Los tutores impulsados por IA que interactúan con los estudiantes en escenarios de preguntas y respuestas utilizando modelos de lenguaje grandes (LLMs) como modelos fundamentales para generar respuestas representan una solución escalable potencial a la creciente demanda de tutoría uno a uno. En campos como las matemáticas, donde los estudiantes a menudo enfrentan dificultades, a veces llevando a la frustración, las interacciones en lenguaje natural fáciles de usar emergen como una alternativa para mejorar el compromiso y proporcionar asesoramiento personalizado. A pesar de su prometedor potencial, los desafíos para los tutores basados en LLM en el dominio de las matemáticas son dobles. Primero, la ausencia de razonamiento genuino y habilidades de generalización en los LLM a menudo resulta en errores matemáticos, que van desde cálculos inexactos hasta pasos de razonamiento defectuosos e incluso la aparición de contradicciones. En segundo lugar, las capacidades pedagógicas de los tutores impulsados por IA deben examinarse más allá de simples escenarios de preguntas y respuestas, ya que su efectividad en la tutoría de matemáticas depende en gran medida de su capacidad para guiar a los estudiantes en la construcción del conocimiento matemático. En este artículo, presentamos un estudio que explora los aspectos pedagógicos de los tutores basados en LLM a través del análisis de sus respuestas en diálogos matemáticos utilizando técnicas de extracción de características aplicadas a datos textuales. El uso de técnicas de procesamiento de lenguaje natural (NLP) permite la cuantificación y caracterización de varios aspectos de las estrategias pedagógicas desplegadas en las respuestas, que la literatura identifica como esenciales para involucrar a los estudiantes y proporcionar orientación valiosa en la resolución de problemas matemáticos. Los hallazgos de este estudio tienen implicaciones prácticas directas en el diseño de tutores de matemáticas más efectivos impulsados por IA, ya que destacan las características más relevantes de respuestas valiosas y pueden, por lo tanto, informar la capacitación de los LLM.