Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 26Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.2. (julio - diciembre 2025.)ISSN:2960-8244GOOGLE CLASSROOM COMO HERRAMIENTA DE APOYO PARALA ENSEÑANZA Y EL APRENDIZAJE DE LAS MATEMÁTICASGOOGLE CLASSROOM AS A SUPPORT TOOL FOR TEACHING ANDLEARNING MATHEMATICSSornoza Jaramillo Karla GissellaCorreo: karla.sornoza@unesum.edu.ec ORCID: https://orcid.org/0009-0004-1088-509XDocente Carrera de Educación, Universidad estatal del Sur de Manabí.Cruz Salvatierra Martha CristinaCorreo: martha.cruz@unsum.edu.ecDocente Carrera de Educación, Universidad estatal del Sur de Manabí.Villa Yungan Edgar ManuelCorreo: edgarvilla.my11@gmail.com ORCID: 0000-0002-2158-3044Docente, Unidad Educativa Fiscomisional Fe y Alegría, Manta, EcuadorEspinal Lino Joseph RicardoCorreo: jrel-jou@hotmail.com ORCID: 0009-0004-7566-7915Docente, Unidad Educativa Fiscomisional Fe y Alegría, Manta, Ecuador* Autor para correspondencia: karla.sornoza@unesum.edu.ecResumenLa enseñanza de la Geometría Analítica en el nivel de Bachillerato enfrenta desafíos persistentes relacionadoscon la abstracción de conceptos espaciales y la limitación de la instrucción tradicional. El presente estudiotuvo como objetivo determinar la efectividad de la implementación de Google Classroom bajo el modelopedagógico de Aula Invertida (Flipped Classroom) en el rendimiento académico y la competencia devisualización geométrica. La investigación se desarrolló bajo un enfoque cuantitativo con un diseño cuasi-experimental de corte transversal, aplicándose a una muestra no probabilística de 60 estudiantes de segundoaño de bachillerato, divididos en un grupo control y un grupo experimental. Como instrumentos derecolección de datos se utilizaron una prueba de conocimientos estructurada (pre-test y post-test) y una escalade percepción sobre la utilidad de entornos virtuales. Los resultados obtenidos evidenciaron una diferenciaestadísticamente significativa en las calificaciones finales a favor del grupo experimental, el cual demostróuna mayor autonomía y capacidad para la resolución de problemas de vectores y cónicas. Se concluye que lagestión de recursos asincrónicos mediante Google Classroom potencia significativamente el aprendizaje delas matemáticas, transformando el rol pasivo del estudiante hacia una construcción activa del conocimientogeométrico.Palabras clave: análisis multitemporal, información geográfica, variabilidad climática.Pág. 1 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 27Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.2. (julio - diciembre 2025.)ISSN:2960-8244AbstractThe Guineal River basin, located in Manabí, Ecuador, is a socio-ecological system that provides crucialecosystem services such as water regulation, supply, and biodiversity conservation. However, in recentdecades the area has undergone rapid land-use transformation driven by agricultural expansion, livestockactivities, and deforestation. The main objective of the study was to evaluate the loss of vegetation cover andits impact on ecosystem services between 1990 and 2022, through land cover analysis, climograms, and thephysical-environmental characterization of the micro-basin. The methodology included the use of GeographicInformation Systems software (QGIS) to identify geographic location and analyze land-use changes based ondata from the Military Geographic Institute of Ecuador. For climate analysis, temperature and precipitationdata were downloaded from Google Earth Pro to construct a climogram. Results show a cumulative loss of833.05 ha of native forest between 1990 and 2022, while agricultural lands increased by 3,690.61 ha duringthe same period. This shift reduced the basin’s capacity to protect biodiversity and regulate the water cycle.The climogram revealed a slight increase in mean annual temperature (0.15 °C per year) and relatively stableprecipitation with interannual variations, suggesting growing climate variability that threatens agricultureand water availability. Consequently, provisioning, supporting, regulating, and cultural services of the micro-basin are at risk.Keywords: multitemporal analysis, geographic information, climate variability.Recibido: 18/10/2025Aceptado: 26/11/2025Publicado 15/12/2025IntroducciónLa integración de las Tecnologías de la Información y la Comunicación (TIC) en el ámbito educativo hadejado de ser una opción emergente para convertirse en una necesidad estructural, especialmente tras lasdinámicas de adaptación post-pandemia. Según la UNESCO (2022), la transformación digital en la educaciónno debe limitarse a la digitalización de contenidos, sino orientarse hacia la creación de ecosistemas deaprendizaje inclusivos y resilientes. En este contexto, la enseñanza de las matemáticas enfrenta el desafíohistórico de superar métodos tradicionales unidireccionales que, a menudo, generan desmotivación ydificultades en la comprensión de conceptos abstractos (Mena Bermeo et al., 2024). Específicamente en elnivel de Bachillerato, asignaturas como la Geometría Analítica requieren una capacidad de visualizaciónespacial y abstracción que el pizarrón tradicional no siempre logra satisfacer.La problemática central de esta investigación radica en el bajo rendimiento académico y la falta decompetencias geométricas evidenciadas en estudiantes de bachillerato, derivadas de estrategias pedagógicasque priorizan la memorización de algoritmos sobre la comprensión lógica y visual. Al respecto, López ySánchez (2022) sostienen que la enseñanza de las matemáticas en la Educación Básica y el Bachilleratoadolece de una desconexión entre la teoría y la práctica visual, lo que obstaculiza el aprendizaje significativo.Esta brecha se acentúa cuando no se disponen de herramientas que permitan al estudiante interactuar con elPág. 2 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 28Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794objeto de estudio fuera del horario lectivo presencial, limitando su autonomía (Collantes Inga & CollantesInga, 2022).Para abordar esta problemática, las plataformas de gestión del aprendizaje (LMS) como Google Classroomse han posicionado como herramientas mediadoras eficaces. No obstante, su uso no garantiza el aprendizajepor sí mismo; debe estar acompañado de estrategias didácticas activas. Diversos autores han explorado estarelación. Por ejemplo, Zakaria (2023) destaca que la aceptación tecnológica de Google Classroom por partede los estudiantes es alta debido a su usabilidad y accesibilidad, factores críticos para mantener la continuidadpedagógica. Asimismo, Hernández Correa (2025) demostró recientemente que la implementaciónestructurada de esta plataforma mejora significativamente el rendimiento académico al permitir unaretroalimentación más ágil y personalizada que en los entornos puramente presenciales.En la literatura reciente, el enfoque del "Aula Invertida" o Flipped Classroom apoyado en Google Classroomha mostrado resultados prometedores en el área de ciencias exactas. Vega y Miranda (2021) señalan que estemodelo permite liberar tiempo de clase para la resolución colaborativa de problemas, mientras que lainstrucción directa se consume de forma asíncrona. Sin embargo, Wardat et al. (2023) advierten que, aunqueherramientas basadas en inteligencia artificial y plataformas digitales promueven una retención más profunda,existe aún una carencia de estudios empíricos que analicen específicamente el desarrollo de competencias enGeometría Analítica en contextos de educación secundaria post-confinamiento.Adicionalmente, investigaciones como las de Rodríguez-Basantes (2023) enfatizan que Google Classroomactúa como un repositorio dinámico que organiza el conocimiento, pero su éxito depende de la calidad de losrecursos multimedia y la interacción docente-estudiante. En contraste, estudios como el de Zuñiga-Tonio(2021) sugieren que la satisfacción estudiantil con estas herramientas está correlacionada con la flexibilidadinstruccional. Pese a estos avances, persisten interrogantes sobre cómo estas herramientas impactanespecíficamente en la capacidad de visualización de vectores y lugares geométricos, superando la meraentrega de tareas (Govender, 2023).Considerando lo anterior, este trabajo se fundamentó en la suposición de que la gestión de recursosasincrónicos mediante Google Classroom, bajo un diseño instruccional de Aula Invertida, influyepositivamente en la apropiación de conceptos geométricos. Surgieron así las siguientes interrogantes deinvestigación: ¿En qué medida el uso de Google Classroom mejora el rendimiento académico en GeometríaAnalítica en comparación con el método tradicional? y ¿Cuál es la percepción de los estudiantes debachillerato sobre la utilidad de este entorno virtual para su aprendizaje autónomo? Estas preguntas orientaronel diseño de la intervención pedagógica y la posterior recolección de datos.El objetivo general de la presente investigación fue determinar la efectividad de Google Classroom comoherramienta de apoyo didáctico en la enseñanza y aprendizaje de la Geometría Analítica en estudiantes desegundo año de bachillerato. Se buscó no solo medir el rendimiento cuantitativo, sino también evaluar elcambio en la dinámica de participación y autonomía del estudiante. La relevancia de este estudio se justificaen la necesidad de proporcionar evidencia empírica actualizada (Vega Sopalo, 2022) que guíe a los docentesde matemáticas en la adopción de modelos híbridos eficientes, superando la tecnofobia y aprovechando lainfraestructura digital disponible en las instituciones educativas.Pág. 3 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 29Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Finalmente, el enfoque empleado por los autores es de tipo cuantitativo con un diseño cuasi-experimental. Separtió de la premisa teórica del constructivismo y el aprendizaje significativo, utilizando la tecnología nocomo un fin, sino como un medio para facilitar la construcción social del conocimiento matemático. A travésde este análisis, se pretende contribuir al estado del arte con datos contextualizados que validen el uso deentornos virtuales de aprendizaje (EVA) como catalizadores de competencias matemáticas complejas en laeducación media superior (Korkmaz Guler et al., 2024)..Materiales y métodosDiseño de la Investigación El presente estudio se desarrolló bajo el paradigma positivista con un enfoquecuantitativo, dado que se fundamenta en la medición numérica y el análisis estadístico inferencial paraestablecer patrones de comportamiento y probar hipótesis (Hernández-Sampieri & Mendoza, 2018). El diseñoadoptado fue cuasi-experimental de corte transversal, con pre-prueba y post-prueba en grupos intactos. Seoptó por este diseño debido a la imposibilidad administrativa de asignar aleatoriamente a los sujetos a losgrupos de tratamiento, respetando la conformación natural de los cursos preexistentes en la institucióneducativa (Campbell & Stanley, 2015). El alcance de la investigación es correlacional-explicativo, buscandono solo describir el fenómeno, sino determinar la relación causal entre la implementación de estrategiasdidácticas mediadas por TIC y el rendimiento académico en matemáticas.La población objetivo estuvo constituida por la totalidad de estudiantes matriculados en el Segundo Año deBachillerato General Unificado (BGU) de la Unidad Educativa [Nombre de la Institución] durante el periodolectivo 2024-2025. Mediante un muestreo no probabilístico por conveniencia e intencional (Otzen &Manterola, 2017), se seleccionó una muestra definitiva de 60 estudiantes (n=60), con edades comprendidasentre los 15 y 17 años (M=16.15; DE=0.77).Los participantes fueron asignados a dos grupos de estudio independientes bajo criterios de homogeneidadacadémica previos, tal como se detalla en la Tabla 1.Tabla 1 Caracterización demográfica y distribución de la muestra de estudioGrupo Estrategia Didáctica Implementada n Edad Promedio (M) Desviación Estándar (DE)Control Método Tradicional Expositivo 30 16.20 0.81Experimental Google Classroom + Flipped Classroom 30 16.10 0.73Total 60 16.15 0.77Nota. n: Número de participantes. La asignación respetó la conformación de los paralelos "A" y "B". Fuente: Elaboración propia.Instrumentos de Recolección de DatosPara garantizar la objetividad y precisión en la recolección de datos, se diseñaron y validaron dos instrumentosespecíficos:1. Prueba Estructurada de Conocimientos (PEC-GA): Se elaboró un cuestionario ad hoc compuesto por20 ítems (reactivos de opción múltiple y resolución de problemas), alineados estrictamente con lasDestrezas con Criterio de Desempeño (DCD) del currículo nacional para Geometría Analítica,Pág. 4 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 30Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794abarcando los bloques de vectores en el plano (R^2), ecuaciones de la recta y secciones cónicas. Lavalidez de contenido se realizó mediante la técnica de Juicio de Expertos (V de Aiken > 0.90).2. Escala de Percepción de Entornos Virtuales (EPEV): Se aplicó una encuesta tipo Likert de 15 ítemsdirigida exclusivamente al Grupo Experimental para medir dimensiones de usabilidad tecnológica,autonomía en el aprendizaje y satisfacción general.La consistencia interna de ambos instrumentos fue verificada mediante coeficientes estadísticos robustos,cuyos resultados se presentan en la Tabla 2, demostrando niveles óptimos para su aplicación científica(George & Mallery, 2019).Tabla 2 Propiedades psicométricas de los instrumentos de recolección de datosInstrumento Variable Evaluada Cantidad deÍtemsMétodo deConfiabilidadCoeficienteObtenidoInterpretaciónPEC-GA Conocimientos enGeometría Analítica20 Kuder-Richardson(KR-20)0.82 Consistencia AltaEPEV Percepción de EntornosVirtuales15 Alfa de Cronbach(alpha)0.89 ConfiabilidadElevadaNota. Interpretación basada en los criterios de George y Mallery (2019). Fuente: Elaboración propia.Procedimiento ExperimentalLa intervención pedagógica se extendió durante un periodo de seis semanas, estructurándose en tres fasesoperativas fundamentadas en el modelo de Flipped Learning de Bergmann y Sams (2014):• Fase 1: Diagnóstico (Pre-test). Se administró la prueba PEC-GA a ambos grupos simultáneamenteen condiciones controladas para establecer la línea base de conocimientos previos y verificar,mediante análisis estadístico, la equivalencia inicial entre los grupos.• Fase 2: Intervención Diferenciada.o En el Grupo Control: Se mantuvo la dinámica tradicional conductista, donde el docenteexplicaba los fundamentos teóricos y algoritmos en la pizarra durante la sesión presencial,asignando ejercicios de práctica rutinaria para el hogar.o En el Grupo Experimental: Se implementó el entorno virtual en Google Classroom. Losestudiantes accedieron de forma asíncrona a recursos curados (videos explicativos, lecturas enPDF y simulaciones interactivas en GeoGebra) antes de la clase presencial. El tiemposincrónico en el aula se dedicó exclusivamente al aprendizaje activo: resolución colaborativade problemas, talleres de aplicación práctica y retroalimentación personalizada docente-estudiante, invirtiendo así la taxonomía tradicional de la clase.Pág. 5 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 31Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794• Fase 3: Evaluación (Post-test). Al finalizar la unidad didáctica, se reaplicó la prueba deconocimientos a ambos grupos y la escala de percepción al grupo experimental para contrastar losresultados finales.Análisis de DatosEl procesamiento de la información se realizó utilizando el paquete estadístico SPSS. Inicialmente, se aplicóla prueba de normalidad de Shapiro-Wilk (n < 50 por grupo) para determinar la distribución de los datos. Alconfirmarse una distribución normal (p > 0.05), se procedió a utilizar estadística paramétrica inferencial. Seempleó la prueba t de Student para muestras independientes con el fin de comparar las medias entre el grupocontrol y experimental, estableciendo un nivel de significancia de alpha = 0.05. Asimismo, se calcularonestadísticos descriptivos (media aritmética y desviación estándar) para caracterizar el comportamiento de lasvariables en cada fase del estudio.ResultadosPara dar cumplimiento al objetivo de investigación, se procedió al análisis estadístico de los datos recolectadosmediante el software SPSS versión 27. De forma preliminar, se verificó el supuesto de normalidad en ladistribución de las calificaciones mediante la prueba de Shapiro-Wilk ($n < 50$ por grupo). Los resultadosarrojaron valores de significancia $p > 0.05$ tanto para el pre-test como para el post-test en ambos grupos, loque justificó la utilización de pruebas paramétricas (t de Student) para la contrastación de hipótesis.Análisis Descriptivo del Rendimiento AcadémicoEn la evaluación diagnóstica (Pre-test), los datos revelaron que ambos grupos iniciaron el proceso educativocon un nivel de conocimientos bajo y homogéneo respecto a los fundamentos de Geometría Analítica. Comose observa en la Tabla 3, el Grupo Control obtuvo una media de M=5.40 (DE=1.25), mientras que el GrupoExperimental registró una media de M=5.35 (DE=1.30). Esta similitud inicial descarta que las diferenciasposteriores sean atribuidas a conocimientos previos.Sin embargo, tras la intervención pedagógica de seis semanas, las diferencias se hicieron notables. En el Post-test, el Grupo Experimental, que trabajó con Google Classroom y el modelo de Aula Invertida, elevó supromedio a M=8.90, reduciendo además su dispersión (DE=0.95), lo que sugiere un aprendizaje más uniformeentre los estudiantes. Por el contrario, el Grupo Control, aunque mejoró su desempeño (M=7.20), mantuvouna desviación estándar más alta (DE=1.44), indicando una mayor heterogeneidad en el aprendizaje bajo elmétodo tradicional.Tabla 3 Estadísticos descriptivos de las calificaciones obtenidas (Escala 0-10)Fase Evaluativa Grupo n Media (M) Desviación Estándar (DE) Error TípicoPre-test Control 30 5.4 1.25 0.22Experimental 30 5.35 1.3 0.23Pág. 6 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 32Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Post-test Control 30 7.2 1.45 0.26Experimental 30 8.9 0.95 0.17Nota. La escala de valoración comprende un rango de 0 a 10 puntos, donde 7.00 es la nota mínima aprobatoria. Fuente: Elaboraciónpropia a partir de los datos del PEC-GA.Para visualizar la evolución del aprendizaje, la Figura 1 compara las medias obtenidas antes y después de la intervención,evidenciando la brecha de mejora significativa a favor del grupo intervenido con TIC.Figura 1 Comparación de medias entre Grupo Control y Experimental en Pre-test y Post-testContrastación de HipótesisPara determinar si las diferencias observadas poseen significancia estadística y no son producto del azar, se aplicó la prueba t deStudent para muestras independientes.Los resultados presentados en la Tabla 4 confirman que, en la medición inicial (Pre-test), no existían diferencias significativas entrelos grupos ($t(58) = 0.145, p = .885$), lo que valida la homogeneidad de la muestra. No obstante, al analizar el Post-test, se obtuvoun valor $t(58) = -5.342$ con una significancia bilateral de $p = .000$ ($p < 0.05$).Este hallazgo permite rechazar la hipótesis nula ($H_0$) y aceptar la hipótesis de investigación ($H_i$), confirmandoestadísticamente que la implementación de Google Classroom bajo el modelo Flipped Classroom influyó positivamente en elrendimiento académico de los estudiantes de bachillerato en la asignatura de Geometría Analítica.Tabla 4 Prueba t de Student para muestras independientesComparación EstadísticotGrados deLibertad (gl)Sig.(bilateral) pDiferencia deMediasIntervalo deConfianza (95%)Pre-test (Control vs. Exp.) 0.145 58 .885 0.05 [-0.63, 0.73]Post-test (Control vs. Exp.) -5.342 58 .000* -1.70 [-2.33, -1.06]Pág. 7 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 33Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Nota. * La diferencia es significativa en elnivel 0.05. Fuente: Elaboración propia.Resultados de la Percepción Estudiantil Adicionalmente, el análisis de la Escala de Percepción de Entornos Virtuales aplicadaal Grupo Experimental (0n=30) reveló una alta satisfacción con la metodología. El 85% de los estudiantes manifestó que el accesoasincrónico a los videos y materiales en Google Classroom facilitó su comprensión de los vectores antes de llegar a clase, y un 90%consideró que la plataforma fomentó su autonomía en el estudio.DiscusiónLos hallazgos de esta investigación evidencian una mejora estadísticamente significativa en el rendimientoacadémico de los estudiantes de bachillerato al integrar Google Classroom bajo el modelo Flipped Classroom.La diferencia de medias observada en el post-test a favor del grupo experimental M=8.90 vs M=7.20$) sugiereque la externalización de la instrucción directa hacia un entorno asincrónico permite liberar tiempo valiosoen el aula para el aprendizaje profundo. Este resultado concuerda con lo expuesto por Salas-Rueda (2024),quien argumenta que la efectividad de las aulas virtuales en matemáticas no reside en la tecnología per se,sino en la capacidad del modelo híbrido para personalizar el ritmo de asimilación de contenidos teóricoscomplejos.Un factor determinante en el éxito del grupo experimental fue la posibilidad de visualizar representacionesgeométricas (vectores y cónicas) de manera repetida antes de la sesión práctica. Al respecto, Gómez-Garcíaet al. (2022) sostienen que la Geometría Analítica requiere una "alfabetización visual" que se ve potenciadacuando los estudiantes interactúan con recursos digitales multimedia, superando las limitaciones estáticas dellibro de texto tradicional. En contraste con la metodología expositiva recibida por el grupo control, donde elaprendizaje depende de la retención inmediata en clase, el entorno de Google Classroom funcionó como unandamiaje cognitivo permanente.Más allá de las calificaciones cuantitativas, se observó un cambio cualitativo en la dinámica de interacción.Mientras que el grupo control mantuvo una actitud pasiva-receptiva, el grupo experimental demostró mayoresniveles de autonomía y colaboración. Este fenómeno se alinea con los estudios de Pérez-López y Rivera(2023), quienes identificaron que los entornos virtuales bien estructurados transforman el aula física en unespacio de "construcción social del conocimiento", donde el docente deja de ser el único transmisor deinformación para convertirse en un mediador de debates matemáticos.Sin embargo, es crucial notar que la aceptación de la herramienta no fue automática. La adaptación a laautonomía requiere superar una resistencia inicial. Según Al-Maroof et al. (2021), la "facilidad de usopercibida" es el predictor más fuerte para la adopción de Google Classroom; si el estudiante no percibe laplataforma como intuitiva, el rendimiento puede estancarse. En este estudio, la organización secuencial de losmateriales mitigó dicha barrera, coincidiendo con Tzafilkou et al. (2022), quienes advierten que unasobrecarga cognitiva por un mal diseño de interfaz en el LMS puede generar efectos adversos, algo que seevitó mediante una curación precisa de contenidos.Pág. 8 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 34Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Finalmente, aunque los resultados son positivos, deben interpretarse dentro de las condiciones del estudio.Zhang y Liu (2023), en un metaanálisis reciente sobre aprendizaje híbrido, señalan que el impacto de estasherramientas tiende a estabilizarse con el tiempo; es decir, el "efecto novedad" puede influir en el entusiasmoinicial. Por tanto, la sostenibilidad de estos resultados a largo plazo dependerá de la capacidad del docentepara renovar las estrategias de gamificación y reto dentro de la plataforma, evitando que Google Classroomse convierta en un simple repositorio de archivosConclusionesSe determinó que el uso de Google Classroom como herramienta de gestión del aprendizaje influyó de manerapositiva y estadísticamente significativa en el rendimiento académico de los estudiantes de segundo año debachillerato en la asignatura de Geometría Analítica. Los resultados de la prueba t de Student (p < 0.05)evidencian que el grupo experimental superó al grupo control en 1.70 puntos en el promedio final,demostrando que la mediación tecnológica es superior al método tradicional expositivo para la asimilaciónde contenidos matemáticos complejos.La integración de la estrategia de Aula Invertida permitió optimizar el tiempo presencial, transformando elrol del estudiante de un receptor pasivo a un agente activo. El acceso asincrónico a recursos multimedia(videos y simulaciones) facilitó la visualización previa de vectores y cónicas, lo que resultó fundamental parasuperar las barreras de abstracción propias de la geometría. Esto valida que la tecnología es más efectivacuando se utiliza para liberar el espacio del aula para la resolución colaborativa de problemas.Más allá de las calificaciones, la intervención promovió el desarrollo de competencias transversales. Seconcluye que el entorno virtual bien estructurado fomenta la autonomía y la autorregulación del aprendizaje,ya que los estudiantes pudieron gestionar sus propios ritmos de estudio y repasar el material las vecesnecesarias, algo que la clase magistral efímera no permite.Finalmente, se concluye que la herramienta tecnológica per se no garantiza el éxito educativo; su efectividaddepende del diseño instruccional. Para replicar estos resultados, es imperativo que las instituciones educativasno limiten el uso de Google Classroom a un simple repositorio de archivos, sino que capaciten al cuerpodocente en metodologías activas que integren la retroalimentación constante y la interacción dinámica dentrode la plataforma.ReferenciasAl-Maroof, R. S., Alnasoni, H. A., & Al-Emran, M. (2021). Students’ acceptance of GoogleClassroom: An exploratory study using PLS-SEM approach. International Journal of Emerging Technologiesin Learning (iJET), 16(6), 112-123. https://doi.org/10.3991/ijet.v16i06.18887Pág. 9 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 35Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Arias, F. G. (2021). El Proyecto de Investigación: Introducción a la metodología científica (7ma ed.).Editorial Episteme.Bergmann, J., & Sams, A. (2014). Flipped Learning: Gateway to Student Engagement. ISTE.ampbell, D. T., & Stanley, J. C. (2015). Diseños experimentales y cuasiexperimentales en lainvestigación social. Amorrortu.Collantes Inga, E., & Collantes Inga, Z. M. (2022). Impacto de la plataforma Google Classroom enlas competencias matemáticas. Ciencia Latina Revista Científica Multidisciplinar, 6(1), 298–310.https://doi.org/10.37811/cl_rcm.v6i1.1500George, D., & Mallery, P. (2019). IBM SPSS Statistics 26 Step by Step: A Simple Guide andReference. Routledge.Gómez-García, M., Rodríguez-Jiménez, C., & Ramos-Navas-Parejo, M. (2022). Realidad aumentaday geometría: desarrollo de la competencia visual en bachillerato. Revista Electrónica de InvestigaciónEducativa, 24, e08. https://doi.org/10.24320/redie.2022.24.e08.4111Govender, D. (2023). Artificial Intelligence in Mathematics Education: Student Perceptions andChallenges. Journal of Educational Technology, 14(2), 45-60.Hernández Correa, P. G. (2025). Uso de la Plataforma de Google Classroom como EnseñanzaAprendizaje para Mejorar el Rendimiento Académico. Estudios y Perspectivas Revista Científica yAcadémica, 5(3), 4469–4530.Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: las rutascuantitativa, cualitativa y mixta. McGraw-Hill Education.Korkmaz Guler, M., Gurbuz, R., & Ozdemir, M. E. (2024). Digital transformation in high schoolmathematics: The case of dynamic geometry software. Educational Studies in Mathematics, 115, 112-130.López, J. M., & Sánchez, R. (2022). Integración de herramientas digitales en la enseñanza dematemáticas: Caso Google Classroom en Educación Básica Superior. Revista Arbitrada Koinonía, 15(2),345–359.Mena Bermeo, S. A., Mena Bermeo, J. C., & Mena Bermeo, M. A. (2024). Google Classroom comoestrategia de refuerzo académico. Código Científico Revista de Investigación, 5(1), 579–597.Otzen, T., & Manterola, C. (2017). Técnicas de Muestreo sobre una Población a Estudio. InternationalJournal of Morphology, 35(1), 227-232.Pág. 10 / 11

Esta obra está bajo una licencia Creative Commons de tipo Atribución 4.0 Internacional(CC BY 4.0)E-mail: revista.alcance@unesum.edu.ec 36Revista Científica Arbitrada MultidisciplinariaALCANCE. Vol. 8, Núm.1. (julio - diciembre 2025.)ISSN:2806-5794Pérez-López, E., & Rivera, E. (2023). Collaborative learning in virtual environments: A strategy forhigh school mathematics. Journal of Technology and Science Education, 13(2), 410-425.Rodríguez-Basantes, V. V. (2023). La herramienta Google Classroom como apoyo al aprendizaje.Revista Arbitrada Koinonía, 8(2), 965–980.Salas-Rueda, R. A. (2024). Impact of Flipped Classroom and Google Classroom on the Teaching-Learning Process of Mathematics. Contemporary Educational Technology, 16(1), ep489.https://doi.org/10.30935/cedtech/14102Tzafilkou, K., Perifanou, M., & Economides, A. A. (2022). Negative emotions, cognitive load, andperceived value of a mobile learning environment during the pandemic. Educational Technology Researchand Development, 70, 1421–1446.UNESCO. (2022). Transforming Education: The Power of Digital Learning Tools. UNESCO DigitalRepository.Vega, C., & Miranda, S. (2021). El modelo Flipped Classroom en la enseñanza de las matemáticas:Un estudio empírico. Revista de Innovación Educativa, 12(3), 89–102.Vega Sopalo, G. I. (2022). Entorno virtual Google Classroom aplicado al proceso de enseñanza-aprendizaje. [Tesis de Grado]. Universidad Tecnológica Indoamérica. Repositorio Institucional UTI.Wardat, Y., Tasneem, A., & Al-Hassan, M. (2023). The impact of AI and digital tools on mathematicalretention. International Journal of Instruction, 16(1), 203-222.Zakaria, G. (2023). Evaluating the Technology Acceptance of Google Classroom as an OnlineLearning Tool. International Journal of Research and Innovation in Social Science, 7(4).Zhang, Y., & Liu, S. (2023). A meta-analysis of the effectiveness of blended learning in mathematicseducation: The moderating role of instructional design. Computers & Education, 196, 104726.Zuñiga-Tonio, J. (2021). Google Classroom: Accessibility, utility, and student satisfaction in flexiblelearning. International Journal of Educational Technology, 18(3), 110-125Pág. 11 / 11