-LibroPerspectivasyprospectivasescenarioformativo3

Vista previa del material en texto

D
y
k
in
s
o
n
 e
B
o
o
k
Laura Alarcón Gómez
Pilar Arantegui Gallardo 
Sofía Bernardo Méndez
(coordinadoras)
ISBN: 978-84-1122-264-8
PERSPECTIVAS Y 
PROSPECTIVAS EN EL 
NUEVO ESCENARIO 
FORMATIVO
José Juan Carrión Martínez 
María del Mar Fernández Martínez
Samuel Crespo Ramos
Magdalena Ramos Navas-Parejo
(Coordinadores)
ISBN: 978-84-1122-262-4
Collection Innovation in Social Sciences 
Colección en Innovación en Ciencias Sociales
PERSPECTIVAS Y 
PROSPECTIVAS EN EL NUEVO 
ESCENARIO FORMATIVO 
José Juan Carrión Martínez 
María del Mar Fernández Martínez 
Samuel Crespo Ramos 
Magdalena Ramos Navas-Parejo 
(Coordinadores) 
Todos los derechos reservados. Ni la totalidad ni parte de este libro, incluido el diseño de la cubierta, 
puede reproducirse o transmitirse por ningún procedimiento electrónico o mecánico. Cualquier forma 
de reproducción, distribución, comunicación pública o transformación de esta obra solo puede ser 
realizada con la autorización de sus titulares, salvo excepción prevista por la ley. Diríjase a CEDRO 
(Centro Español de Derechos Reprográficos) si necesita fotocopiar o escanear algún fragmento de esta 
obra (www.conlicencia.com; 91 702 19 70 / 93 272 04 47) 
Editorial DYKINSON, S.L. Meléndez Valdés, 61 - 28015 Madrid 
Teléfono (+34) 91 544 28 46 - (+34) 91 544 28 69 
e-mail: info@dykinson.com / www.dykinson.es / www.dykinson.com 
Este libro ha sido sometido a evaluación por parte de nuestro Consejo Editorial. 
Para mayor información, véase Consejo Editorial: 
www.dykinson.com/quienes_somos 
© Los autores 
Madrid, 2022 
ISBN: 978-84-1122-262-4
ÍNDICE
Capítulo 1. INTELIGENCIA ARTIFICIAL Y ECOLOGÍAS DE APRENDIZAJE. 
Esteban Vázquez Cano, Norberto Díaz Díaz, Samuel Crespo Ramos 
y Eloy López Meneses. 
9 
Capítulo 2. EL APRENDIZAJE COLABORATIVO EN ENTORNOS VIRTUALES EN 
LA ENSEÑANZA OBLIGATORIA DENTRO DEL CONTEXTO 
EDUCATIVO ESPAÑOL 
Nieves Gutiérrez Ángel, María Dolores Pérez-Esteban, José Juan 
Carrión Martínez y María del Mar Fernández Martínez. 
31 
Capítulo 3. DIVERSIFICANDO LA ENSEÑANZA: LAS COMUNIDADES DE 
APRENDIZAJE COMO FUTURO DE LA EDUCACIÓN 
María Dolores Pérez-Esteban, Nieves Gutiérrez Ángel, María del 
Mar Fernández Martínez y José Juan Carrión Martínez 
43 
Capítulo 4. RECURSOS TIC PARA LA ANIMACIÓN A LA LECTURA. LA 
IMPORTANCIA DE ADQUIRIR EL HÁBITO LECTOR EN CONTEXTOS 
DESFAVORECIDOS 
Magdalena Ramos Navas-Parejo, María Pilar Cáceres Reche, 
Blanca Berral Ortiz y Daniel Camuñas García. 
59 
Capítulo 5. EL MARCO DE COMPETENCIAS DIGITALES DIGCOMP 2.1 COMO 
REFERENCIA PARA LA ACTUALIZACIÓN TECNOPEDAGÓGICA. 
Santiago Pozo-Sánchez, Noemí Carmona-Serrano, Jesús López-
Belmonte y Juan José Aguilar Álvarez. 
79 
Capítulo 6. PRÁCTICAS Y ESTRATEGIAS DOCENTES EN CONTEXTOS DE 
EDUCACIÓN A DISTANCIA EN COMUNIDADES 
LATINOAMERICANAS. 
Claudio Barrientos Piñeiro, Olga Lucía Agudelo Velásquez, Mario 
Ruiz Luis y María Teresa Gatica Secaida. 
91 
Capítulo 7. ESCAPE ROOM EDUCATIVAS: PROPUESTAS Y USOS DIDÁCTICOS 
EN EDUCACIÓN SUPERIOR. 
Marta Mauri Medrano. 
105 
5
 
Colección Innovación en Ciencias Sociales 
Esta colección sistematiza principios y experiencias formativas vinculadas con la Innovación educativa en 
Ciencias Sociales. 
 
Directores. 
Dr. D. Eloy López Meneses (Universidad Pablo de Olavide). 
Dr. D. César Bernal Bravo (Universidad Rey Juan Carlos). 
 
Directores Adjuntos. 
Dr. D. Esteban Vázquez Cano (Universidad Nacional de Educación a Distancia). 
Dra. Dña. Antonia Rodríguez Fernández (Universidad de Almería). 
Dr. D. José Gómez Galán. (Universidad de Extremadura). 
Dr. D. José María Fernández Batanero. (Universidad de Sevilla). 
 
Comité Científico. 
Dr. D. Pedro Román Graván (Universidad de Sevilla). 
Dr. D. Emilio José Delgado Algarra (Universidad de Huelva). 
Dra. Dña. Mariana Daniela González Zamar (Universidad de Almería). 
Dr. D. Carlos Hervás Gómez (Universidad de Sevilla). 
Dra. Dña. Esther Fernández Márquez (Universidad Pablo de Olavide). 
Dr. D. José Juan Carrión Martínez. (Universidad de Almería). 
Dra. D. Antonio Luque de la Rosa (Universidad de Almería). 
Dra. Dña. Eva Ordóñez Olmedo (Universidad Pablo de Olavide). 
Dra. Dña. Isotta Mac Fadden (Universidad Pablo de Olavide). 
Dra. Dña. Irene Magdalena Palomero Ilardia (Universidad Rey Juan Carlos). 
Dr. D. Cristóbal Ballesteros Regaña (Universidad de Sevilla). 
Dr. D. Samuel Crespo Ramos (Universidad Pablo de Olavide). 
Dr. D. Emilio Abad Segura (Universidad de Almería). 
Dra. Dña. María del Mar Fernández Martínez. (Universidad de Huelva). 
 
 
 Esta colección está patrocinada por la Cátedra de Educación y 
Tecnologías Emergentes, Gamificación e Inteligencia Artificial 
(EduEmer). 
 
 
 
6
INTRODUCCIÓN. 
La obra que se ha editado con el título “Perspectivas y prospectivas en el nuevo 
escenario formativo" coordinada por profesores y profesoras de distintas 
universidades, recoge en sus siete capítulos una nutrida y exhaustiva reflexión y 
profundización acerca de las nuevas y variadas escenas y posibilidades formativas 
que recoge el panorama actual y futuro. Todo ello a través de marcos teóricos, 
análisis de prácticas pedagógicas y experiencias innovadoras. 
El primer capítulo pone de manifiesto el valor añadido que supone la 
aplicación de diferentes técnicas de inteligencia artificial aplicadas al contexto 
educativo, en sus diferentes escenarios y ecologías del aprendizaje. 
El segundo capítulo muestra las principales ventajas y posibilidades que ofrece 
los paradigmas del aprendizaje colaborativo en los entornos virtuales dentro de la 
enseñanza obligatoria en España, con la pertinencia e importancia que estas 
pedagogías han deparado en una etapa privada de la educación presencial como la 
reciente. 
El tercer capítulo muestra las virtudes de la aplicación de las Comunidades de 
Aprendizaje como núcleo en la apuesta por la diversidad educativa enfocado en los 
nuevos paradigmas educativos para compensar las dificultades actuales y del futuro 
a corto plazo. 
El cuarto capítulo recoge la justificación y un denso catálogo de recursos TIC 
con la intención de animar tanto a la propia lectura como a fomentar el hábito 
lector en aquellos escenarios menos favorecidos. 
El quinto capítulo desarrolla las diferentes competencias digitales desde el 
marco DigiComp 2.1 como referencia para la actualización formativa y 
competencial de la tecnología aplicada al mundo educativo y sobre el que diferentes 
administraciones educativas han hecho hincapié recientemente. 
El sexto capítulo se centra en diferentes prácticas, enfoques y estrategias 
educativas puestas en valor en entornos de educación a distancia en comunidades 
latinoamericanas, en sus diferentes ejes formativos. 
Por último, el séptimo capítulo expone los principios de la gamificación y sus 
posibilidades para tras ello profundizar en el diseño y puesta en valor de Escape 
Rooms educativas. 
7
 
 
Estos siete capítulos conforman un ineludible, sugestivo y actualizado 
recorrido por las vigentes ecologías del aprendizaje que todo docente debe conocer, 
para dirigirse al alumnado de hoy día, con los difíciles retos que la pandemia ha 
esbozado en el panorama educativo actual, sobre una sociedad compleja y en 
muchos aspectos psicosociales diferente de generaciones pasadas. 
 
 
Muchas gracias. 
 
8
INTELIGENCIA ARTIFICIAL Y ECOLOGÍAS DE APRENDIZAJE. 
Esteban Vázquez Cano 
Universidad Nacional de Educación a Distancia 
Norberto Díaz Díaz 
Universidad Pablo de Olavide 
 Samuel Crespo Ramos 
Universidad Pablo de Olavide 
Eloy López Meneses 
Universidad Pablo de Olavide 
1. INTRODUCCIÓN
Educación, Ciencia y Tecnología, son elementos que más allá de dar nombre a 
ministerios, consejerías y modelos de investigación y desarrollo, están 
predestinados desde siempre a dialogar y entenderse pues, cuando los paradigmas 
de las ciencias sociales han medirse ante las llamadas exactassurgen fallas curiosas, 
eficaces y prometedoras, aunque también originan debates de índole ético, y 
comprometido. Algo así sucede cuando las tecnologías de la reciente cuarta 
revolución industrial, como la inteligencia artificial, se planta ante las puertas de la 
Educación y más aún, de sus diferentes ecologías del propio aprendizaje. 
Así, esta cuarta revolución nacida tan solo en 2010, marcada por tres aristas que 
confluyen en ella, como la velocidad de los cambios, los alcances de ésta, y el 
impacto de todas sus tecnologías interconectadas, es capaz de evolucionar y 
revolucionar de facto los conceptos como la economía, la política o sin ir más lejos, 
la propia educación y ecologías del aprendizaje. Esta inteligencia artificial, lejos de 
ser considerada como futurista, está presente hoy por hoy en multitud de tareas 
9
cotidianas como la búsqueda de información, toma de fotografías, interacción con 
asistentes o sistema de recomendación de series y películas, entre muchas otras, 
aunque como es de costumbre y las aulas suelen ser un escenario tardío por muchas 
razones. 
En cualquier caso, el debate por su carácter vanguardista, radica sin duda en qué 
beneficios puede deparar la inteligencia artificial a la educación y ya está encima de 
la mesa, sin olvidar una vez más la lógica reflexión ética ante la colisión de los 
avances en la educación como ciencia social, y lo que potencialmente podría 
suponer la mencionada tecnología como ciencia aplicada de la computación. Estos 
beneficios, basados entre otros procesos en el registro, aprendizaje automático y 
búsqueda de patrones de datos, son en gran parte proporcionales a la cantidad y 
calidad de información sobre los que pueda trabajar, lo que ya supone en sí tanto 
un hándicap como una oportunidad. 
2. INTELIGENCIA ARTIFICIAL Y EDUCACIÓN.
Audrey Azoulay, Directora General de la UNESCO en la Semana del Aprendizaje 
Móvil de la UNESCO de París en 2019, afirmó que la Inteligencia artificial (IA) 
transformará profundamente la educación, al igual que ya vaticinaron 
recientemente autores como Sharma., Kawachi y Bozkurt (2019). De esta forma, 
los avances en IA podrán revolucionar en breve tanto los métodos de enseñanza, 
como las formas de aprender, y en general la forma en la que accedemos al 
conocimiento o de proveer la propia capacitación a los docentes (Moreno, 2019). 
De esta forma, el gran objetivo que pudiera proveer la IA, en coherencia con lo 
avanzado en la ciencia de la educación, sería el desarrollo de algoritmos, programas 
y aplicaciones que permitieran entornos de aprendizaje adaptativos y 
personalizados, que permitiera encontrar y aplicar la mejor manera de desarrollar 
estrategias puntuales de adquisición de conocimiento por parte de un determinado 
alumno y también un modo de alimentar de información que permitirá a la IA 
generar posibles estrategias para impartir conocimientos de manera eficaz y 
puntual basando en sus análisis predictivos y evacuativos. 
10
Aunque los primeros intentos no fueron muy exitosos, el desarrollo tecnológico 
actual nos sitúa en un contexto muy diferente debido, entre otros avances, al acceso 
a gran cantidad de datos e información sobre los estudiantes, con tecnologías como 
las basadas en Big Data, entendidas como conjuntos de datos o combinaciones de 
conjuntos de datos cuyo tamaño, complejidad y velocidad de crecimiento no 
pueden ser tratados con medios convencionales. A su vez, la inteligencia artificial 
(IA) está fuertemente asociada convencionalmente con las computadoras. Sin 
embargo, es evidente, a partir de una revisión de los diversos artículos, 
particularmente en el contexto del sector de la educación que, si bien las 
computadoras pueden haber formado la base del desarrollo de la inteligencia 
artificial, existe una gravitación que se aleja de la computadora por sí sola, el 
hardware y software, o el equipo, como inteligencia artificial. 
Las computadoras integradas, los sensores y otras tecnologías emergentes han 
facilitado la transferencia de inteligencia artificial a máquinas y otros elementos, 
como edificios y robots (Chassignol et al., 2018) que proporciona una definición y 
una descripción de dos facetas de la IA. Como teoría, se definió la IA como un 
marco teórico que guía el desarrollo y uso de sistemas informáticos con las 
capacidades de los seres humanos, más particularmente, la inteligencia y la 
capacidad de realizar tareas que requieren inteligencia humana, incluida la 
percepción visual, el reconocimiento del habla, la toma de decisiones y la 
traducción entre idiomas. Otros académicos y en otros estudios, la definición de IA 
proporcionada pone de relieve elementos o características similares de la IA 
(Sharma et al, 2020) definiendo la IA como máquinas que tienen la capacidad de 
aproximarse al razonamiento humano. 
De manera similar, Pokrivcakova (2019), con una definición y descripción 
orientada al sector de la educación, observó que la IA es el resultado también de 
muchas décadas de investigación y desarrollo que reúne a diseñadores de sistemas, 
científicos de datos, diseñadores de productos, estadísticos, lingüistas, científicos 
cognitivos, psicólogos, expertos en educación y muchos otros para desarrollar 
sistemas educativos con cierto nivel de inteligencia y capacidad para realizar 
diferentes funciones, incluso para ayudar a los docentes y apoyar a los alumnos a 
desarrollar sus conocimientos y habilidades flexibles para un mundo en constante 
cambio. 
11
Así, la educación asistida por IA incluye tecnologías y paradigmas como la 
educación inteligente, aprendizaje virtual innovador y análisis y predicción de 
datos. Como muestra y resumen, enumeramos en la Tabla 1 los principales 
escenarios de la IA en la educación y las tecnologías clave de apoyo . 
Tabla 1. Escenarios y técnicas respectivas en IA para el contexto educativo 
Escenarios de educación en IA Técnicas relacionadas con la IA 
Evaluación de estudiantes y escuelas Método de aprendizaje adaptativo y 
enfoque de aprendizaje personalizado 
Análisis académico. Calificación y 
evaluación de trabajos y exámenes 
Reconocimiento de imágenes, visión 
artificial, sistema de predicción 
Enseñanza inteligente personalizada Extracción de datos (data mining) o 
interferencia del conocimiento Bayesin, 
inteligente sistemas de enseñanza, análisis 
de aprendizaje 
Escuela inteligente Reconocimiento facial, reconocimiento de 
voz, laboratorios virtuales, AIR, V/R, 
tecnologías de audición y detección 
Educación remota móvil y en línea Computación perimetral, asistentes 
virtuales personalizados, análisis en tiempo 
real 
No podemos olvidar que la educación habilitada por IA está desempeñando un 
papel más importante a medida que se promueven los requisitos de 
aprendizaje (Rus, D'Mello, Hu & Graesser, 2013) . Los sistemas educativos 
inteligentes brindan instrucción y retroalimentación oportuna y personalizada 
tanto para los instructores como para los alumnos. Estos están diseñados para 
mejorar el valor y la eficiencia del aprendizaje mediante múltiples tecnologías 
informáticas, especialmente tecnologías relacionadas con el aprendizaje 
automático, que están estrechamente relacionadas con el modelo estadístico y la 
teoría del aprendizaje cognitivo. 
De esta forma, se incorporan diversas técnicas al sistema de IA para el análisis del 
aprendizaje, como sistemas de recomendación, la comprensión y la adquisición de 
12
conocimientos basadas en el aprendizaje automático o la minería de datos y el 
modelo de conocimiento (Nunn, Avella, Kanai & Kebritchi, 2016). Los contextos 
educativos provistos de IA generalmente constan de contenidos de enseñanza, 
datos y algoritmos inteligentes, que se pueden dividir en dos partes. Estos son en 
primer lugar, el modelo del sistema (que incluye el modelo de alumno, el modelo 
de enseñanza y el modelo de conocimiento) y las tecnologíasinteligentes. Como se 
muestra en la Figura 2, la ayuda del modelo para construir un mapa de datos es 
crucial para mejorar el aprendizaje, lo que establece estructuras y reglas de 
asociación para los datos educativos recopilados. El modelo funciona como un 
núcleo en el sistema de IA, con tecnologías que proporcionan energía al sistema. 
Figura 2. Estructura tecnológica de la educación en IA. 
En el sistema de aprendizaje basado en IA, el modelo de aprendizaje es fundamental 
para mejorar las capacidades de aprendizaje independiente. Este se establece en 
base a los datos de comportamiento del alumnado generados a partir del proceso 
de aprendizaje. Se analiza el pensamiento y la capacidad del estudiantado para 
evaluar sus habilidades de aprendizaje. Luego, el análisis del conocimiento se 
mapea para obtener el dominio del conocimiento de los alumnos. El modelado del 
alumno establece conexiones entre los resultados del aprendizaje y varios factores, 
incluidos los materiales de aprendizaje, los recursos y los comportamientos de 
enseñanza. El modelo de conocimiento establece un mapa de estructura de 
13
conocimiento con contenidos de aprendizaje detallados, que generalmente 
incluyen conocimiento experto, reglas para cometer errores que a menudo cometen 
los alumnos y malentendidos (Nunn, Avella, Kanai & Kebritchi, 2016). Al 
combinar el modelo de campo de conocimiento y el modelo de alumno, el modelo 
de enseñanza determina las reglas para acceder al campo de conocimiento, lo que 
permite a los instructores adaptar las estrategias y acciones de enseñanza. A medida 
que la educación evoluciona, es probable que los alumnos se comporten de manera 
positiva, tomen medidas o busquen ayuda. El sistema de IA deberá estar preparado 
para ofrecer ayuda a partir de las teorías de enseñanza integradas del modelo de 
tutoría. La interfaz de usuario explica el desempeño de los alumnos a través de 
múltiples medios de entrada (voz, escritura y clic) y proporciona resultados (textos, 
figuras, dibujos animados y agencias). La avanzada interfaz hombre-máquina 
proporciona funciones relacionadas con la IA, incluida la interacción del lenguaje 
natural, el reconocimiento de voz y la detección de emociones de los alumnos. 
Por otra parte, el aprendizaje automático o adaptativo, el análisis de aprendizaje y 
la minería de datos son tecnologías estrechamente relacionadas para la 
educación. En la actualidad, haya varios ejemplos (Estevez, Garate y Graña, 2019) 
que han evolucionado en base a análisis de aprendizaje y minería de datos 
educativos. Así, se benefician de una variedad de disciplinas, como el aprendizaje 
automático, la minería de datos, la psicometría de las estadísticas y el modelado de 
datos. El campo de las analíticas de aprendizaje se centra más en los sistemas de 
gestión de contenidos de aprendizaje y los resultados de pruebas a gran escala. La 
minería de datos se origina en la comunidad de sistemas de tutoría inteligente, el 
trabajo en la cognición a muy pequeña escala. Veamos algunos elementos clave de 
la IA como el aprendizaje automático, aprendizaje adaptativo, análisis del 
aprendizaje o minería de datos, muy relacionados y aprovechables por sus 
características con las ventajas de las diferentes ecologías del aprendizaje. 
Aprendizaje automático. Su núcleo es el descubrimiento de conocimiento, el 
proceso de análisis basado en un conjunto de datos de muestreo conocido como 
"datos de entrenamiento", que genera patrones significativos y un conocimiento 
estructurado. Por ejemplo, el aprendizaje automático puede ayudar a crear 
recomendaciones para los estudiantes a medida que seleccionan clases, incluso 
eligen universidades. Aprovecha los datos de logros, aspiraciones, preferencias de 
14
los estudiantes para "emparejar" instituciones donde puedan desarrollarse 
mejor. Además, esta tecnología puede ayudar a los instructores a comprender cómo 
los estudiantes digieren cada concepto (Kučak, Juričic & Dambić, 2019). De esta 
manera, los instructores pueden ajustar el método de enseñanza para que funcione 
bien en función de los registros acumulativos de los estudiantes, lo que puede 
ayudar a los estudiantes a comprender mejor el material del curso. En particular, 
para la evaluación de los estudiantes, el reconocimiento de imágenes y la predicción 
del aprendizaje automático se pueden usar para calificar las tareas y los exámenes 
de los estudiantes, con resultados más rápidos y confiables que los humanos. Cabe 
señalar que el aprendizaje profundo, el subcampo del aprendizaje automático, atrae 
mucha atención. Estas técnicas ampliamente utilizadas incluyen el aprendizaje del 
árbol de decisiones, la programación lógica inductiva, la agrupación, el aprendizaje 
por refuerzo y las redes bayesianas. Desde la perspectiva de la técnica, el aprendizaje 
profundo hace hincapié en representaciones cada vez más significativas a partir del 
aprendizaje de capas sucesivas. 
Aprendizaje adaptativo: La IA promueve también el desarrollo del aprendizaje 
adaptativo, en el que se aplican minería de datos, sistemas de enseñanza 
inteligentes, análisis de aprendizaje y análisis en tiempo real en el aprendizaje 
adaptativo. El aprendizaje adaptativo como tal intenta incorporar todos los 
aspectos de las pruebas, la enseñanza, el aprendizaje y la práctica en el sistema de 
aprendizaje adaptativo para facilitar el aprendizaje de los estudiantes ((Van Der 
Vorst y Jelicic, 2019). El sistema de aprendizaje adaptativo puede recopilar datos 
del comportamiento de aprendizaje de los estudiantes (Cui et al., 2019), planificar 
la ruta de aprendizaje óptima para los estudiantes en función del análisis de las 
habilidades de los estudiantes y completar el proceso de aprendizaje de circuito 
cerrado al impulsar el contenido de aprendizaje como videos de enseñanza en línea. 
Hay algunos problemas que surgieron y que no se pueden resolver después de 
estudiar en clase. La tecnología de interacción humano-computadora 
proporcionada por la IA puede ayudar a los maestros a responder las preguntas de 
los estudiantes en línea (Goel & Polepeddi, 2016). Hoy en día, muchas empresas 
ofrecen sistemas de aprendizaje adaptativo, como DreamBox Learning (Gramos, 
2018), BYJU'S (Tripathy & Devarapalli, 2020) e IBM Watson Education (Russo-
Spena, Mele y Marzullo, 2019), que son empresas relativamente maduras. con 
sistemas de aprendizaje adaptativo, y los maestros aplican los sistemas en clase para 
mejorar los efectos de la enseñanza en el aula. 
15
Análisis de aprendizaje. Se centra en los datos de las características de los 
estudiantes y los objetos de conocimiento del modelo de aprendizaje y el modelo 
de campo de conocimiento. El concepto de análisis de aprendizaje conlleva 
asimismo el citado aprendizaje automático. El propósito es adaptar el método 
educativo a la necesidad y la capacidad del alumno individual, como intervenir con 
los alumnos en riesgo o proporcionar retroalimentación y contenido 
instructivo. Utiliza técnicas relacionadas con el aprendizaje automático, la 
visualización de datos, las ciencias del aprendizaje y la semántica. Por ejemplo, el 
aprendizaje de competencias basado en IA, que genera datos críticos de los 
estudiantes, puede encontrar información sobre los estudiantes y predecir las 
competencias críticas que pueden perseguir, lo que permite a las instituciones 
actuar de manera proactiva. Además de un aprendizaje basado en competencias, el 
análisis de aprendizaje también explota la capacidad versátil de la IA para aprender 
de forma autónoma. 
Minería de datos. La minería de datos educativos basada en IA trata de generar 
respuestas sistemáticas y automatizadas para los alumnos y tiene como objetivo 
desarrollar reglas de asociación inherentes y ofrecer objetos de conocimiento a los 
estudiantes para satisfacer sus necesidades personales. Por ejemplo, los datos de 
características demográficasde los estudiantes y los datos de calificación se pueden 
analizar a partir de una pequeña cantidad de tareas escritas. Se puede lograr 
mediante un método de regresión de aprendizaje automático que también se puede 
usar para predecir el desempeño futuro de un estudiante. Además, la minería de 
datos se está convirtiendo en una poderosa herramienta para mejorar el proceso de 
aprendizaje y el dominio del conocimiento, lo que conduce a una mejor 
comprensión de los entornos educativos y los alumnos. En otras palabras, la 
minería de datos puede verse como el descubrimiento de patrones y el modelado 
predictivo aplicado para extraer conocimiento oculto, lo que permite a los 
instructores realizar ajustes para mejorar el desarrollo del plan de estudios en el 
sistema educativo. Una de las aplicaciones importantes es que la IA basada en la 
minería de datos puede lograr un aprendizaje personalizado a partir de los datos 
del campo de conocimiento, donde los estudiantes realizan su propio aprendizaje, 
a su propio ritmo pudiendo decidir su propio método de aprendizaje con la ayuda 
de la IA. 
16
En definitiva, concluiremos este apartado reseñando la potencia que posee la IA 
para penetrar y provocar cambios en diferentes sectores de la sociedad, siendo el 
sector de la educación uno de los que probablemente se vea más afectado. Como 
hemos visto, aunque los algoritmos de IA proporcionan feedback tanto a los 
procesos de enseñanza como a los de aprendizaje, son sobre estos últimos donde 
alcanza una mayor eficiencia. Elementos y áreas propias de la IA como el 
aprendizaje automático, análisis del aprendizaje o minería de datos tendrán una 
clara ventaja desde los paradigmas de las ecologías del aprendizaje, por el propio 
valor añadido de estas en coordinación con el uso de la propia tecnología, como 
veremos a continuación. 
3. ECOLOGÍAS DEL APRENDIZAJE
Las teorías ecológicas del aprendizaje (EA) se basan en la idea de que el aprendizaje 
se desarrolla con el transcurso del tiempo y desde múltiples entornos. Las 
oportunidades de aprendizaje son posibles y moldeadas por la EA en la que uno 
habita. Una EA por tanto es el contexto físico, social y cultural en el que tiene lugar 
el propio proceso del aprendizaje. Al igual que los ecosistemas naturales, las 
ecologías de aprendizaje (ver Figura 2) tienen propios componentes. 
Figura 2. Componentes de las ecologías del aprendizaje. 
Agentes
•Estudiantes
•Profesores
•Cualquier individuo
Medios
•Físicos
•Digitales
•Inteligencia artificial
•Aplicaciiones
17
Tal y como observamos y profundizaremos mas adelante, la inteligencia artificial 
se puede concebir , tal y como evidencia la figura, como un medio a través del cual 
se retroalimenta las posibilidades de las diferentes ecologías del aprendizaje. 
En definitiva, el planteamiento de las EA se basa en entornos donde el 
conocimiento compartido permite el fomento y el desarrollo de múltiples 
conexiones y fuentes de información, las que se estructuran de forma 
personalizada, facilitando el aprendizaje constante y continuo de forma libre, 
inarticulada, dinámica, adaptable y desorganizada (García, 2009; Santamaría, 
2011). Estos ecosistemas se componen por un conjunto de comunidades, que se 
entrelazan por algún factor en común, favoreciendo la retroalimentación, una 
evolución progresiva y autogestionada, permitiendo la construcción social de 
nuevos significados (Brown, 2000). Éstos se transmitirán a través de tecnologías 
digitales, con un alto componente de interacción colaborativa y cooperativa que ira 
en función del diseño de saberes multiconectados (Bonzo, 2012). 
Al interior de las EA, el proceso de aprendizaje se comprende como la formación 
de redes, con la capacidad de estructurarse dinámicamente para adquirir, 
experimentar, actualizar, crear y conectar nuevos conocimientos externos a la 
persona (Valenzuela-Urra, Valdenegro-Egozcue y Oliveros-Castro, 2020). Estas 
redes de aprendizaje pueden ser percibidas como configuraciones existentes en 
nuestras mentes y que establecen pautas de entendimiento fácilmente modificables 
(Quintana, Vidal, Torres y Castrillejo, 2010; Siemens 2006). Así, estas redes se 
encuentran formadas por nodos, que son fuentes concretas o abstractas, reales o 
virtuales, pudiéndose encontrar en personas o dispositivos tecnológicos, en los 
cuales se reúne una gran cantidad de información sobre un determinado tema, el 
que es considerado por el individuo como pertinente y útil para resolver un 
problema. La vinculación de un conjunto de nodos personalizados y conectados 
entre sí permite el surgimiento de una red. 
Las redes, al ser un conjunto de nodos unidos, funcionan como una tubería por la 
cual la información fluye de forma bidireccional. Una conexión entre nodos 
significa una polinización informacional entre ellos (Oliveros, 2014), 
constituyendo estos nexos un entramado de filtros afectivo/emotivos, 
lógico/racionales y tecnológico/ informacionales, entre otros, permitiendo decidir 
18
qué conocimientos añadir y cuáles no. Estos conductos son fortalecidos y 
potenciados mediante la confianza, la interacción, la interactividad, y el 
relacionamiento constante y progresivo con nuevos medios tecnológicos que 
colaboran a afirmar estos vínculos (Barron, 2004; Frielick, 2004). Junto a lo 
anterior, la tendencia natural de las conexiones es a incorporar nuevos nodos o 
fuentes de información que ayuden al posicionamiento de los enfoques cognitivos 
del aprendizaje (Serrano y Pons, 2011), que, a su vez, continúan con el proceso de 
ampliación, creación, re – creación, modificación, transformación y enlace de 
saberes y aprendizajes diversos de forma constante y dinámica (Quintana, Vidal, 
Torres y Castrillejo, 2010; Siemens, 2006). Por tanto, el aprendizaje es comprendido 
como complejo, caracterizado por lo caótico, la borrosidad, diversidad y 
autoorganización (Munné, 1995), y no perfectamente empaquetado y preparado, 
como se visualiza en los programas educativos tradicionales, para los cuales el 
proceso de aprendizaje es ordenado y continuo. 
En este caso, la estructura tradicional es sustituida por modalidades que van en 
constante desarrollo y comunicación. Ilustrando lo anterior, en la figura 3 se 
muestra un ejemplo gráfico del proceso de aprendizaje como la unión de nodos que 
no necesariamente son afines entre sí, sino que también integran datos, conceptos 
y enfoques contradictorios que hacen que el aprender en las redes sea comprendido 
como algo vertiginoso y caleidoscópico. 
19
Figura 3. El aprendizaje como formación de nodos, redes y patrones neuronales 
Otro aspecto del aprendizaje que se modifica en esta lectura ecosistémica es el 
concepto de certeza, que se sustituye por el estado de suspenso continuo, debido a 
la explosión informacional y los avances tecnológicos (Barron, 2006). Lo anterior 
se fundamenta en la máxima que los conocimientos considerados hoy como válidos 
y estables, gracias al conjunto de nuevos descubrimientos, pueden dejar de tener 
preponderancia mañana (Morín, 1999; Siemens, 2008c). Esta perspectiva se 
enmarca en la lógica de que somos capaces de conocer parcialmente la realidad y 
que es necesario adoptar una serie de actitudes que permitan desarrollar “… la 
tolerancia ante la ambigüedad y la incertidumbre. La certeza es limitada en el 
tiempo, no para toda la vida” (Quintana, Vidal, Torres y Castrillejo, 2010). 
Por último, las EA facilitan el accionar de las dimensiones del aprendizaje tales 
como el saber sobre, que se traduce en los conocimientos propios de una disciplina 
o especialidad; el saber hacer o el saber cómo, que son los procedimientos para la
realización de una actividad; el saber ser, o el conocimiento relacionado con la 
humanidad y con los otros; el saber dónde o la identificación de los sitios para 
encontrar la información que se necesita; y el saber transformar, que es la 
20
produccióny estructuración personal de datos (Ladaga y Magallanes, 2013), a 
través del aprendizaje en diferentes modalidades, actividades colaborativas, 
aprendizaje autónomo y por medio de guías tutorializadas. (Esteve y Gisbert, 2011). 
Estas interacciones de modalidades y actividades antes mencionadas posibilitan al 
individuo, establecer filtros para evitar la infoxicación (Navas-Martin, Albornos-
Muñoz y Escandell-García, 2012). También se emplean los recursos tecnológicos 
digitales que son comunicadores y mediadores de datos, creencias, perspectivas y 
valores, los cuales se comparten usando lenguajes contextualizados, conocimientos 
y saberes nuevos en modalidad integrada y con una multidimensionalidad en el 
aprendizaje dentro de las comunidades que integran la EA, tal y como se muestra 
en la figura 4. 
Figura 4. Conexiones, dimensiones, canales y elementos del modelo de ecología de 
aprendizaje 
Fuente: Quintana, Vidal, Torres y Castrillejo (2010). 
21
4. LA INTELIGENCIA ARTIFICIAL APLICADA A LAS ECOLOGÍAS DEL
APRENDIZAJE 
Tratando de exponer finalmente las aplicaciones de la IA a las diferentes ecologías 
del aprendizaje, entendemos que una empresa de tal magnitud y alcance debe ser 
vehiculada por un organismo público para hacer posible el binomio calidad y 
equidad con la debida protección de datos y el manejo ético de los mismos. 
Las siguientes posibilidades que mencionamos aúnan las ventanas del aprendizaje 
ubicuo que permiten las ecologías del aprendizaje y los paradigmas de IA. Algunos 
ejemplos como decimos de la aplicación de este binomio serían las siguientes: 
-Confección y diseño automatizado, con técnicas de IA, de unidades didácticas
personalizadas con actividades específicas para reforzar o adquirir aprendizajes 
necesarios para cada alumno según sus propias necesidades, siguiendo escenarios 
de educación formal / informal para el alumnado. 
-Apoyo al profesorado en las diferentes tomas de decisiones, basada en
coincidencia o aproximación de patrones efectivos de múltiples variables, con 
algoritmos de machine learning, secuenciados en un histórico ingente de datos 
anonimizados permitiendo que, aunque la última palabra la tenga siempre el 
docente, pueda contar y apoyarse en el conocimiento cualitativo agregado. 
-Personalización del proceso de enseñanza, mediante la detección del estilo y
objetos de aprendizaje, entre otras variables, focalizando en procesos más eficaces 
para cada alumno. 
-Logro de una mayor autonomía y empoderamiento para el aprendizaje del
alumnado, mediante el Learning Crowdsourcing (Aprendizaje colectivo), en 
ecologías de aprendizaje conectadas. 
-Recomendación individual y privada de posibles itinerarios para el propio
alumnado en base a sus intereses, motivaciones, habilidades, aprendizajes, etc. 
22
-Disminución del tiempo de dedicación del profesorado a tareas mecánicas o
burocráticas, capaces de ser automatizadas por esta tecnología, con el 
reconocimiento de patrones 
-Aprendizaje automático ubicuo en redes sociales no supervisadas desde distintos
entornos de educación formal e informal, en coherencia con distintas ecologías de 
aprendizaje. 
En definitiva, es un hecho que la tecnología digital ha traído características de 
conexión que restablecen nuestra comprensión igualmente de arquitecturas 
sociales. Sobre áreas como la Inteligencia Artificial (IA) o Big Data, entre otras 
muchas, atesoran un gran potencial que les permite actuar sobre el campo 
educativo reorganizando su estructura para considerar a los actores humanos y no 
humanos y sus propias acciones en plataformas digitales. La naturaleza 
participativa de los entornos de la web social por ejemplo, acrecienta las 
oportunidades de producir y difundir creaciones propias y de aprender en 
colaboración con otros actores – pares, profesores, especialistas, artefactos de 
inteligencia artificial y cualquier otro colaborador interesado-. A través de esta 
dinámica, se extienden las denominadas EA, se globaliza la comunicación del 
conocimiento y se fortalece su sentido local, diverso y cultural; se estimula la idea 
de ser ciudadano del mundo y se amplían las oportunidades para relacionarse, 
aprender y cooperar en las más diversas 
Por otra parte, es innegable que vivimos también en un entorno caracterizado por 
el cambio permanente, la innovación y el avance acelerado del conocimiento, la 
ciencia y la tecnología, en el que las habilidades para aprender a aprender y 
aprender a lo largo de la vida se han vuelto indispensables y un claro valor añadido 
y diferenciador. Asimismo, el irrevocable tránsito de las sociedades 
contemporáneas hacia sistemas sociales tecnocientíficos, tales como la Cuarta 
Revolución Industrial (Schwab, 2017), la Sociedad 5.0 (Council for Science 
Technology and Innovation, 2016) y las ciudades del aprendizaje (UNESCO, 
2013a), sustentados en las crecientes capacidades de procesamiento computacional, 
automatización e inteligencia artificial, refuerzan la necesidad de adquirir un 
amplio conjunto de competencias tecnológicas para desempeñarse 
satisfactoriamente en sociedades cada vez más digitalizadas (Leal-Urueña, 2020). 
23
En conclusión, la consideración de los paradigmas de la inteligencia artificial en las 
ecologías del aprendizaje es a día de hoy incipiente, pero con una reconocida 
progresión exponencial dadas sus claras ventajas. En la última edición del Informe 
Horizon (Freeman et al., 2017), se reportaron prácticas en programación como 
alfabetización, robótica educativa y realidad virtual. En contrapunto a este ascenso 
se encuentra la necesaria formación sobre estas tecnologías para que formen parte 
de las actividades de formación del profesorado, en cuanto a las propias tecnologías 
en ecologías del aprendizaje STEAM, las analíticas de aprendizaje, los makerspaces, 
la inteligencia artificial y el Internet de las cosas, entre otras. Razón por la cual será 
esencial disen ̃ar intervenciones conducentes a su inclusión en los cursos y prácticas 
de formación de los futuros educadores. 
Como hemos reseñado en el presente artículo, es una característica esencial de la 
aplicación de la IA en las EA, los elementos de interacción o acción reci ́proca, que 
involucran no sólo la acción de las personas entre sí y sobre los artefactos, sino que 
incluye las acciones que estos, dotados de inteligencia artificial o cualquier otro tipo 
potencialidad de actuación, pudiendo igualmente producir sobre esta ecología. Este 
potencial de actuación va más allá de las características antropomórficas que 
puedan adoptar los artefactos, e implica sus capacidades de comunicación y 
aprendizaje, cada vez más sofisticadas, como resultado de las técnicas de 
aprendizaje de máquina –machine learning-, lo que amplía su comprensión, ya no 
como mediación sino como un actor dotado de lenguaje propio y que otorga 
sentidos y significados en los procesos de aprendizaje de nuestras diversas 
ecologías. 
BIBLIOGRAFÍA 
Barron, B. (2004). Learning ecologies for technological fluency: gender and 
experience differences. Journal of educational computing reseach, 31(1), 1-
36. 
DOI: https://doi.org/10.2190/1N20-VV12-4RB5-33VA 
Barron, B. (2006). Interest and self – sustained learning as catalysts of development: 
A learning ecology perspective. Human development, 49(4), 193-224. 
DOI: https://doi.org/10.1159/000094368 
24
Bonzo, J. (2012). A Social media networked learning ecology perspective. En 
Hodgson, V.; Jones, C.; de Laat, M.; McConnell, D.; Ryberg, T. and Sloep, 
P. (eds.). Proceedings of 8th International Conference on Networked
Learning (pp. 474-481). Lancaster: Lancaster University. 
Borges, J. y Marzal, M. (2017). Competencias en información y en comunicación: 
Desarrollo conceptual a partir de la new media literacy. Revista 
interamericana de bibliotecología, 40(1), 35-43. 
DOI: http://dx.doi.org/10.17533/udea.rib.v40n1a04Brown, J. (2000). Growing up: digital: how the web changes work, education, and 
the ways people learn. Change: The magazine of higher learning, 32(2), 11-
20. 
Buzai, G. y Ruiz, E. (2012). Geotecnósfera. Tecnologías de la información 
geográfica en el contexto global del sistema mundo. Anekumene: revista 
virtual. Geografía, cultura y educación, 4, 88-106. 
https://cutt.ly/4tnpojW 
Calderón, A. (2010). Informe APEI sobre alfabetización informacional. Gijón: 
Asociación Profesional de Especialistas en Información. 
https://cutt.ly/KtnpsOy 
Castells, M. (1996). Prólogo: La red y el yo. En M. Castells, La era de la información 
Vol. I: Economía, Sociedad y Cultura: La Sociedad Red (2ª ed., Vol. 1, pp. 
1-18). Madrid, España: Alianza Editorial.
Castillo, J. y Estrada, J. (2016). Los PLE’s en el desarrollo de competencias 
cognitivas desde la metodología sistémica en estudiantes 
universitarios. Maskana, Acta Congreso TIC.EC, 34-45. 
Recuperado de https://cutt.ly/atnpcAv 
Chen, L., Chen, P. and Lin, Z. (2020). Artificial Intelligence in Education: A 
Review. IEEE Access, 8, 75264-75278. 
Chassignol, M., Aleksandr K., Klimova, A. y Bilyatdinova, A. (2018). Artificial 
Intelligence trends in education: a narrative overview. Procedia Computer 
Science. 136. 16-24. 7, 14 
Coll, C. (2013). El currículo escolar en el marco de la nueva ecología del 
aprendizaje. Aula de innovación educativa, 219, 31-36. 
https://cutt.ly/ftnpvvb 
25
Cui, W., Xue, Z. y Thai, KP (2019). Comparación de rendimiento de un sistema de 
aprendizaje adaptativo basado en IA en China. Actas del Congreso Chino 
de Automatización 2018, CAC 2018. 
Cuevas, A. (2006). Normas de alfabetización en información para el aprendizaje de 
los estudiantes (AASL). Boletín de la Asociación Andaluza de 
Bibliotecarios, 21(84), 29-34. https://cutt.ly/1tnpbTn 
Estevez, J., Garate, G. y Graña, M. (2019). Introducción suave a la inteligencia 
artificial para estudiantes de secundaria usando scratch. IEEE Access, 7, 
179027-179036 
Esteve, F. y Gisbert, M. (2011). El nuevo paradigma de aprendizaje y nuevas 
tecnologías. REDU. Revista de docencia universitaria, 9(3), 55-73. 
DOI: https://doi.org/10.4995/redu.2011.6149 
Freenman, S., Eddy, S. y Pat, M. (2014). Active learning increases student 
performance in science, engineering, and mathematics. PNAS, 111 (23) 
8410-8415. https://doi.org/10.1073/pnas.1319030111
Goel, A.K. & Polepeddi, L. (2016). Jill Watson: A Virtual Teaching Assistant for 
Online Education. Georgia Tech Library. 
https://smartech.gatech.edu/handle/1853/59104 
Gramos, D. (2018). A Quantitative Study of the Use of DreamBox Learning and Its 
Effectiveness in Improving Math Achievement of Elementary Students with 
Math Difficulties. Proquest LLC.. 
Kučak, D., Juričić, V. y Dambić, G. (2019). Aprendizaje automático en la 
educación: un estudio de las tendencias de investigación actuales. Proc. 29 
Int. Síntoma DAAAM., 406-410 
Leal-Urueña, L. (2020). La formación inicial en competencias digitales del 
profesorado de secundaria: una lectura desde las Ecologías de Aprendizaje. 
[Tesis doctoral. Universidad Nacional de Educación a Distancia]. 
Nunn, S., Avella, J.T, Kanai, T. y Kebritchi, M. (2016). Beneficios y desafíos de los 
métodos analíticos de aprendizaje en la educación superior: una revisión 
sistemática de la literatura. Online Learn 20 (2), 1-17. 
Quintana, E., Vidal, D., Torres, L. y Castrillejo, V. (2010). George Siemens: 
Conociendo el conocimiento. Grupo Nodos Ele. 
https://cutt.ly/UyDjZnU 
García, I. (2009). Teoría de la conectividad como solución emergente a las 
estrategias de aprendizaje innovadoras. REDHECS, 6(4), 1-25. 
https://cutt.ly/HtnQO3E 
26
Ladaga, S. y Magallanes, M. (2013). Saber conectar: dilemas profesionales en 
entornos digitales. Una (re) visión desde el conectivismo. En VI Encuentro 
Panamericano de Comunicación (COMPANAM, 2013). 
https://cutt.ly/JyDjO99 
Manso-Perea, C.; Cuevas-Cerveró, A. y González-Cervantes, S. (2019). 
Competencias informacionales en los estudios de grado en enfermería: El 
caso español. Revista española de documentación científica, 42(1), 1-15. 
DOI: https://doi.org/10.3989/redc.2019.1.1578 
Moreno, A. (2011). Móvil learning. https://cutt.ly/2rNm2kw 
Morin, E. (1999). Los siete saberes necesarios para la educación del futuro. Unesco. 
Moyano, W. (2017). Adaptabilidad de la Clasificación Decimal Dewey para la 
organización de contenidos: De los estantes a la Web. Revista 
Interamericana de bibliotecología, 40(1), 27-34. 
DOI: https://doi.org/10.17533/udea.rib.v40n1a03 
Munné, F. (1995). Las teorías de la complejidad y sus implicaciones en las ciencias 
del comportamiento. Revista Interamericana de psicología, 29(1), 1-
12. https://cutt.ly/FtnRWgZ
Nardi, B. and O´Day, V. (1999). Information ecologies: using technology with 
heart. Cambridge, Massachusetts; MIT Press. 
Navas-Martin, M.; Albornos-Muñoz, L. y Escandell-García, C. (2012). Acceso a 
fuentes de información sobre salud en España: cómo combatir la 
infoxicación. Enfermería clínica, 22(3), 154-158. 
DOI: https://doi.org/10.1016/j.enfcli.2012.04.001 
Nora, S. y Minc, A. (1981). La informatización de la sociedad. Santiago, Chile: 
Fondo de Cultura Económica. 
Oliveros, S. (2014). La alfabetización en información y su posible inserción en los 
planes de estudio del pre – grado en la Universidad de Playa Ancha con 
apoyo de la teoría del aprendizaje conectivista. [Tesis de pregrado sin 
publicar, Universidad de Playa Ancha, Valparaíso, Chile]. 
Pokrivcakova, S. (2019). Preparación de profesores para la aplicación de 
tecnologías impulsadas por IA en la enseñanza de lenguas extranjeras. 
Educación Cultural, 7(3), 135-153. 
Rus, V,D'Mello, S., Hu, X. y Graesser, A. (2013). Avances recientes en sistemas de 
tutoría inteligentes conversacionales. AI Mag, 34 (3), 42- 54. 
27
Russo-Spena, T., Mele, C. & Marzullo, M. (2019). Practicando la innovación de 
valor a través de la inteligencia artificial: el caso de IBM Watson. Journal of 
Creating Value, 5(1) 11–24. 
Serrano, J. y Pons, R. (2011). El constructivismo hoy: enfoques constructivistas en 
educación. Revista electrónica de investigación educativa, 13(1), 1-
27. https://cutt.ly/RtnT764
Siemens, G. (2006). Knowing knowledge. https://cutt.ly/tyDj26q 
Siemens, G. (2008a). New structures and spaces of learning: the systemic impact of 
connective knowledge, connectivism and networked learning. Encontro 
sobre Web 2.0, Universidade do Minho. 
Siemens, G. (2008b). A brief history of networked learning. 
https://cutt.ly/vrNQgMo 
Siemens, G. (2008c). Learning and knowing in networks: Changing roles for 
educators and designers. ITFORUM for discussion. 
https://cutt.ly/xrNQjck 
Sierra, J. (2013). El desarrollo de competencias informacionales en el entorno 
universitario. Revista de la Universidad de la Salle, (60), 159-175. 
https://cutt.ly/ytnYdZ2 
Sharma, R. C., Kawachi P. and Bozkurt, A. (2019). The landscape of artificial 
intelligence in open online and distance education: Promises and 
concerns. Asian J. Distance Educ., 14 (2), 1-2. 
Valenzuela-Urra, C., Valdenegro-Egozcue, B. y Oliveros-Castro, S. (2020). 
Ecologías del aprendizaje y la contribución de las competencias 
informacionales: una reflexión teórica. Palabra Clave (La Plata), 10(1), 
e107. 
Van Der Vorst, T. y Jelicic, N. (2019). Artificial Intelligence in Education: Can AI 
bring the full potential of personalized learning to education? 30th 
European Conference of the International Telecommunications Society 
(ITS): "Towards a Connected and Automated Society", Helsinki, Finland, 
16th-19th June, 2019, International Telecommunications Society (ITS), 
Calgary. 
28
EL APRENDIZAJE COLABORATIVO EN ENTORNOS VIRTUALES EN LA 
ENSEÑANZA OBLIGATORIA DENTRO DEL CONTEXTO EDUCATIVO 
ESPAÑOL 
Nieves Gutiérrez Ángel 
Universidad de Almería 
María Dolores Pérez-Esteban 
Universidad de AlmeríaJosé Juan Carrión Martínez 
Universidad de Almería 
María del Mar Fernández Martínez 
Universidad de Huelva 
1. INTRODUCCIÓN
El aprendizaje colaborativo en los entornos virtuales posee como finalidad 
principal crear aprendizajes significativos en los estudiantes, donde estos, 
adquieren un papel protagonista en el diseño y desarrollo de su propio proceso, a 
través de la interacción entre ellos, aunque también contando con la interacción 
tanto del profesorado, como de la familia (Cahuana, 2021). 
Desde un punto de vista conceptual, este tipo de aprendizaje teóricamente se 
fundamenta en el constructivismo y en el aprendizaje por descubrimiento, 
desarrollado a partir de las interacciones que se producen entre el alumnado a 
través de distintos dispositivos virtuales. Así como la motivación de los estudiantes, 
al sentirse responsables, activos y participativos en su propio proceso de 
aprendizaje (Yeh et al., 2018). 
En este sentido, son diversos los trabajos que han demostrado que este tipo de 
aprendizaje reporte grandes beneficios, como es el caso de las mejoras de las 
habilidades tanto de carácter cognitivo, como tecnológicas del alumnado, ya que 
emerge de los propios intereses del alumnado, teniendo en cuenta sus propios 
ritmos, y su motivación. Al igual que ocurre con la mejora de las relaciones 
interpersonales, puesto que a través del mismo se ofrece la posibilidad de un tipo 
29
de comunicación entre el alumnado de manera sincrónica y una constante 
retroalimentación, donde tales espacios se convierten en un lugar ideal para 
compartir contenidos, conocimientos y objetivos, y trabajar unidos (Cahuana, 
2021). Además, en él, se combinan distintas estrategias didácticas, y distintos 
dispositivos digitales (Chong y Marcillo, 2020). 
En cuanto a su propia metodología, este tipo de aprendizaje, debe desarrollarse 
partiendo siempre de la realidad, a partir de la democracia la interactividad y el 
aprendizaje, para obtener actividades motivadoras e interactivas, en las que se 
entrelazan competencias puramente didácticas, y tecnológicas, que se ha 
convertido en la actualidad en un fenómeno global (Mora-Vicarioli y Salazar-
Blanco, 2019). Y, por lo tanto, conlleva una transformación en la forma de entender 
los procesos de aprendizaje tradicionales, puesto que se apuesta por un tipo de 
aprendizaje basado en actividades que se caractericen por ser interactivas, creativas 
y motivadoras, sin perder de vista los estilos y ritmos de aprendizaje de cada alumno 
(Chong y Marcillo, 2020). 
Además, hemos de destacar que este tipo de aprendizaje, pedagógicamente, está 
basado en cuatro dimensiones que se exponen a continuación: (Chong y Marcillo, 
2020). 
La dimensión informativa. En ella se encuentran todos los recursos digitales a los 
que puede acceder el alumnado. Los más conocidos y empleados se corresponden 
con archivos digitales, webs, o enlaces a vídeos y podscast, siempre previamente 
seleccionados en función de su idoneidad por el profesorado, y puesto a disposición 
del alumnado por el mismo. 
La dimensión constructiva. En ella es en el punto en el que se ponen en uso las 
distintas estrategias pedagógicas con la finalidad de que el alumnado desarrolle un 
tipo de aprendizaje caracterizado por la significatividad y la colaboración. Las más 
conocidas y empleadas se corresponden con los foros, la redacción de textos 
digitales, la construcción de blog o wikis. 
La dimensión de comunicación. En ella es el momento preciso en el que habilitan 
los espacios destinados a tal comunicación e interacción por parte de los alumnos. 
La dimensión tutorial y evaluativa. Esta última dimensión se caracteriza por otorgar 
al profesor el papel de mediador en todas las dimensiones descritas anteriormente, 
así como la labor de ofrecer una retroalimentación continua al alumnado. 
Por lo tanto, este tipo de aprendizaje, además de suponer un cambio de escenario 
(presencial a virtual) también supone la apuesta por un aprendizaje accesible, 
30
 
 
 
 
 
inmediato, abierto, contextualizados y colaborativo. En el que el papel del docente 
se basa en la mediación, seguimiento y guía del aprendizaje (Mora-Vicarioli y 
Salazar-Blanco, 2019). 
 
Cada vez son más prevalentes las experiencias que encontramos relacionadas con 
este tipo de aprendizaje en los entornos virtuales, pues la influencia de la sociedad 
es innegable, y las situaciones sociales y sanitarias recientemente vividas por el 
COVID-19 han introducido enormes cambios en el paradigma educativo (Cotán et 
al., 2020). 
 
2. OBJETIVOS 
 
El objetivo de este trabajo es analizar las publicaciones existentes en la literatura 
específica acerca de las distintas experiencias de innovación educativas 
desarrolladas en el contexto educativo español, relacionadas con el aprendizaje 
colaborativo en entornos virtuales. 
 
3. METODOLOGÍA 
 
Este trabajo aplica la metodología de la revisión bibliográfica con la finalidad de 
analizar y compendiar todos aquellos resultados que desde el año 2017 hasta la 
actualidad han sido publicados con respecto al aprendizaje colaborativo en 
entornos virtuales en la enseñanza obligatoria. 
 
Por lo tanto, la metodología indicada se fundamenta en ejecutar una investigación 
documental, a partir de la recopilación de información ya existente sobre un tema 
o problema, siendo el tema elegido el aprendizaje colaborativo en entornos 
virtuales en la contexto educativo español. 
 
Para llevarlo a cabo, aplicamos un proceso que se divide en cuatro fases: 
 
FASE 1: Búsqueda 
 
Se realizó una búsqueda entre los años 2017 y 2022. Empleando como descriptores 
“aprendizaje colaborativo” AND “entornos virtuales”. Además, se utilizaron 
algunas de las indicaciones aportadas por Cooper y Hedges (1994) y Cooper (2009) 
tales como: revistas revisadas por pares), y referencia bases de datos e índices de 
citas. 
 
 
 
31
 
 
FASE 2: Proceso de selección 
 
Sobre estos criterios, las bases de datos en las que se realizó la búsqueda fueron 
WOS, Scopus, Dialnet, Psicodoc, Psycinfo y Eric. Aplicando como filtros para la 
búsqueda estuviera a disposición el texto completo, y su idioma de publicación 
fuese inglés, portugués o español. 
 
FASE 3: Análisis metodológico 
 
Para seleccionar las investigaciones se siguió la Declaración PRISMA (Moher et al., 
2009). De tal manera, inicialmente se encontraron 83 artículos en dicha búsqueda. 
Tras ello, se procedió a eliminar los duplicados y a revisar tanto el título, como el 
resumen de cada uno de ellos. Finalmente, el número de trabajos se redujo a 11, los 
cuales cumplían los siguientes criterios: 
 
1. Son publicaciones que están escritas en español, inglés o portugués 
comprendidas entre los años 2017 y 2022. 
2. Son trabajos publicados en revistas que son revisadas por pares y son estudios 
empíricos. 
3. Abordan el tema del aprendizaje colaborativo en entornos virtuales 
4. Se centran en experiencias de innovación llevadas a cabo en todos los niveles 
educativos. 
5. Son trabajos realizados en el contexto educativo español 
 
 
FASE 4: Síntesis y aportaciones principales de los resultados de la búsqueda. 
 
 
 
 
 
 
 
 
 
 
 
 
 
32
 
 
 
 
 
Figura 1. Diagrama de flujo de resultados de búsqueda de estudios empíricos en 
bases de datos aplicando los criterios de Moher et al. (2009, 2014) y Page et al., 
(2021). 
 
 
 
 
4. RESULTADOS 
 
Los resultados encontrados nos indican que a medida que han pasado los años, el 
número de publicaciones relacionadas con nuestra temática ha ido en aumento. 
Concretamente, encontramos tres trabajos publicados en el año 2021, dos 
publicados en el año 2019, y un solo trabajo publicado en 2017. Ante lo que también 
podemos afirmar la inexistencia de publicaciones que se ajusten a nuestros criterios 
en los años 2018, o 2020. 
En la siguiente figura se puede observar la progresión poraños. Ver 
Figura 2. 
 
 
 
 
 
 
 
 
33
 
 
Figura 2. Progresión de los estudios por año de publicación 
 
 
 
Continuando con el análisis de los resultados, y centrándonos en las muestras 
empleadas, encontramos trabajos que emplean como muestra al alumnado de 
primaria y secundaria (Blázquez & Marín, 2021; Epelde et al., 2019), trabajos cuyas 
muestras están compuestas por alumnado de bachiller (Acosta et al., 2021; 
Villadangos, 2019), y alumnos universitarios (Garitano et al., 2017; Hernández-
Sellés, 2021). 
 
Sin embargo, a excepción del trabajo elaborado por Acosta et al. (2021) que se 
corresponde con un estudio de caso, todos los resultados encontrados emplean una 
metodología de carácter no experimental, con diseño ex post-facto, de carácter 
descriptivo y medición única en un único grupo. Además, menos el estudio 
elaborado por Garitano et al. (2017) todos los resultados encontrados emplean un 
instrumento de medición elaborado ad hoc, y solamente el citado estudio, pone en 
uso un instrumento estandarizado. 
Siguiendo con los tipos de estudio, uno de los resultados más relevantes de este 
trabajo reside en que las publicaciones encontradas se corresponden en mayor 
medida con estudios que únicamente evalúan (ya sea competencias, satisfacción o 
empleabilidad) (Blázquez & Marín, 2021; Epelde et al., 2019; Hernández-Sellés, 
2021). Mientras que por otro lado, sí encontramos estudios que plantean una 
intervención de cara al empleo del aprendizaje colaborativo en los entornos 
virtuales (Acosta et al., 2021; Garitano et al., 2017; Villadangos. 2019). Los cuales 
emplean recursos como las wikis, los diarios, o material gráfico, a través de la 
implantación de un PLE, o a creación de contenidos digitales para después 
aprender a compartirlo. Quizá debido al bajo número de trabajos encontrados que 
proponen una intervención y miden su efectividad, únicamente el trabajo 
elaborado por Garitano et al. (2017) indica la duración del mismo, que en este caso, 
se corresponde con un curso escolar. 
 
0
1
2
3
2016 2017 2018 2019 2020 2021 2022 2023
eje y
34
 
 
 
 
 
Por último, también analizamos los controles de calidad que se aplican en cada uno 
de estos trabajos, donde encontramos controles como la validez en los trabajos de 
Acosta et al. (2021) y de Hernández-Sellés (2021). O la consistencia en estudios 
como el de Epelde et al. (2019). 
 
En la siguiente figura se puede observar la progresión por años de los controles de 
calidad. Ver Figura 3. 
 
Figura 3. Progresión de los controles de calidad por año de publicación 
 
 
 
 
Finalmente, hemos de destacar una serie de limitaciones encontradas en nuestros 
resultados, como son el hecho de no indicar los detalles de la intervención (Acosta 
et al., 2021), ser estudios que únicamente miden, pero no plantean una intervención 
plena a partir del aprendizaje colaborativo en los entornos virtuales (Blázquez & 
Marín, 2021; Epelde et al., 019; Hernández-Sellés, 2021). O, estudios cuya 
limitación más destacable es el hecho de no aplicar controles de calidad (Garitano 
et al., 2017; Villadangos, 2019). 
En resumen, todos los resultados encontrados y sus principales características se 
presentan en la siguiente tabla 
 
 
 
 
 
 
 
 
 
 
0
0,5
1
1,5
2
2,5
2016 2017 2018 2019 2020 2021 2022 2023
eje y
35
 
 
 
Tabla 1. Resumen de los resultados encontrados 
 
Estudio Muestra 
Etapa Tipo de 
estudio 
Instrument
o 
Actividades 
Duració
n 
Limitacione
s 
Control de 
calidad 
Acosta et 
al. (2021) 
57 alumnos Bachiller 
Estudio de 
caso 
Cuestionari
o elaborado 
ad hoc 
No especifica 
No 
especific
a 
No indica 
detalles de 
la 
intervenció
n 
-Validez 
Blázquez & 
Marín 
(2021) 
No 
especifica 
Primaria y 
secundaria 
Estudio no 
experimental
, ex post-
facto, de 
carácter 
descriptivo y 
medición 
única en un 
único grupo 
Cuestionari
o elaborado 
ad hoc 
No especifica 
No 
especific
a 
Solo mide, 
no plantea 
una 
intervenció
n 
No 
especifica 
Hernández
-Sellés 
(2021) 
106 
estudiantes 
Universida
d 
Estudio no 
experimental
, ex post-
facto, de 
carácter 
descriptivo y 
medición 
única en un 
único grupo 
Cuestionari
o elaborado 
ad hoc 
No especifica 
No 
especific
a 
Solo mide, 
no plantea 
una 
intervenció
n 
- Validez 
Epelde et 
al. (2019) 
227 
adolescente
s 
Primaria y 
secundaria 
Estudio no 
experimental
, ex post-
facto, de 
carácter 
descriptivo y 
medición 
única en un 
único grupo 
Cuestionari
o elaborado 
ad hoc 
No espcifica 
No 
espcifica 
Solo mide, 
no plantea 
una 
intervenció
n 
- 
Consistenci
a 
Villadango
s (2019) 
No 
espcifica 
Bachiller 
No espcifica No espcifica 
- Wiki -
diarios 
- fotos 
No 
espcifica 
No indica 
controles de 
calidad 
No espcifica 
Garitano et 
al. (2017) 
147 
estudiantes 
Universida
d 
Estudio no 
experimental
, ex post-
facto, de 
carácter 
descriptivo y 
medición 
única en un 
único grupo 
cuestionario 
Technology 
Acceptance 
Model 
(TAM) 
-Construir un 
PLE 
- 
Asesoramient
o 
- Crear y 
compartir 
contenidos 
Un 
curso 
escolar 
No indica 
controles de 
calidad 
No espcifica 
 
 
 
5. CONCLUSIONES 
 
El objetivo de este trabajo ha sido analizar las publicaciones existentes en la 
literatura específica acerca de las distintas experiencias de innovación educativas 
desarrolladas en el contexto educativo español, relacionadas con el aprendizaje 
36
 
 
 
 
 
colaborativo en entornos virtuales. Si bien los resultados encontrados muestran un 
auge en el número de investigaciones desarrolladas en los últimos años, muchas de 
ellas únicamente se centran en la medición y no proponen una intervención para 
llevar a cabo. 
 
Tal vez, una posible explicación al auge de este número de publicaciones se deba a 
la nueva situación educativa que hemos vivido a partir de la pandemia, donde los 
escenarios educativos presenciales se convirtieron en escenarios virtuales como 
media social (Vera et al., 2020). 
 
El aprendizaje colaborativo en entornos virtuales se corresponde en la actualidad 
con una innovación en cuanto a la forma de entender la enseñanza y el contexto 
donde desarrollarla, en el que tienen una gran influencia factores sociales, 
económicos, tecnológicos, e incluso las propias necesidades del alumnado. Por lo 
que se encuentra estrechamente relacionado con el avance y desarrollo de las TIC 
en la sociedad actual (Mora-Vicarioli y Salazar-Blanco, 2019). Nos parece adecuado 
por tanto, la necesidad de un mayor número de las publicaciones sobre experiencias 
reales a través de distintas herramientas digitales, en general, y sobre el aprendizaje 
colaborativo en entornos virtuales, en particular, en las que desde un diseño 
instruccional, se otorgue el protagonismo al alumnado, en función de los ritmos de 
aprendizaje y motivación de estos. 
 
Los docentes deben considerar estas ideas de cara al uso y empleo de las Tecnologías 
de la Información y la Comunicación (TIC) en sus aulas, para entre otras ventajas 
fomentar la alfabetización digital del alumnado, la interacción, el pensamiento 
crítico, y la creación de contenidos digitales (Cahuana, 2021). 
 
Por lo tanto, desde estas líneas queremos apostar por este tipo de innovación a 
partir de una práctica reflexiva por parte de los docentes, a partir del conocimiento 
de sus características y ventajas. Creando para ello experiencias de aprendizaje en 
las que el alumnado trabaja de manera conjunta y comparten contenidos y 
conocimientos en un ambiente democrático donde todos aportan pensamientos, 
ideas o soluciones de cara al logro de objetivos comunes. 
 
Finalmente, tras la reflexión e investigación realizadas, sería interesante como 
futuras líneas de investigación analizar las publicaciones realizadas en otros países,o incluso en la educación no formal para identificar cuál es el estado de este tema 
en esos contextos. 
 
 
 
37
 
 
6. REFERENCIAS BIBLIOGRÁFICAS 
 
Acosta, R., Hernández, A. & Martín, A. V. (2021). Satisfacción del profesorado y 
alumnado con el empleo de Metodologías de Aprendizaje Colaborativo 
mediada por las TIC: Dos estudios de casos. Estudios pedagógicos 
(Valdivia), 47(2), 79-97. 
Blázquez, E. & Marín, V. I. (2021). Perspectivas docentes sobre uso y efectividad de 
recursos TIC para promocionar el aprendizaje colaborativo, la creatividad 
y el espíritu emprendedor. RIITE Revista Interuniversitaria de 
Investigación en Tecnología Educativa, 69-84. 
Cahuana, H. R. S. (2021). Aprendizaje colaborativo en los entornos virtuales. Polo 
del Conocimiento: Revista científico-profesional, 6(11), 46-70. 
Chong, P. & Marcillo, C. (2020). Estrategias pedagógicas innovadoras en entornos 
virtuales de aprendizaje. Dominio de las Ciencias, 6(3), 56-77. 
Cooper, H. (2009). Research Synthesis andMeta-Analysis: A Step-By-Step. 
Approach. Sage. 
Cooper, H. y Hedges, L. V. (1994). The Handbook of Research Synthesis. Russell 
Sage. 
Cotán, A., Martínez, V., García, I., Gil, M. & Gallardo, J. (2020). El trabajo 
colaborativo online como herramienta didáctica en Espacios de Enseñanza 
Superior (EEES). Percepciones de los estudiantes de los Grados en 
Educación Infantil y Primaria. Revista d’Innovació Docent Universitaria, 
12, 82-94. 
Epelde, M. A., Chacón, R. & Oñederra, J. A. (2019). El trabajo colaborativo en 
Primaria y Secundaria: diferencias según sexo y curso. Acta Sociológica, 79, 
11-32. 
Garitano, E. T., Ruiz, U. G. & Andonegui, A. R. (2017). Influencia del mentoring 
en el rendimiento de los participantes en las comunidades virtuales de 
práctica. RIITE Revista Interuniversitaria de Investigación en Tecnología 
Educativa, 3, 40-50. 
Hernández-Sellés, N. (2021). Herramientas que facilitan el aprendizaje 
colaborativo en entornos virtuales: nuevas oportunidades para el 
desarrollo de las ecologías digitales de aprendizaje. Educatio Siglo XXI, 
39(2), 81-100. 
Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G. y the PRISMA Group (2009). 
Preferred reporting items for systematic reviews and meta-analyses: the 
PRISMA statement. PLoS Med. 6, e1000097. 
https://doi.org/10.1371/journal.pmed.1000097 
Mora-Vicarioli, F. & Salazar-Blanco, K. (2019). Aplicabilidad de las pedagogías 
emergentes en el e-learning. Revista Ensayos Pedagógicos, 14(1), 125- 159. 
38
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, 
C. D., ... & Moher, D. (2021). Declaración PRISMA 2020: una guía
actualizada para la publicación de revisiones sistemáticas. Revista Española
de Cardiología, 74(9), 790-799.
Vera, A., Prialé, M. Á., Espinosa, A. & Ninahuanca, E. F. (2020). Modelando una 
propuesta conceptual para analizar características psicosociales de 
emprendedores sociales peruanos. Liberabit, 26(1), 1-17. 
Villadangos, A. F. (2019). Empleo de WIKIS en trabajos colaborativos de 
investigación científica. Revista Infancia, Educación y Aprendizaje, 4(2), 
147-152.
Yeh, Y. L., Lan, Y. J. & Lin, Y. T. R. (2018). Gender-related differences in 
collaborative learning in a 3D virtual reality environment by elementary 
school students. Journal of Educational Technology & Society, 21(4), 204- 
216. 
39
 
 
 
 
 
DIVERSIFICANDO LA ENSEÑANZA: LAS COMUNIDADES DE 
APRENDIZAJE COMO FUTURO DE LA EDUCACIÓN 
María Dolores Pérez-Esteban 
Universidad de Almería 
 
Nieves Gutiérrez Ángel 
Universidad de Almería 
 
María del Mar Fernández Martínez 
Universidad de Huelva 
 
José Juan Carrión Martínez 
Universidad de Almería 
 
1. INTRODUCCIÓN 
 
De todas las instituciones públicas que configuran un estado, sin lugar a dudas, los 
sistemas educativos se pueden sonsiderar como una isntitución viva, pues entren 
sus obligaciones principales se encuentra la de adaptarse los diversos cambios 
sociales que se van desarrollando, así como estar en contínua actualización para, de 
este modo, seguir formando a nuevos ciudadanos que sean capaces de interaccionar 
con la sociedades en las que se encuentran. 
 
Una de las partes más significativas y primordiales de todo sistema educativo, es la 
figura del maestro, profesor o docente, que imparten clase en todos los niveles y en 
todas las etapas educativas. Según Islas (2021) todos los seres humanos llegan a este 
mundo con el instinto de aprender y por lo tando con la intención de adquirir 
nuevos conocimeintos que les capaciten para desenvolverse con soltura en el 
contexto en el que se desarrollan. Por lo que se deduce de las palabras de este autor, 
que los centros educativos deben favorecer la creación de entornos de aprendizaje 
en los que las bases del aprendizaje estén muy presentes; todo conocimiento nuevo 
que se adquiere, debe hacerlo con un sentido y un significado. 
 
41
 
 
Según Bueno (2017), la premisa anterior puede resultar asequeble y fácil de relazar 
en un mundo globalmetne conectado, ya que la disponibilidad para tener acceso a 
todo tipo y clase de información disponible en la red no resutla ser una tarea muy 
dificultdosa. Sin embargo, Cabero & Llorente (2015) afirman que la sobreconexión 
directa al mundo virtual, conlleva que en determinadas ocasiones la veracidad o la 
falsedad de las informaciones que circulan en la red, se diluyan con los vertiginosos 
cambios que se suceden, las nuevas configuraciones y las transformaciones de la 
sociedad. 
A este respecto, Islas (2021) afirma que las diversas transformaciones, 
actualizaciones y cambios probocan que la sociedad en general manifieste 
sentimientos de desorientación, desconexión o aburrimiento debido a las posibles 
contradicciones de los conocimientos adquiridos. 
 
Según Valenzuela, Muñoz & Miranda (2021), los vertiginosos cambios de la 
sociedad deben ser asumidos por todas las instituciones educativas para que, 
trabajado de forma coordinada, se adapten los diferentes estilos de enseñanza a 
estos nuevos paradigmas. Esa adaptación se basa principalmente en el principio de 
“aprender a aprender”el cual es necesario para poder desarrollar un nuevo 
aprendizaje vivencial fundamentado en las experiencias vividas por parte de los 
alumnos. 
 
A este respecto, autores como Coll (2014) sostienen que los métodos que se 
emplean en las aulas para favorecer la construcción activa de los conocimientos 
adquiridos, requieren de procedimientos que impliquen una contínua adaptación. 
Solo de esta manera se podrá comprender como funciona el cerebro de los 
estudianes y también el desarrollo de la generación de los aprendizajes. 
 
Partiendo de esta idea, según Vélez & Ruiz (2021), La metacognición hace 
referencia a todos aquellos procesos que se llevan a cabo por parte del alumnado y 
que posibilita que se regulen sus aprendizajes, los comprendan y los reflexionen. 
En palabras de estos autores, el profesorado es una de las piezas más significativas 
dentro de este proceso, pues deben asumir la responsabilidad de guiar y enseñar a 
todo su alumnado empleando la metacognición, de esta manera, el estudiantado 
obtendrá beneficios relvantes al implantar procesos de autorregulación y 
autogestión que estimulen sus procesos cognitivos.
 
Y es en la comprensión de cómo funciona el cerebro y cómo se produce el 
aprendizaje, donde se están llevando a cabo numerosas investigaciones actuales. La 
denominada neuroeducación es una nueva disciplina en la que tres grandes áreas 
42
 
 
 
 
 
de conocimiento, cómo son la educación, la neurociencia y la psicología, aúnan 
todos sus conocimientos más significativos para aportar los saberes más 
importantes de cada una de ellas y de esta manera poder entender cómo funcionan 
los procesos de enseñanza aprendizaje (Carballo & Portero, 2018). 
 
Benavidez & Flores (2019) definen la neuroeduacción como“una ciencia cuyo 
objeto de estudio es una nueva visión de la enseñanza basada en el cerebro, en los 
conocimientos que sobre su estructura y funcionamiento se tienen al momento” (p. 
29). Del mismo modo Mora (2013), destaca que la enseñanza: 
Trata, con ayuda de la neurociencia, de encontrar las vías a través de las 
cuales poder aplicar en el aula los conocimientos que ya se poseen sobre 
los procesos cerebrales de la emoción, la curiosidad y la atención, y cómo 
estos procesos se encienden y con ellos se abren esas puertas al 
conocimiento a través de los mecanismos de aprendizaje y memoria. 
(p.27). 
 
Todo ello favorece la aparición de nuevas metodologías con una base innovadora 
sobre los procesos que se realizan en las instituciones educativas. Estas 
metodologías deben ser analizadas, entendidas y reflexionadas para tratarlas no 
como una panacea, que pretende solucionar cualquier problema que se produzca 
en las aulas, sino como una alternativa a las metodologías tradicionales y que con 
las adaptaciones necesarias, puedan ser partícipes de la realidad presente que 
impera en los centros educativos y además puedan favorecer la germinación de 
contextos enriquecedores, en donde la adquisición del conocimiento se 
potencializen en todo momento (Hernández et al, 2021). 
 
A la hora de escoger las diferentes metodologías que se van a aplicar dentro del aula, 
es de vital importancia tener presente alumnado que presenta Necesidades 
Específicas de Apoyo Educativo (NEAE), pues hay que tener presente que la 
educación debe ser brindada para todos por igual, independientemente de las 
necesidades y las características de los alumnos. Así pues, este elemento de 
diversidad en el aula puede convertirse en un componente clave a la hora de 
organizar las tareas y las actividades, ya que la diversidad en el aula no tiene por qué 
ser algo negativo sino que puede ser un factor compensatorio para otras carencias 
(Betegón, Rodríguez-Medina & Irurtia, 2019). 
 
Una de las relaciones más enriquecedoras se produce cuando la neuroeducación se 
fusiona con las metodologías innovadoras que incluyen, dentro de su desarrollo, el 
empleo de las Tecnologías de la Información y de la Comunicación (TIC) para 
43
 
 
poder satisfacer las necesidades que presenta el alumnado que conforma el aula. 
Según Bernaschina (2019) “la interacción de la pedagogía o la trilogía que relaciona 
los ejes dialécticos (profesor-estudiante-contenidos) para intervenir en la toma de 
decisiones en el sector educativo, tanto la teoría como la práctica desde la 
perspectiva-estratégica metodológica” (p.45). 
 
2. OBJETIVOS 
Una vez que se han expuesto cuales son los antecedentes que sustentan esta 
investigación, es preciso destacar que gracias a ello s eha elaborado la hipótesis 
principal de esta investigación, la cual es: ¿Son las comunidades de aprendizaje una 
alternativa a una educación tradicional? 
De la formulación de la hipótesis principal emanan el siguiente objetivo de 
investigación, el cual pivota en torno a: 
- Analizar cuáles son las características de las comunidades de 
aprendizaje 
- Determinar cómo afecta esta propuesta de transformación educativa 
en los diferentes niveles educativos. 
 
3. METODOLOGÍA 
Para el desarrollo de esta investigación se ha optado por la realización de una 
revisión bibliográfica, en la que siguiendo un enfoque interpretativo y una 
metodología de corte cualitativa se ha procedido a analizar todos los estudios y 
todas las investigaciones que se encuetnran estrechamente relacionadas con los 
objetivos antes mencionados, de este modo y tras analizar los resultados obtenidos 
se podrán establecer conclusiones enriquecedoras. 
 
Para llevar a cabo esta revisión bibliográfica se ha desarrollado tres fases, que a 
continuación se detallan. 
En primer lugar, y de manera general, se ha optado por realizar una revisión 
documental en la que, centrándose en el campo de las ciencias de la educación, se 
han escogido las principales bases de datos de investigación científica consideradas 
como las más relevantes, a saber; Dialnet, Web of Science, Scopus y ERIC. 
 
Gracias al uso de estas bases de datos es posoble acceder y contrastar un mayor 
número de estudios e investigaciones que posibilitan el establecimiento de un 
44
 
 
 
 
 
acercamiento certero sobre la temática de estudio. Este ha sido el motivo principal 
de su elección. 
 
Avanzado con el desarrollo de esta primera etapa o fase, es primordial establecer 
unos descriptores claros que faciliten esos procesos de búsqueda, en este estudio se 
usaron los siguientes descriptores, tanto en castellano: “comunicades de 
aprendizaje” “opinión docente” y “educación virtual” como en inglés " learning 
communities" "teaching opinion" and "virtual education" siendo estos los 
principales descriptores. Para establecer combianciones entre ellos, se han 
empleado los siguientes operadores booleanos “AND” y “OR” 
 
En segundo lugar, adentrándonos en la segunda etapa o fase del proceso, se ha 
procedido a realizar la búsqueda en cada una de las bases de datos anteriormente 
mencionada. El empleo de flitos propuestos por las bases de datos, facilita y acota 
la búsqueda para que los resultados arrojados por estas se encuentren más 
relacionados con el propósito del estudio. Durante el desarrollo de todo este 
proceso, se ha optado por realizar una rauda revisión de los títulos, resumen y 
palabras clave de los estudios para poder de esta manera aplicar los criterios de 
inclusión y de exclusión, que se detallan a continuación: 
 
Criterios de inclusión: 
Se seleccionaron todas aquellas investigaciones y/o estudios que se 
encontrasen comprendidos entre los últimos cinco años 
Se seleccionaron todas aquellas investigaciones y/o estudios que mostraban 
una relación directa con el propósito de esta investigación, es decir, tanto título, 
resumen o palabras clave debían de aparecer alguno de los descriptores principales 
mencionados anteriormente. 
Se seleccionaron todas aquellas investigaciones y/o estudios que tuviesen un 
acceso abierto. 
Se seleccionaron todas aquellas investigaciones o estudios que estuvisen 
escritos en inglés y castellano. 
 
Criterios de exclusión: 
No se seleccionaron todas aquellas investigaciones y/o estudios que se 
encontrasen comprendidos fuera de los últimos cinco años 
No se seleccionaron todas aquellas investigaciones y/o estudios que no estaban 
relacionados con el propósito de esta investigación, es decir, tanto título, resumen 
o palabras clave no aparecían ninguno de los descriptores principales mencionados 
anteriormente. 
No se seleccionaron todas aquellas investigaciones y/o estudios que no 
tuviesen un acceso abierto. 
45
 
 
No se seleccionaron todas aquellas investigaciones y/o estudios que se 
encontrasen repetidos en las bases de datos. 
 
Finalmente y concluyendo con las etapas o fases de este proceso, en la tercera etapa, 
se ha llevado a cabo la selección y cribado de los resultados obtenidos por las bases 
de datos. Así mismo en la primera fase se obtuvieron un total de 1965, una vez 
aplicados los criterios de inclusión y exclusión, quedó computo total de 36 estudios, 
de los cuales, finalmente se seleccionaron 10 para la realización de este trabajo. 
 
4. RESULTADOS 
A continuación, en los siguientes apartados se muestran los resultados de este 
estudio. 
4.1. Las comunidades de aprendizaje en el contexto educativo 
Una de las principales responsabilidades de los sistemas educativos es la de 
capacitar a los nuevos ciudadanos, para que sean capaces de desarrollarse con 
soltura en la sociedad. Pero para que esto sea posible, es necesario que todas las 
instituciones se adapten a dichas demandas y necesidades que se solicitan (Canales, 
Fernández & Ulate, 2020). 
 
Dentro de la sociedad del conocimiento una de las intenciones principales es la