración fortalece la
capacidad de adaptación a disntos eslos cog-
nivos, favoreciendo entornos inclusivos y per-
sonalizados. Por su parte, Niño (2023) subraya el
valor de las plataformas digitales como espacios
donde los estudiantes no solo acceden a conte-
nidos, sino que también interactúan con estos
a parr de sus necesidades parculares, lo que
potencia la apropiación del conocimiento desde
una lógica más acva y críca.
Desde un punto de vista prácco, aplica-
ciones como GeoGebra y WxMaxima, entre mu-
chos otros, permiten a los estudiantes visualizar
grácamente la resolución de ecuaciones y pro-
blemas geométricos. Esto favorece la compren-
sión de patrones matemácos complejos y faci-
lita la aplicación de estrategias heuríscas en la
solución de problemas, según lo planteado por
Monroy (2024), mientras que Fernández (2024)
destaca su potencial para impulsar el aprendiza-
je autónomo mediante la manipulación de va-
riables y el análisis de resultados en empo real.
Por úlmo, resulta indispensable conside-
rar la evaluación y seguimiento del aprendiza-
je en entornos M-Learning, que trasciende los
métodos tradicionales y requiere una aproxima-
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
38
Sinopsis Educava Año XX Nº X Mes 201X
ción más exible. Estudios recientes como el de
Sánchez (2025) enfazan en la importancia de
implementar evaluaciones formavas mediante
herramientas digitales que permitan realizar un
seguimiento más preciso del desempeño estu-
dianl. En su invesgación, el autor muestra que
el uso de plataformas educavas proporciona a
los docentes información detallada sobre el pro-
greso de los estudiantes, permiendo una inter-
vención más efecva, personalizada y oportuna.
El empleo de la inteligencia arcial (IA)
en la evaluación formava ha demostrado ser
una estrategia efecva para personalizar la re-
troalimentación y mejorar la toma de decisiones
pedagógicas. El estudio de Mora (2025) indica
que el uso de algoritmos de IA en la evaluación
ha incrementado la precisión en la detección de
dicultades especícas de los estudiantes, facili-
tando la aplicación de estrategias de refuerzo in-
dividualizadas. Sin embargo, pese a sus notables
benecios, la implementación de IA en evalua-
ción educava exige cautela: la automazación
de juicios pedagógicos plantea desaos écos
—como posibles sesgos algorítmicos o la reduc-
ción de la interacción humana— que la sociedad
actual quizá no está preparada para gesonar.
Su uso responsable requiere no solo avances
tecnológicos, sino marcos regulatorios sólidos
y una reexión críca sobre qué aspectos de la
evaluación deben permanecer esencialmente
humanos.
Cabe aclarar que, si bien el uso de inteli-
gencia arcial en aplicaciones educavas re-
presenta un avance signicavo en los procesos
de personalización y retroalimentación forma-
va, este arculo no profundiza en dicha tecnolo-
gía ni en sus implicaciones especícas en el cam-
po de la resolución de problemas matemácos.
Su inclusión se limita a una mención referencial
en el marco de las transformaciones tecnológi-
cas recientes.
En consecuencia, se reconoce la per-
nencia de desarrollar estudios posteriores que
analicen de manera críca y sistemáca el pa-
pel de la inteligencia arcial en contextos de
M-Learning, considerando tanto sus potencia-
lidades pedagógicas como los desaos écos y
metodológicos que conlleva su implementación.
En resumen, estas estrategias metodoló-
gicas evidencian que el M-Learning, asociado a
áreas como la matemáca, no solo es una herra-
mienta de acceso a contenidos, sino también un
escenario férl para transformar la enseñanza
matemáca. Su efecvidad, sin embargo, de-
penderá del diseño pedagógico, de la mediación
docente y del uso pernente de los recursos
digitales en función de los objevos forma-
vos. Es fundamental que futuras invesgaciones
connúen explorando la aplicación de estas es-
trategias, así como su impacto en la mejora del
aprendizaje matemáco a largo plazo.
Impacto del m-learning en la resolución de
problemas matemácos
Una de las caracteríscas más destacadas
del M-Learning es su ubicuidad, permiendo
que los estudiantes accedan al aprendizaje en
cualquier momento y lugar. Mojarro (2019) de-
ne el aprendizaje ubicuo como aquel que tras-
ciende las limitaciones espaciales y temporales
mediante el uso de disposivos móviles, facili-
tando la connuidad del aprendizaje más allá
del aula. Por otro lado, Doria y Larreal (2023),
enfazan que el uso de herramientas tecnológi-
cas en contextos educavos, no solo permiten
la consulta de información en entornos no con-
vencionales, sino que potencian la construcción
de conocimiento en escenarios diversos, adap-
tándose a las necesidades de cada estudiante.
Además de su ubicuidad, el M-Learning
ofrece una exibilidad sin precedentes en el
aprendizaje. Lotero et al. (2021) sosenen que
esta modalidad permite personalizar la ense-
ñanza al atender diferentes eslos cognivos,
facilitando que los estudiantes avancen según
sus propias necesidades y ritmos. De manera
similar, Área (2021) destaca que el aprendizaje
móvil brinda la posibilidad de ajustar estrategias
didáccas en función de las preferencias indi-
viduales de los estudiantes, promoviendo un
aprendizaje más autónomo, adaptavo y, como
lo señala Monroy (2024), una diversicación en
los métodos de enseñanza, pues, mientras que
algunos estudiantes encuentran mayor bene-
cio en la representación visual de los problemas
a través de grácos y diagramas, otros pueden
mejorar su comprensión mediante la interac-
ción con simulaciones dinámicas que modelan
procesos matemácos en empo real, permi-
endo que cada estudiante avance a su propio
ritmo y construya su propio conocimiento de
manera progresiva.
Otra ventaja signicava del M-Learning es
su capacidad para fomentar la interacvidad y
proporcionar retroalimentación inmediata. Ma-
cías et al. (2022), Parra (2022) y Suárez (2021),
explican que el uso de plataformas interacvas
y herramientas digitales, así como la gamica-
ción, incrementa la movación y mejora la com-
prensión matemáca, al asumir retos asociados
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
39
Sinopsis Educava Año XX Nº X Mes 201X
a la resolución de problemas; fomenta la expe-
rimentación, indagación y exploración que con-
lleven a los estudiantes a detectar posibles erro-
res, reexionar y ajustar sus estrategias, hasta
consolidar procesos personalizados que se ajus-
ten a sus intereses y necesidades y, de esta ma-
nera, fortalecer no solamente el pensamiento
críco, la creavidad y la aplicación prácca de
conceptos matemácos, sino también la toma
de decisiones.
Asimismo, el M-Learning se presenta como
una estrategia con potencial para favorecer la
inclusión educava, siempre que se aendan
condiciones de equidad tecnológica. Medina
(2022) advierte que su implementación efec-
va depende de reducir las brechas de acceso
a disposivos y conecvidad, parcularmente
en contextos vulnerables. En esa misma línea,
Manlla (2022) enfaza que alcanzar un M-
Learning equitavo requiere fortalecer la for-
mación docente, de modo que los profesores
diseñen estrategias pedagógicas que maximicen
el alcance y el impacto de esta modalidad. Así,
el aprendizaje móvil no solo amplía las posibili-
dades didáccas, sino que también rompe ba-
rreras espaciales y temporales, permiendo una
parcipación más acva, autónoma y signica-
va de todos los estudiantes.
Para úlmo, y no menos importante, la in-
tegración del M-Learning en las práccas educa-
vas, no solo refuerza el aprendizaje individual,
sino que también fomenta la colaboración en-
tre pares (Salica y Almirón, 2023). Plataformas
orientadas al aprendizaje colaboravo —como
Google Docs en un nivel general, los entornos vi-
suales po muro como Padlet, Jamboard o Miro,
y aquellas especializadas en matemácas como
GeoGebra— facilitan que los estudiantes com-
partan sus soluciones, discutan procedimientos
y reciban retroalimentación inmediata, Este en-
foque Vygotskiano del aprendizaje fortalece y
promueve la argumentación y la construcción
colecva del conocimiento.
Barreras y desaos en la implementación del
m-learning
A pesar de los múlples benecios del M-
Learning, su implementación enfrenta desaos
signicavos que deben ser abordados para ga-
ranzar su efecvidad. Uno de los principales
obstáculos es la brecha digital, la cual limita el
acceso equitavo a disposivos móviles y co-
necvidad. Mojarro (2019) destaca que la falta
de acceso a tecnología adecuada impide que
muchos estudiantes puedan beneciarse de las
estrategias de aprendizaje móvil. En el mismo
sendo, Medina (2022) subraya la necesidad de
polícas inclusivas que garancen la equidad en
el acceso a herramientas digitales, especialmen-
te en comunidades con infraestructura tecnoló-
gica deciente.
Otro desao relevante es la capacitación
y resistencia docente ante la adopción del M-
Learning. Córica (2019) señala que muchos
docentes muestran recencia a incorporar TIC,
incluido el disposivo móvil, en sus procesos
de enseñanza, debido a la falta de formación es-
pecíca que les permita desarrollar las compe-
tencias digitales necesarias para integrar dichas
tecnologías en el aula, limitando así el potencial
del M-Learning como estrategia innovadora. Al
respecto, Manlla (2022) enfaza la necesidad
de desarrollar programas de formación docen-
te que no solo brinden conocimientos técnicos,
sino que también fomenten un cambio de ac-
tud hacia la enseñanza mediada por tecnología.
Además, existen limitaciones instuciona-
les y estructurales y metodológicas que dicul-
tan la implementación del M-Learning, Salica y
Almirón (2023) idencan que muchas instu-
ciones educavas carecen de la infraestructura
tecnológica adecuada, lo que representa una
barrera signicava para el uso efecvo de dis-
posivos móviles en el aprendizaje.
Según la Organización de las Naciones
Unidas para la Educación, la Ciencia y la Cultu-
ra (UNESCO) y el Fondo de las Naciones Unidas
para la Infancia (UNICEF, 2022), para los países
de la región de Lanoamérica y el Caribe, no fue
suciente ni siquiera la emergencia producida
por la pandemia, para aumentar de manera sig-
nicava, progresiva y deniva, el presupues-
to asociado a conecvidad y a la adquisición de
equipamiento tecnológico, principalmente en
zonas rurales, que facilite los procesos de ense-
ñanza y aprendizaje a los estudiantes.
Asimismo, Hernández (2021) resalta que
la falta de alineación de las polícas educavas
con el uso de tecnología en el aula genera in-
consistencias en su aplicación y limita su impac-
to en los procesos educavos. Por su parte, Área
(2021) subraya que la implementación del M-
Learning debe ir acompañada de metodologías
de evaluación adecuadas que permitan medir
su impacto en el aprendizaje, de manera efec-
va y conable, haciendo énfasis en la necesidad
de adaptar los modelos pedagógicos tradiciona-
les a las caracteríscas del M-Learning propen-
diendo, entre otros aspectos, a la adecuación de
dichos procesos evaluavos en este entorno, no
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
40
Sinopsis Educava Año XX Nº X Mes 201X
solamente a través del uso de plataformas dise-
ñadas para ese n sino, incluso, mediados por
la inteligencia arcial, destacando, como lo in-
dica Mora et al. (2025) y Área (2021), bondades
como la personalización y la retroalimentación
en empo real.
En concordancia con lo anterior, se puede
armar, que las metodologías tradicionales no
logran capturr de manera efecva los aprendi-
zajes adquiridos a través del M-Learning, lo que
diculta medir su verdadero impacto en el de-
sarrollo del pensamiento y de competencias de
los estudiantes. Por su parte, Cabero y Llorente
(2020) enfazan la necesidad de diseñar estra-
tegias de evaluación alineadas con enfoques pe-
dagógicos innovadores, asegurando que el uso
de disposivos móviles en educación no solo fo-
mente la interacción, sino que también garan-
ce procesos de aprendizaje efecvos y medibles.
La falta de modelos de evaluación adaptados al
M-Learning impide que los docentes y las ins-
tuciones educavas comprendan plenamente
su potencial y, en consecuencia, diculta su in-
tegración en los programas curriculares de ma-
temácas.
Para superar estas barreras, es fundamen-
tal que las instuciones educavas, los gobier-
nos y el sector privado trabajen en conjunto
para reducir la brecha digital, fortalecer la ca-
pacitación docente, garanzar la infraestructu-
ra tecnológica necesaria, e implementar herra-
mientas como la IA de manera éca, regulada y
responsable, entre otros aspectos clave. Solo a
través de un enfoque integral será posible apro-
vechar plenamente el potencial del M-Learning
en la educación matemáca y en el desarrollo
de competencias clave como la resolución de
problemas.
III METODOLOGÍA
Este arculo se enmarca en el enfoque de
revisión teórica, entendida como una estrategia
de indagación orientada a sistemazar y analizar
crícamente el conocimiento existente sobre
un tema especíco. De acuerdo con González y
Ramírez (2015), la revisión teórica permite re-
construir el estado del arte, idencar vacíos de
conocimiento y establecer marcos conceptuales
que orienten futuras invesgaciones.
La revisión se desarrolló mediante un aná-
lisis de contenido documental centrado en es-
tudios relacionados con el uso del M-Learning
en la enseñanza de la resolución de problemas
matemácos en, principalmente en básica se-
cundaria y educación media. Se priorizó litera-
tura publicada entre los años 2019 y 2025, inclu-
yendo arculos ciencos en revistas indexadas,
tesis doctorales, disponibles en bases de datos
académicas como Scopus, Scielo, Redalyc y Dial-
net, y documentos técnicos y de políca edu-
cava emidos por organismos internacionales
(como la UNESCO, UNICEF, OCDE) y endades
nacionales relevantes como el ICFES, hallados
en repositorios ociales, bajo criterios de per-
nencia temáca y relevancia metodológica.
Según Marnez y López (2008), los arcu-
los de revisión deben cumplir con una estruc-
tura lógica que arcule la selección de fuentes,
el análisis críco del contenido y la organización
de hallazgos. Desde esta perspecva, se selec-
cionaron fuentes con base en su validez cien-
ca, enfoque metodológico y su contribución a la
comprensión de los vínculos entre M-Learning y
la competencia de resolución de problemas.
El proceso de análisis fue guiado por los
principios del análisis de contenido, según lo
propuesto por Fernández et al. (2020), quienes
destacan su ulidad para idencar patrones,
tendencias, tensiones teóricas y vacíos en la li-
teratura especializada. A parr de este enfoque,
el corpus documental fue categorizado en fun-
ción de cuatro dimensiones fundamentales: la
conceptualización del M-Learning en el ámbito
educavo; los enfoques metodológicos predo-
minantes en los estudios revisados sobre reso-
lución de problemas matemácos; las implica-
ciones pedagógicas y didáccas derivadas del
uso del M-Learning en la enseñanza de las mate-
mácas; y las principales barreras, limitaciones y
desaos asociados a su implementación en con-
textos escolares.
Asimismo, se tuvo en cuenta el criterio de
rigurosidad metodológica planteado por Torres
y Aguilar (2022), quienes señalan que las revi-
siones teóricas deben integrar elementos de
la invesgación documental y de las revisiones
sistemácas, asegurando trazabilidad en la bús-
queda, claridad en los criterios de inclusión/ex-
clusión, y consistencia en el tratamiento de los
hallazgos.
Esta metodología permite no solo iden-
car lo que ya se sabe sobre el tema, sino tam-
bién delimitar vacíos y proyecciones invesga-
vas, lo cual se convierte en un insumo clave para
futuras propuestas didáccas y estudios empí-
ricos sobre el M-Learning en el contexto de la
educación matemáca.
IV HALLAZGOS Y DISCUCIÓN
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
41
Sinopsis Educava Año XX Nº X Mes 201X
Con base en lo expuesto hasta ahora, pue-
de inferirse una transformación progresiva y sig-
nicava del M-Learning en la enseñanza de las
matemácas, especialmente en lo que respec-
ta a la resolución de problemas. Sin embargo,
su implementación efecva sigue enfrentando
múlples desaos y requiere un análisis críco
sobre su impacto real en los entornos educa-
vos.
Uno de los aspectos más debados es la
percepción de docentes y estudiantes sobre el
uso del M-Learning. Moreira et al. (2023) anali-
zan cómo la interacción con aplicaciones móvi-
les mejora la comprensión matemáca, aunque
advierten que muchos docentes aún desconan
de su efecvidad. Esto coincide con lo expuesto
por Salica y Almirón (2023), quienes señalan que
la resistencia instucional y la falta de capacita-
ción adecuada pueden ralenzar la adopción de
estas tecnologías en la educación formal.
Desde una perspecva cuantava, Parra
(2022) encontró que el uso de estrategias de
b-Learning y pensamiento computacional au-
mentó en un 25% el rendimiento académico
en resolución de problemas matemácos en
estudiantes de secundaria. De manera similar,
Pérez y Gómez (2023) reportan que el empleo
de disposivos móviles en la enseñanza de las
matemácas generó una mejora del 30% en la
movación y parcipación de los estudiantes,
reejándose en un desempeño más sólido en
pruebas estandarizadas. Estos hallazgos refuer-
zan la idea de que la integración del M-Learning
en las aulas puede generar impactos posivos
en el aprendizaje, siempre que se ulice con es-
trategias didáccas adecuadas.
Sin embargo, estos avances contrastan con
las limitaciones que persisten en términos de
acceso y equidad digital. Según datos del Banco
Mundial (2021), en América Lana y el Caribe,
cerca del 40% de los estudiantes de sectores ru-
rales no enen acceso a internet de calidad, lo
que limita el alcance del M-Learning como es-
trategia inclusiva. La UNESCO y UNICEF (2022)
destacan que la pandemia exacerbó estas des-
igualdades, dejando al 35% de los estudiantes
sin acceso a plataformas educavas digitales.
Esto pone en evidencia que, aunque el M-Lear-
ning ene un alto potencial pedagógico, su im-
plementación debe ir acompañada de polícas
públicas que garancen condiciones equitavas
para todos los estudiantes.
Desde el punto de vista metodológico,
Niño (2023) argumenta que la transición de
modelos tradicionales a enfoques digitales per-
sonalizados ha sido clave para la evolución del
aprendizaje; sin embargo, Área (2021) subraya
que la falta de herramientas de evaluación ade-
cuadas ha dicultado la medición precisa de
los benecios del M-Learning en la enseñanza
matemáca. Para que esta estrategia sea plena-
mente efecva, Cabero y Llorente (2020), desta-
can la necesidad de desarrollar polícas educa-
vas que alineen el uso de disposivos móviles
con enfoques pedagógicos sólidos y adaptados
a las necesidades actuales.
Otro factor crucial en el debate es el im-
pacto del M-Learning en el desarrollo del pen-
samiento críco y la resolución de problemas.
Autores como Mendoza y Minaya (2024), de-
mostraron que el 78% de los estudiantes que
usaron aplicaciones móviles especícas para
matemácas mejoraron su capacidad de análi-
sis y resolución de problemas en comparación
con métodos tradicionales. Este dato respalda la
idea de que el M-Learning puede fortalecer la
enseñanza matemáca si se integra con estrate-
gias acvas y centradas en el estudiante.
Finalmente, el impacto del M-Learning en
competencias como la resolución de problemas
y el pensamiento computacional, ha sido obje-
to de múlples estudios: Parra (2022) explora
cómo el uso de tecnologías móviles fortalece el
desarrollo de habilidades analícas y de razona-
miento lógico, facilitando la aplicación de cono-
cimientos matemácos en disntos contextos;
a su vez, Pérez y Gómez (2023) sugieren que la
implementación de estrategias basadas en M-
Learning debe complementarse con enfoques
pedagógicos estructurados que maximicen su
efecvidad, pues a pesar que el M-Learning pue-
de ayudar a transformar la enseñanza de las ma-
temácas, especialmente en lo que respecta a
la resolución de problemas, su implementación
efecva sigue enfrentando múlples desaos y
requiere un análisis críco sobre su impacto real
en los entornos educavos.
En conjunto, estos análisis permiten con-
cluir que, si bien el M-Learning representa una
oportunidad valiosa para mejorar la enseñanza
de las matemácas, su éxito depende de una
implementación estructurada que aborde tanto
las barreras tecnológicas como las metodológi-
cas.
V. CONCLUSIONES: REFLEXIÓN SOBRE LOS
HALLAZGOS Y FUTURAS INVESTIGACIONES
El presente estudio ha evidenciado que el
M-Learning es una estrategia con un alto poten-
cial para mejorar la enseñanza de la resolución
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
42
Sinopsis Educava Año XX Nº X Mes 201X
de problemas matemácos. Su capacidad para
ofrecer aprendizaje ubicuo, exibilidad en los
ritmos de aprendizaje e interacvidad ha sido
ampliamente documentada en la literatura. Sin
embargo, su implementación efecva requiere
superar múlples desaos relacionados con la
equidad digital, la formación docente y la adap-
tación de las metodologías educavas.
Uno de los hallazgos más relevantes es la
necesidad de garanzar acceso equitavo a la
tecnología. Medina (2022) y el Banco Mundial
(2021) resaltan que la falta de infraestructura
digital sigue siendo un obstáculo en muchas re-
giones, lo que limita el alcance del M-Learning.
Para superar esta barrera, se requieren polícas
educavas inclusivas que aseguren la conecvi-
dad y el acceso a disposivos móviles en todos
los niveles educavos.
Asimismo, el rol del docente es fundamen-
tal en la integración del M-Learning en las aulas.
Manlla (2022) enfaza que la formación en TIC
debe ir más allá del uso instrumental de herra-
mientas digitales y centrarse en su aplicación
pedagógica. Desde esta mirada, Parra (2022)
señala que la mediación docente sigue siendo
un factor clave para lograr que los modelos di-
dáccos digitales tengan un impacto real en el
desarrollo de competencias matemácas.
El futuro del M-Learning en la enseñanza
matemáca también dependerá del desarrollo
de estrategias innovadoras que aprovechen su
potencial. González et al. (2021) destacan el pa-
pel de la gamicación en el aprendizaje, lo que
abre una línea de invesgación sobre cómo los
entornos lúdicos pueden potenciar la resolución
de problemas. Del mismo modo, Parra (2022)
sugiere que el aprendizaje colaboravo median-
te plataformas digitales puede ser clave para
fortalecer las competencias matemácas en es-
tudiantes de educación media.
En consecuencia, la evolución del M-Lear-
ning requerirá una mayor integración entre la
tecnología y los valores educavos, enfocándo-
se no solo en el contenido académico, sino en
el desarrollo de pensamiento críco y creavi-
dad. En consonancia con lo anterior, Área (2021)
argumenta que la enseñanza matemáca del
futuro debe combinar elementos digitales con
metodologías centradas en el estudiante para
garanzar aprendizajes signicavos.
Exhorto a explorar e integrar el M-Learning
como una estrategia poderosa para transformar
la enseñanza de las matemácas; dejando claro,
eso sí, que su éxito dependerá de la superación
de las barreras actuales y del diseño de estrate-
gias que permitan aprovechar al máximo su po-
tencial pedagógico. Las futuras invesgaciones
deberán enfocarse en el impacto a largo plazo
del M-Learning y en cómo su integración puede
opmizar la resolución de problemas en disn-
tos contextos educavos.
Finalmente, en lo que respecta a los apor-
tes de esta revisión teórica, puede armarse
que quizás el más valioso, consiste en ofrecer
un panorama sistemazado y actualizado so-
bre cómo el M-Learning puede integrarse en la
enseñanza de las matemácas para potenciar
la competencia de resolución de problemas. Al
arcular enfoques como el construcvismo, el
construccionismo y el conecvismo con prác-
cas metodológicas emergentes —como la gami-
cación, el aprendizaje basado en problemas y
el uso de herramientas digitales interacvas—,
el arculo contribuye a delimitar marcos con-
ceptuales sólidos que orientan tanto la prácca
docente como el diseño curricular en escenarios
mediados por tecnología. Este trabajo no solo
sinteza hallazgos relevantes de la literatura,
sino que también visibiliza tensiones y desaos
que deben ser abordados desde una perspec-
va pedagógica críca y contextualizada.
Asimismo, el arculo aporta a la educa-
ción al idencar oportunidades concretas para
repensar el papel del docente, la evaluación
formava y la inclusión digital en la enseñanza
matemáca. Al resaltar la importancia de una
mediación pedagógica signicava, adaptada
a los ritmos y eslos de aprendizaje de los es-
tudiantes, se promueve una visión más integral
del M-Learning como catalizador de aprendiza-
jes auténcos y transferibles. Estas reexiones
constuyen un insumo relevante para invesga-
dores, formadores de docentes y responsables
de polícas educavas que buscan impulsar
práccas innovadoras y equitavas en el cam-
po de la educación matemáca en contextos de
creciente digitalización.
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
43
Sinopsis Educava Año XX Nº X Mes 201X
REFERENCIAS
Acosta Guarnizo, L. M., Valdivieso González, L. G., y Muñoz Potosi, A. F. (2023). Estrategia pedagógica
mediada por TIC para fortalecer la competencia de razonamiento matemáco en estudiantes
de sexto grado. Revista Cienca, 47(2), 13–24. hps://revistas.udistrital.edu.co/index.php/
revcie/arcle/view/19756
Área Moreira, M. (2021). Tecnologías digitales y cambio educavo. Una aproximación críca. REICE.
Revista Iberoamericana sobre Calidad, Ecacia y Cambio en Educación, 19(4), 83-96. hps://
revistas.uam.es/reice/arcle/download/reice2021_19_4_005/13907/42356.
Asimbay Bermeo, N. L., León Moscoso, E. C., y Naranjo Vaca, G. E. (2024). Recursos didáccos digita-
les basados en la gamicación para la resolución de problemas matemácos en estudiantes de
sépmo año de EGB. Maestro y Sociedad, 21 (1), 217-231. hps://maestroysociedad.uo.edu.
cu/index.php/MyS/arcle/view/6358.
Ballesteros Ballesteros, V., López Torres, C., Torres Rodríguez, M., y Lozano Forero, S. (2022). La inte-
gración de disposivos móviles en el aula para la enseñanza del álgebra: el caso de la función
lineal. Educación y Humanismo, 24 (42), 1-20. hps://revistas.unisimon.edu.co/index.php/
educacion/arcle/view/4044.
Cabero Almenara, J., y Llorente Cejudo, C. (2020). La adopción de las tecnologías por las personas
mayores: aportaciones desde el modelo TAM (Technology Acceptance Model). PUBLICACIO-
NES, 50(1), 141–157. hps://doi.org/10.30827/publicaciones.v50i1.8521.
Córica, J. L. (2019). Estudio De La Resistencia Docente Al Cambio Y A La Incorporación De Tic En Ar-
genna A Través De Un Modelo De Ecuaciones Estructurales. [Doctorado, Universidad de la
Rioja]. hps://dialnet.unirioja.es/servlet/tesis?codigo=257951.
Doria Madariaga, F. J., y Larreal Bracho, A. J. (2023). Reexiones teóricas sobre la integración curricu-
lar de las tecnologías de la información y comunicación. Ciencia Lana Revista Cienca Mul-
disciplinar, 7(1), 4561-4574. hps://ciencialana.org/index.php/cienciala/arcle/view/4781.
Fernández, R., Pérez, M., y Álvarez, J. (2020). Arculos de revisión. Revista Médica de Chile, 148(1),
103-115. hp://dx.doi.org/10.4067/S0034-98872020000100103.
Fernández Barroso, J. M. (2024). Uso de herramientas digitales matemácas en la Educación Secun-
daria. hps://arxiv.org/2404.00001.
Fernández Canoles, F. F. (2024). Desarrollo de Competencias Matemácas en la Resolución de Pro-
blemas con el Uso de las TIC. Ciencia Lana Revista Cienca Muldisciplinar, 8(1), 2860-2878.
hps://doi.org/10.37811/cl_rcm.v8i1.9623.
González, L., y Ramírez, F. (2015). Ulidad y pos de revisión de literatura. Revista Española de Docu-
mentación Cienca, 38(2), 45-60. hps://dx.doi.org/10.4321/S1988-348X2015000200002.
González, O., Ramos Rodríguez, E., y Vásquez Saldías, P. (2021). Implicaciones de la gamicación
en educación matemáca, un estudio exploratorio. Revista de Educación a Distancia (RED),
21(68). hps://doi.org/10.6018/red.485331.
Hernández Lagos, J.J. (2021). Mediación Didácca De La Matemáca Con Énfasis En Las Compe-
tencias Tecnológicas: Un Aporte Construcvo e Innovador. [Doctorado, UPEL-IPRGR]. hps://
espacio-digital.upel.edu.ve/index.php/TD/arcle/view/273/271.
Instuto Colombiano para el Fomento de la Educación Superior (ICFES), (2022). Informe nacional
de resultados Saber 110 2022. hps://www.icfes.gov.co/documents/39286/21440788/
Informe_nacional_de_resultados_Saber_11.pdf/7779712d-d21e-b56f-fd02-
9336833dde?t=1699491358277.
Lotero Echeverri, G., Marín Ochoa, B., & Sánchez García, O. (2021). Capacidades de los docentes
para la incorporación de estrategias m-learning en sus procesos de enseñanza y aprendizaje.
Estudio de un caso colombiano. Saber, Ciencia y Libertad, 16 (1), 1-12. hps://revistas.unilibre.
edu.co/index.php/saber/arcle/view/7529.
Macías Rojas, M., Caro, E. O., y Fernández Morales, F. H. (2022). Las mediaciones TIC en la resolución
de problemas matemácos, un abordaje documental. Revista Gesón y Desarrollo Libre, 7(14),
1-22. hps://doi.org/10.18041/2539-3669/gesonlibre.14.2022.9384.
Manlla Contreras, M. A. (2022). Modelo De Formación Para El Desarrollo De Competencias Digitales
En Docentes De Una Universidad Del Nororiente Colombiano. [Doctorado, Universitat de les
Illes Balears]. hps://dspace.uib.es/xmlui/handle/11201/160500.
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
44
Sinopsis Educava Año XX Nº X Mes 201X
Marnez, A., y López, D. (2008). El arculo de revisión. Revista Cubana de Salud Pública, 34(4), 1-12.
hp://scielo.sld.cu/scielo.php?script=sci_arext&pid=S0864-34662008000400011.
Medina Otavo, N. L. (2022). Ambientes de Aprendizaje en la Educación Matemáca: Una Mirada
a la Educación Pública. [Doctorado, Universidad Santo Tomás]. hps://repository.usta.edu.co/
handle/11634/48317?show=full.
Mendoza Alcívar, M. C., y Minaya Vera, C. G. (2024). Uso de herramientas digitales para la enseñanza
aprendizaje de matemáca en los estudiantes de bachillerato. Ciencia Lana Revista Cienca
Muldisciplinar, 8 (3), 8317-8333. hps://dialnet.unirioja.es/descarga/arculo/9787227.pdf.
Mojarro Aliaño, A. (2019). Mobile Learning En La Educación Superior: Una Alternava Educava En
Entornos Interacvos De Aprendizaje. [Doctorado, Universidad de Huelva]. hps://www.docto-
rado-comunicacion.es/cheros/doctorandos/H23.pdf.
Monroy Andrade, J. (2024). El uso de las nuevas tecnologías en la enseñanza de las matemácas: una
revisión sistemáca. Tecnología, Ciencia y Educación, 28, 115-140. hps://www.researchgate.
net/publicaon/380378655_El_uso_de_las_nuevas_tecnologias_en_la_ensenanza_de_las_
matemacas_una_revision_sistemaca.
Mora, P., Zambrano, R., Mera, L. y Ávila, X. (2025). Evaluación formava con inteligencia arcial en con-
textos educavos, 5, 313-236. hps://soeici.org/index.php/alcon/arcle/download/509/837.
Moreira Barre, F., Anzules Pareja, M., Solís Zambrano, R., Santos-Arguello, N., y Ascencio Rodríguez, P.
(2023). Aplicaciones móviles en el proceso de Enseñanza Aprendizaje de las Matemácas. Cien-
cia Lana Revista Cienca Muldisciplinar, 7 (2), 5921-5938. hps://ciencialana.org/index.
php/cienciala/arcle/view/5762.
Negrete Toapanta, M. E., Montenegro Ruiz, F. J., George Reyes, C. E., y Robinson Aguirre, J. O. (2024).
Khan Academy y su incidencia en las habilidades de resolución de problemas matemácos. Do-
minio de las Ciencias, 10(2), 821-848. hps://doi.org/10.23857/dc.v10i2.3833.
Niño Merlo, C. A. (2023). Enseñanza de las Matemácas Mediadas por las TIC. Ciencia Lana Revista
Cienca Muldisciplinar, 7(5). 8796-8812. hps://doi.org/10.37811/cl_rcm.v7i5.8455.
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura, (UNESCO) y el Fondo
de las Naciones Unidas para la Infancia, (UNICEF), (2022). Polícas Digitales en Educación en
América Lana. hps://www.unicef.org/lac/informes/policas-digitales-educacion-america-
lana-tendencias-emergentes.
Organización para la Cooperación y el Desarrollo Económico (OCDE), (2023), PISA 2022 Results (Vo-
lume I): The State of Learning and Equity in Educaon, 1, hps://www.oecd.org/publicaons/
pisa-2022-results-volume-i-53f23881-en.htm.
Papert S. A., (1981). Desao a la mente. Galápagos.
Parra Vallejo, M. J. (2022). Aplicación de las TIC, b-Learning y Pensamiento Computacional para el
Fortalecimiento de las Competencias Matemácas. Revista Docentes 2.0, 14 (2), 29-41. hps://
ojs.docentes20.com/index.php/revistadocentes20/arcle/view/312.
Pérez, L., y Gómez, R. (2023). El uso de disposivos y aplicaciones móviles para mejorar el apren-
dizaje de las matemácas. Revista Internacional de Educación Digital, 10 (2), 33-50. hps://
www.researchgate.net/publicaon/384059644_El_uso_de_disposivos_y_aplicaciones_movi-
les_para_mejorar_el_aprendizaje_de_las_matemacas.
Salica, C., y Almirón, M. (2023). Analíca del aprendizaje del móvil learning (m-learning) en la educa-
ción secundaria. Revista Iberoamericana de Tecnología en Educación y Educación en Tecnolo-
gía, 27, 28-35. hps://www.researchgate.net/publicaon/348979853_Analica_del_aprendi-
zaje_del_movil_learning_mlearning_en_la_educacion_secundaria.
Sánchez Sánchez, J. D. (2025). Una evaluación en matemácas mediada por tecnologías digitales en
la toma de decisiones del profesor de secundaria para el aprendizaje de los estudiantes. [Doc-
torado, Universidad de Anoquia]. hps://bibliotecadigital.udea.edu.co/handle/10495/44752.
Siemens, G., (2007). Conecvismo: Una teoría de aprendizaje para la era digital. (Trad. D. Leal). In-
ternaonal Journal of Instruconal Technology & Distance Learning. 2(1), 3-10. (Trabajo ori-
ginal publicado en 2004). hp://skat.ihmc.us/rid=1J134XMRS-1ZNMYT4-13CN/George%20Sie-
mens%20-%20Conecvismo-una%20teor%C3%ADa%20de%20aprendizaje%20para%20la%20
era%20digital.pdf.
Silva Triana, E. (2024). La Resolución de Problemas en el área de Matemácas mediado por la com-
prensión del Método Pólya. [Doctorado, UPEL]. hps://espacio.digital.upel.edu.ve/index.php/
TD/arcle/view/1269/1148.
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.
Autor
Título
45
Sinopsis Educava Año XX Nº X Mes 201X
Suárez Laguado, J. A. (2021). La Resolución De Problemas Como Competencia Matemáca En La
Educación Básica. [Doctorado, UPEL]. hps://espacio.digital.upel.edu.ve/index.php/TD/arcle/
view/287.
Torres, C. y Aguilar, P. (2022). Invesgación documental, invesgación bibliométrica y revisiones siste-
mácas. Dialnet Journal of Documentaon, 20(3), 88-102. hps://dialnet.unirioja.es/descarga/
arculo/9489470.pdf.
Vygotsky, L. S. (1986). thought and language. MIT Press.
World Bank, (2021). The World by Income. hps://datatopics.worldbank.org/world-development-
indicators/the-world-by-income-and-region.html.
World Bank, (2021). Personas que usan Internet (% de la población) - OECD members. hps://datos.
bancomundial.org/indicator/IT.NET.USER.ZS?end=2021&locaons=OE&most_recent_value_
desc=true&start=1990&view=chart.
Sinopsis Educava | Año 25 N° 2 |Diciembre|2025
Alejandro Vergara Sánchez
El m-learning y el desarrollo de la competencia matemáca en la resolución de problemas: una revisión teórica.