Me complace informar a mis lectores que el XI Congreso de Innovación Educativa y Docencia en Red (INRED) 2025 se celebrará los días 17 y 18 de julio en Valencia. En un contexto en el que las instituciones educativas están experimentando una transformación vertiginosa, la innovación educativa se presenta como una herramienta esencial para renovar los procesos de enseñanza y aprendizaje y adaptarse a los nuevos retos. La Ley Orgánica de Sistema Universitario (LOSU) plantea que la innovación docente es un medio para mejorar la calidad de la educación superior y para fortalecer la capacidad de adaptación a nuevos escenarios formativos. Además, la considera una estrategia esencial para el desarrollo profesional del profesorado.
Desde hace tiempo, las universidades fomentan la participación del profesorado en proyectos de innovación y se ha avanzado notablemente en la forma de diseñar y desarrollar estos proyectos. No obstante, hoy más que nunca es crucial impulsar propuestas de innovación más rigurosas y orientadas a dar respuesta a los grandes retos educativos a los que nos enfrentamos.
Este enfoque nos remite al concepto de scholarship o enfoque académico de la docencia, una perspectiva que se ha consolidado en la educación superior y que propone valorar la enseñanza al mismo nivel que la investigación disciplinar.
Detrás de esta idea se encuentra una forma de innovar basada en tres pilares fundamentales:
El análisis sistemático de la enseñanza y sus efectos en el aprendizaje del estudiantado.
La comunicación de los conocimientos sobre enseñanza y aprendizaje generados en entornos académicos, como congresos y revistas científicas.
La revisión crítica por parte de iguales en comunidades académicas, con el fin de validar o refutar el conocimiento producido.
En esta nueva edición del Congreso INRED 2025, reflexionaremos sobre cómo avanzar desde una innovación basada en la experiencia y con un nivel incipiente de fundamentación empírica hacia una innovación con un enfoque académico. Un enfoque que no solo se apoye en la experimentación y el análisis sistemático de la docencia, sino que también genere evidencia comunicable y susceptible de ser sometida a revisión crítica por parte de la comunidad académica. Además, exploraremos los nuevos desafíos que plantea este modelo desde las perspectivas técnica y ética.
En este congreso, tengo el placer de anunciar que tenemos aceptadas dos comunicaciones:
YEPES, V. (2025). Pensamiento lateral para mejorar la resolución de problemas complejos en estudios de máster. En libro de actas: XI Congreso de Innovación Educativa y Docencia en Red. Valencia, 17 – 18 de julio de 2025.
Esta comunicación presenta una metodología innovadora que integra el pensamiento lateral mediante la técnica de los «Seis sombreros para pensar» de Edward de Bono en la enseñanza de la resolución de problemas complejos en ingeniería. El objetivo principal es evaluar la efectividad de esta técnica para desarrollar habilidades críticas y creativas en los estudiantes. La metodología se implementó en un curso de ingeniería, donde los estudiantes trabajaron en grupos para abordar un problema específico utilizando los enfoques que cada sombrero representa. Se realizaron encuestas antes y después de la actividad para medir la mejora en la capacidad de resolución de problemas y colaboración entre los estudiantes. Los resultados indican que la aplicación del pensamiento lateral mejora significativamente la capacidad de los estudiantes para resolver problemas complejos y fomenta un ambiente de aprendizaje colaborativo. Los estudiantes afirmaron haber aumentado su creatividad y disposición para compartir ideas. Esta metodología es exportable a otras titulaciones y niveles educativos, convirtiéndose en una herramienta valiosa para la innovación docente en diversas disciplinas.
YEPES, V.; YEPES-BELLVER, L.; MARTÍNEZ-PAGÁN, P. (2025). Impacto de la diversidad cultural en la resolución colaborativa de problemas en la docencia universitaria de ingeniería. En libro de actas: XI Congreso de Innovación Educativa y Docencia en Red. Valencia, 17 – 18 de julio de 2025.
La globalización y la movilidad académica han transformado las aulas universitarias en entornos multiculturales, donde la diversidad cultural es fundamental para el desarrollo de competencias profesionales. Este trabajo investiga la influencia de la diversidad cultural en la resolución colaborativa de problemas (RCP) en programas en ingeniería. Para ello, se desarrollaron actividades en grupos heterogéneos que promovieron la participación y el desarrollo de habilidades interpersonales mediante una metodología activa y colaborativa. Se aplicó una encuesta a 79 estudiantes para evaluar su percepción sobre la influencia de la diversidad cultural en su aprendizaje y en la dinámica de trabajo en equipo. Los resultados indican que la diversidad cultural no solo enriquece las interacciones y fomenta la creatividad, sino que también mejora la toma de decisiones y la resolución de problemas. Este estudio aporta pruebas empíricas que respaldan la necesidad de gestionar pedagógicamente la diversidad como un recurso estratégico en la educación. Se concluye que una enseñanza inclusiva y consciente de la diversidad potencia la sinergia entre conocimientos técnicos y competencias interculturales, mejorando la calidad educativa en ingeniería.
En la actualidad, la inteligencia artificial (IA) está cada vez más presente en nuestra vida diaria, transformando industrias y planteando nuevas preguntas sobre la sociedad, la economía y, por supuesto, la educación. Entre las herramientas de IA emergentes, los «chatbots» generativos como ChatGPT han llamado especialmente la atención, ya que prometen revolucionar la enseñanza y el aprendizaje. Estas potentes plataformas pueden simular conversaciones humanas, ofrecer explicaciones e incluso generar textos complejos como poemas o ensayos. Sin embargo, a medida que educadores y legisladores consideran la implementación de estas tecnologías innovadoras en el ámbito educativo, es crucial reflexionar sobre las implicaciones éticas que conllevan. Aunque los beneficios potenciales son innegables, desde una mayor accesibilidad hasta experiencias de aprendizaje personalizadas, también existen desafíos significativos.
En este artículo, exploramos las consideraciones éticas clave relacionadas con el uso de chatbots generativos en la educación superior. La información que se presenta a continuación se basa en el artículo «The ethical implications of using generative chatbots in higher education» de Ryan Thomas Williams, publicado en Frontiers in Education.
A continuación, se examinan las implicaciones éticas de integrar chatbots generativos, como ChatGPT, en la educación superior. Se abordan preocupaciones clave como la privacidad de los datos de los estudiantes y los desafíos para cumplir con las regulaciones de protección de datos cuando la información es procesada y almacenada por la IA. El artículo también explora el sesgo algorítmico y señala cómo los prejuicios inherentes a los datos de entrenamiento pueden perpetuar estereotipos, además de abordar el impacto en la autoeficacia de los estudiantes al depender excesivamente de la IA, lo que podría disminuir el pensamiento crítico. Por último, se aborda el creciente problema del plagio y las «alucinaciones» de la IA, donde los chatbots generan información incorrecta, y se sugiere la necesidad de políticas claras, detección avanzada y métodos de evaluación innovadores.
1. ¿Cuáles son las principales implicaciones éticas de integrar los chatbots generativos en la educación superior?
La integración de chatbots generativos en la educación superior, como ChatGPT, aborda varias cuestiones éticas fundamentales. En primer lugar, la gestión de los datos sensibles de los estudiantes plantea importantes desafíos de privacidad, por lo que es necesario cumplir estrictamente con las normativas de protección de datos, como el RGPD, lo cual puede ser complejo debido a la naturaleza de los algoritmos de aprendizaje automático que aprenden de los datos y complican su «verdadera» eliminación. En segundo lugar, existe un riesgo significativo de sesgo algorítmico, ya que los chatbots aprenden de vastas fuentes de datos de internet que pueden perpetuar sesgos sociales (por ejemplo, de género o raciales), lo que podría afectar negativamente a la experiencia de aprendizaje del estudiante y a su visión del mundo. En tercer lugar, si bien los chatbots pueden fomentar la autonomía en el aprendizaje al ofrecer acceso bajo demanda a recursos y explicaciones personalizadas, existe la preocupación de que una dependencia excesiva pueda reducir la autoeficacia académica de los estudiantes, desincentivando el pensamiento crítico y la participación en actividades de aprendizaje más profundas. Finalmente, el plagio emerge como una preocupación primordial, ya que la capacidad de los chatbots para generar contenido sofisticado podría alentar a los estudiantes a presentar el trabajo generado por la IA como propio, lo que comprometería la integridad académica.
2. ¿Cómo afectan los chatbots generativos a la privacidad de los datos de los estudiantes en entornos educativos?
La implementación de chatbots en entornos educativos implica la recopilación, el análisis y el almacenamiento de grandes volúmenes de datos de los estudiantes, que pueden incluir desde su rendimiento académico hasta información personal sensible. Esta «gran cantidad de datos» permite experiencias de aprendizaje personalizadas y la identificación temprana de estudiantes en situación de riesgo. Sin embargo, esto genera importantes preocupaciones relacionadas con la privacidad. Existe el riesgo de uso indebido o acceso no autorizado a estos datos. Además, las regulaciones actuales de privacidad de datos, como el RGPD, permiten a los individuos solicitar la eliminación de sus datos, pero la naturaleza del aprendizaje automático significa que los algoritmos subyacentes ya han aprendido de los datos de entrada, por lo que es difícil aplicar un verdadero «derecho al olvido» o «eliminación». También hay una falta de transparencia algorítmica por parte de las empresas sobre la implementación de los algoritmos de los chatbots y sus bases de conocimiento, lo que dificulta el cumplimiento total de la ley de protección de datos, que exige que las personas estén informadas sobre el procesamiento de sus datos. Para mitigar estas preocupaciones, las instituciones educativas deben establecer directrices claras para la recopilación, almacenamiento y uso de datos, alineándose estrictamente con la normativa de protección de datos y garantizando la transparencia con todas las partes interesadas.
3. ¿Qué es el sesgo algorítmico en los chatbots educativos y cómo se puede abordar?
El sesgo algorítmico ocurre cuando los sistemas de IA, incluidos los chatbots, asimilan y reproducen los sesgos sociales presentes en los grandes conjuntos de datos con los que son entrenados. Esto puede manifestarse en forma de sesgos de género, raciales o de otro tipo que, si se reflejan en el contenido generado por la IA (como casos de estudio o escenarios), pueden perpetuar estereotipos y afectar a la experiencia de aprendizaje de los estudiantes. Para abordar esta situación, es fundamental que los conjuntos de datos utilizados para entrenar los sistemas de IA sean diversos y representativos, evitando fuentes de datos únicas o limitadas que no representen adecuadamente a grupos minoritarios. Se proponen asociaciones entre institutos educativos para compartir datos y garantizar su representatividad. Además, se deben realizar auditorías regulares de las respuestas del sistema de IA para identificar y corregir los sesgos. Es fundamental que se sea transparente sobre la existencia de estos sesgos y que se eduque a los estudiantes para que evalúen críticamente el contenido generado por la IA en lugar de aceptarlo como una verdad objetiva. El objetivo no es que la IA sea inherentemente sesgada, sino que los datos generados por humanos que la entrenan pueden contener sesgos, por lo que se requiere un enfoque deliberado y crítico para el desarrollo e implementación de la IA en la educación.
4. ¿Cómo impacta la dependencia de los estudiantes de los chatbots en su autoeficacia académica y su pensamiento crítico?
Si bien los chatbots pueden ofrecer una autonomía significativa en el aprendizaje al proporcionar acceso inmediato a recursos y respuestas personalizadas, existe la preocupación de que una dependencia excesiva pueda reducir la autoeficacia académica de los estudiantes. Esta dependencia puede llevar a los estudiantes a no comprometerse con el aprendizaje auténtico, lo que les disuade de participar en seminarios, lecturas recomendadas o discusiones colaborativas. A diferencia de las tecnologías informáticas tradicionales, la IA intenta reproducir habilidades cognitivas, lo que plantea nuevas implicaciones para la autoeficacia de los estudiantes con la IA. Además, la naturaleza en tiempo real de las interacciones con el chatbot puede fomentar respuestas rápidas y reactivas en lugar de una consideración reflexiva y profunda, lo que limita el desarrollo del pensamiento crítico. Las tecnologías de chatbot suelen promover formas de comunicación breves y condensadas, lo que puede restringir la profundidad de la discusión y las habilidades de pensamiento crítico que se cultivan mejor a través de una instrucción más guiada e interactiva, como las discusiones entre compañeros y los proyectos colaborativos. Por lo tanto, es crucial equilibrar la autonomía que ofrecen los chatbots con la orientación y supervisión de educadores humanos para fomentar un aprendizaje holístico.
5. ¿Cuál es la preocupación principal con respecto al plagio en la era de los chatbots generativos y qué soluciones se proponen?
El plagio se ha convertido en una preocupación ética crítica debido a la integración de herramientas de IA como ChatGPT en la educación. La capacidad de los chatbots para generar respuestas textuales sofisticadas, resolver problemas complejos y redactar ensayos completos crea un entorno propicio para la deshonestidad académica, ya que los estudiantes pueden presentar la producción de la IA como propia. Esto es especialmente problemático en sistemas educativos que priorizan los resultados (calificaciones, cualificaciones) sobre el proceso de aprendizaje. Los estudiantes pueden incurrir incluso en plagio no intencional si utilizan chatbots para tareas administrativas o para mejorar su escritura en inglés sin comprender completamente las implicaciones. Para abordar esta situación, es necesario un enfoque integral que incluya educar a los estudiantes sobre la importancia de la honestidad académica y las consecuencias del plagio. También se propone desplegar software avanzado de detección de plagio capaz de identificar texto generado por IA, aunque se reconoce que estas metodologías deben evolucionar continuamente para mantenerse al día con los avances de la IA. Más allá de la detección, es esencial reevaluar las estrategias de evaluación y diseñar tareas que evalúen la comprensión de los estudiantes y fomenten el pensamiento original, la creatividad y las habilidades que actualmente están más allá del alcance de la IA, como las presentaciones orales y los proyectos en grupo. También es crucial fomentar la transparencia sobre el uso de la IA en el aprendizaje, algo similar a lo que se hace con los correctores ortográficos.
6. ¿Qué se entiende por «alucinaciones» de la IA en los chatbots educativos y por qué son problemáticas?
Las «alucinaciones» de la IA se refieren a las respuestas generadas por modelos de lenguaje de IA que contienen información falsa o engañosa presentada como si fuera real. Este fenómeno ganó atención generalizada con la llegada de los grandes modelos de lenguaje (LLM), como ChatGPT, donde los usuarios notaron que los chatbots insertaban frecuentemente falsedades aleatorias en sus respuestas. Si bien el término «alucinación» ha sido criticado por su naturaleza antropomórfica, el problema subyacente es la falta de precisión y fidelidad a fuentes de conocimiento externas. Las alucinaciones pueden surgir de discrepancias en grandes conjuntos de datos, errores de entrenamiento o secuencias sesgadas. Para los estudiantes, esto puede llevar al desarrollo de conceptos erróneos, lo que afecta a su comprensión de conceptos clave y a su confianza en la IA como herramienta educativa fiable. Para los educadores, el uso de contenido generado por IA como recurso en el aula plantea un desafío ético significativo, ya que son los responsables de garantizar la precisión de la información presentada. Los estudios han descubierto que un porcentaje considerable de referencias generadas por chatbots son falsas o inexactas. Si bien la IA puede reducir la carga de trabajo de los docentes, la supervisión humana sigue siendo esencial para evitar imprecisiones, lo que puede crear una carga administrativa adicional.
7. ¿Cómo pueden las instituciones educativas equilibrar los beneficios de los chatbots con sus riesgos éticos?
Para conseguirlo, las instituciones educativas deben adoptar un enfoque reflexivo y multifacético. Esto implica establecer límites éticos firmes para proteger los intereses de los estudiantes, los educadores y la comunidad educativa en general. Se recomienda implementar políticas claras y sólidas de recopilación, almacenamiento y uso de datos, alineándose estrictamente con regulaciones de protección de datos como el RGPD, a pesar de los desafíos relacionados con la eliminación de datos y la transparencia algorítmica. Para mitigar el sesgo algorítmico, las instituciones deben garantizar que los conjuntos de datos de entrenamiento sean diversos y representativos, y realizar auditorías regulares. Para evitar una dependencia excesiva y mantener la autoeficacia académica de los estudiantes, los educadores deben fomentar la autonomía en el aprendizaje sin comprometer el pensamiento crítico ni el compromiso auténtico. Con respecto al plagio, es fundamental educar a los estudiantes sobre la integridad académica, utilizar software avanzado de detección de plagio y reevaluar los métodos de evaluación para fomentar el pensamiento original y las habilidades que la IA no puede replicar. Por último, es crucial que se conciencie a la sociedad sobre las «alucinaciones» de la IA, para lo cual los educadores deben verificar la exactitud de la información generada por la IA y reconocer su naturaleza evolutiva, comparándola con los primeros días de Wikipedia. Es una responsabilidad colectiva de todas las partes interesadas garantizar que la IA se utilice de una manera que respete la privacidad, minimice el sesgo, apoye la autonomía equilibrada del aprendizaje y mantenga el papel vital de los maestros humanos.
8. ¿Qué papel juega la transparencia en el uso ético de los chatbots de IA en la educación?
La transparencia es un pilar fundamental para el uso ético de los chatbots de IA en la educación, ya que aborda varias de las preocupaciones éticas clave. En el ámbito de la privacidad de los datos, es esencial que los usuarios estén informados sobre las prácticas de gestión de datos para aliviar sus preocupaciones y generar confianza en los chatbots adoptados. Esto incluye informar a los usuarios sobre cómo se recopilan, almacenan y utilizan sus datos. Con respecto al sesgo algorítmico, la transparencia significa reconocer que los chatbots pueden mostrar sesgos ocasionalmente debido a los datos de entrenamiento subyacentes. Se debe alentar a los estudiantes a evaluar críticamente la producción de los chatbots, en lugar de aceptarla como una verdad objetiva, teniendo en cuenta que el sesgo no es inherente a la IA, sino a los datos generados por humanos con los que se entrena. En la prevención del plagio, la transparencia en la educación es vital para el uso responsable de las herramientas de IA; los estudiantes deben ser conscientes de que deben reconocer la ayuda recibida de la IA, de la misma manera en que se acepta la ayuda de herramientas como los correctores ortográficos. Además, para las «alucinaciones» de la IA, es importante que los educadores y los estudiantes sean conscientes de la posibilidad de que los chatbots generen información falsa o engañosa, lo que requiere un escrutinio humano continuo para su verificación. En general, la transparencia fomenta la alfabetización digital y la conciencia crítica, y empodera a los usuarios para navegar por el panorama de la IA de manera más efectiva.
Referencia:
WILLIAMS, R. T. (2024). The ethical implications of using generative chatbots in higher education. In Frontiers in Education (Vol. 8, p. 1331607). Frontiers Media SA.
Glosario de términos clave
Inteligencia artificial (IA): La capacidad de un sistema informático para imitar funciones cognitivas humanas como el aprendizaje y la resolución de problemas (Microsoft, 2023). En el contexto del estudio, se refiere a sistemas que pueden realizar tareas que normalmente requieren inteligencia humana.
Chatbots generativos: Programas de IA capaces de simular conversaciones humanas y generar respuestas creativas y nuevas, como poemas, historias o ensayos, utilizando Procesamiento del Lenguaje Natural (PLN) y vastos conjuntos de datos.
Procesamiento del lenguaje natural (PLN): Un subcampo de la IA que permite a las máquinas entender, responder y generar lenguaje humano. Es fundamental para la funcionalidad de los chatbots avanzados.
Aprendizaje automático (ML): Un subconjunto de la IA que permite a los sistemas aprender de los datos sin ser programados explícitamente. Los chatbots modernos utilizan ML para mejorar sus respuestas a lo largo del tiempo.
Privacidad de datos: La protección de la información personal de los individuos, asegurando que se recopile, almacene y utilice de forma ética y legal. En el contexto educativo, se refiere a la información sensible de los estudiantes.
Reglamento general de protección de datos (GDPR): Una ley de la Unión Europea sobre protección de datos y privacidad en el Área Económica Europea y el Reino Unido. Es relevante para la gestión de datos sensibles de estudiantes.
Ley de protección de la privacidad en línea de los niños (COPPA): Una ley de Estados Unidos que impone ciertos requisitos a los operadores de sitios web o servicios en línea dirigidos a niños menores de 13 años.
Derecho al olvido: El derecho de un individuo a que su información personal sea eliminada de los registros de una organización, un concepto que se complica con la naturaleza del aprendizaje de los algoritmos de IA.
Transparencia algorítmica: La capacidad de entender cómo funcionan los algoritmos de IA y cómo toman decisiones, incluyendo el acceso a los detalles de su implementación y bases de conocimiento.
Big Data: Conjuntos de datos tan grandes y complejos que los métodos tradicionales de procesamiento de datos no son adecuados. En los chatbots, se utilizan para personalizar experiencias.
Sesgo algorítmico: Ocurre cuando los sistemas de IA asimilan y reproducen sesgos sociales presentes en los datos con los que fueron entrenados, lo que puede llevar a resultados injustos o estereotipados.
Autoeficacia académica: La creencia de un estudiante en su capacidad para tener éxito en sus tareas académicas. El estudio explora cómo una dependencia excesiva de la IA podría impactarla negativamente.
Autoeficacia en IA: La confianza de un individuo en su capacidad para usar y adaptarse a las tecnologías de inteligencia artificial. Distinto de la autoeficacia informática tradicional debido a las capacidades cognitivas de la IA.
Plagio: La práctica de tomar el trabajo o las ideas de otra persona y presentarlas como propias, sin la debida atribución. Se convierte en una preocupación crítica con la capacidad de los chatbots para generar texto.
Software de detección de plagio: Herramientas diseñadas para identificar instancias de plagio comparando un texto con una base de datos de otros textos. La evolución de la IA plantea desafíos para su eficacia.
Alucinación de IA: Una respuesta generada por un modelo de lenguaje de IA que contiene información falsa, inexacta o engañosa, presentada como si fuera un hecho.
Modelos de lenguaje grandes (LLMs): Modelos de IA muy grandes que han sido entrenados con inmensas cantidades de texto para comprender, generar y responder al lenguaje humano de manera sofisticada. ChatGPT es un ejemplo de LLM.
Integridad académica: El compromiso con la honestidad, la confianza, la justicia, el respeto y la responsabilidad en el aprendizaje, la enseñanza y la investigación. Es fundamental para el entorno educativo y está amenazada por el plagio asistido por IA.
Os dejo este artículo, pues está en acceso abierto:
En España, las Escuelas de Ingeniería y Arquitectura ofrecen títulos universitarios habilitantes para ejercer profesiones reguladas en sectores fundamentales como la arquitectura, la medicina y la ingeniería. Este modelo formativo no solo tiene como objetivo proporcionar una sólida base teórica, sino también formar profesionales competentes para afrontar los retos del mundo laboral. Las Escuelas de Ingenieros de Caminos, Canales y Puertos ejemplifican la estrecha vinculación entre la docencia y la práctica profesional, siendo históricamente referentes gracias a sus catedráticos, quienes han combinado la labor académica con la ejecución de importantes proyectos de infraestructura.
Historia y vínculo con la práctica profesional
Desde sus inicios —como la Escuela de Ingenieros de Caminos de Madrid, fundada en 1802— estas instituciones han contado con profesores de reconocido prestigio internacional que han liderado y gestionado obras de gran envergadura (puentes, presas y puertos, entre otras). La experiencia directa acumulada en el campo aporta un valor añadido incalculable, ya que permite a los egresados no solo dominar la teoría, sino también comprender y aplicar soluciones reales a los desafíos técnicos y constructivos. La integración de la práctica profesional en la enseñanza resalta la inseparabilidad entre ciencia y técnica, base imprescindible para la formación completa del ingeniero.
Limitaciones del modelo universitario actual
El sistema universitario vigente ha privilegiado el desarrollo de la carrera investigadora y académica, orientando a estudiantes brillantes hacia el doctorado, contratos predoctorales, estancias de investigación y la promoción en el escalafón universitario. Si bien este enfoque es fundamental para el avance científico, en el ámbito de la ingeniería ha llevado a descuidar la incorporación de conocimientos derivados de la experiencia práctica de alto nivel. En las últimas décadas, se ha reducido drásticamente la presencia de profesores con una sólida trayectoria profesional en la dirección de grandes obras, lo que genera una desconexión entre el conocimiento teórico y las habilidades prácticas necesarias en el ejercicio profesional.
La figura del profesor asociado
Se ha sugerido que la figura del profesor asociado podría compensar la carencia de profesionales con experiencia práctica en el claustro universitario. No obstante, este modelo presenta áreas de mejora, ya que dichos profesionales, aunque compaginan la actividad práctica con la docencia, tienen contratos que impiden desarrollar, a largo plazo, una carrera académica estable y sólida. Esta situación limita su participación en procesos de investigación y en la toma de decisiones estratégicas a largo plazo, mermando la transferencia directa de conocimientos prácticos a las nuevas generaciones.
La necesidad de integrar la experiencia profesional en la academia
La ausencia de expertos con amplia experiencia en grandes proyectos de ingeniería repercute directamente en la formación de los estudiantes, quienes terminan sus estudios con un conocimiento teórico destacado, pero con habilidades y experiencia práctica mejorables para su incorporación en el mercado laboral. Esta limitación dificulta la transición profesional, pues las empresas y organismos demandan ingenieros capaces de aplicar sus conocimientos en la ejecución y gestión de obras complejas. Ante esta situación, resulta imperativo revisar los criterios de evaluación del profesorado universitario, de manera que la Agencia Nacional de Evaluación de la Calidad y Acreditación (ANECA) reconozca y valore especialmente la experiencia profesional de calidad al evaluar a este tipo de docentes.
Propuesta para la integración de profesionales en el ámbito universitario
Para solventar la brecha entre la formación teórica y la práctica profesional, se plantea la necesidad de crear nuevas vías de incorporación de profesionales con amplia experiencia en el ejercicio de la ingeniería al ámbito académico. Estas nuevas estructuras permitirían a dichos profesionales desarrollar una carrera académica paralela, estable y digna, sin renunciar a su actividad práctica. Resulta fundamental que esta reforma venga acompañada de una modificación en los criterios de evaluación de las instituciones, integrando los méritos derivados de la experiencia profesional junto a la excelencia investigadora. Modelos internacionales —como los desarrollados en Alemania, Canadá y Suiza— demuestran que es factible conciliar la actividad profesional y académica de manera efectiva, facilitando una mayor transferencia de conocimientos prácticos a los estudiantes y mejorando la conexión entre la formación y las necesidades del mercado laboral.
Conclusión y propuesta de acción
España no puede seguir anclada en un modelo educativo que excluya a aquellos profesionales que cuentan con la experiencia práctica necesaria para enriquecer la formación de los ingenieros. Es urgente la realización de una reforma que integre la experiencia profesional en la valoración del profesorado universitario, garantizando así una educación completa que responda a las exigencias del siglo XXI. En este sentido, se debería revisar en profundidad los criterios de evaluación del profesorado en la docencia de las profesiones reguladas y alcanzar un acuerdo que permita la incorporación efectiva de profesionales con trayectoria en la docencia y la investigación.
Os anuncio mi participación como ponente en la jornada inaugural del curso «Infraestructuras resilientes al clima», que se celebrará el 4 de abril de 2025, de forma presencial y telemática. Se celebrará a las 10:30 h en el Auditorio Agustín de Betancourt de la institución. Este curso está organizado por el Colegio de Ingenieros de Caminos, Canales y Puertos y está patrocinado por FCC Construcción y el Ministerio para la Transición Ecológica y el Reto Demográfico.
Durante este acto, de acceso libre, los directores del curso presentarán los contenidos que se abordarán a lo largo de las diversas sesiones formativas. Además, se debatirán los riesgos de las infraestructuras frente al cambio climático, así como las estrategias y medidas de resiliencia que pueden adoptarse.
Esta formación, organizada por el Comité Técnico de Agua, Energía y Cambio Climático del Colegio, tiene como objetivo analizar el impacto del cambio climático y explorar enfoques que faciliten la planificación, diseño, construcción y operación de infraestructuras resilientes al clima.
Os paso mi participación en este vídeo. Espero que os sea de interés.
La educación está experimentando una transformación sin precedentes gracias a los avances en inteligencia artificial (IA). La integración de la IA en el ámbito educativo ha traído consigo oportunidades y desafíos que requieren una adaptación rápida por parte de los docentes y los sistemas de enseñanza.
Esta revolución tecnológica ha dado lugar a la automatización de tareas administrativas, la personalización del aprendizaje, la optimización de evaluaciones y el desarrollo de nuevas metodologías de enseñanza que mejoran la eficiencia del aula. Sin embargo, su implementación también genera preocupaciones relacionadas con la equidad, la privacidad de los datos y la ética en la educación.
Este informe explora en profundidad cómo los docentes pueden aprovechar la IA para mejorar sus prácticas pedagógicas y hacer frente a los desafíos emergentes. Se proporcionarán ejemplos detallados, herramientas específicas y estrategias que permitirán a los educadores integrar esta tecnología de manera efectiva y responsable en sus aulas.
1. Inteligencia artificial generativa y su aplicación en la docencia
1.1. Definición y características
La inteligencia artificial generativa es una rama avanzada de la IA que emplea redes neuronales profundas para crear contenido original en formato de texto, imágenes, audio y vídeo. Este tipo de IA puede proporcionar respuestas personalizadas y adaptadas a distintos contextos de aprendizaje, lo que la convierte en una herramienta muy útil en el ámbito educativo.
Algunos ejemplos notables de IA generativa son ChatGPT, que puede generar respuestas detalladas en múltiples idiomas; DALL-E, que crea imágenes a partir de descripciones textuales, y Bard AI, que ofrece información en tiempo real a partir de consultas específicas.
El uso de estas herramientas en la docencia permite mejorar la interacción con los estudiantes, proporcionar materiales personalizados y fomentar un aprendizaje más dinámico. Además, la IA generativa puede ayudar en la corrección de textos, la generación de pruebas automatizadas y la creación de contenidos visuales para reforzar los conceptos enseñados en el aula.
1.2. Aplicaciones en el aula
Las aplicaciones de la inteligencia artificial (IA) generativa en la enseñanza son diversas y pueden utilizarse en diferentes áreas del conocimiento. Entre las más destacadas se encuentran:
Creación de material didáctico: la IA permite generar rápidamente presentaciones, resúmenes y documentos de apoyo para los estudiantes. Herramientas como Canva AI o Tome AI facilitan la producción de diapositivas atractivas con contenido relevante.
Automatización de respuestas: los docentes pueden utilizar chatbots educativos como PersonalChat para responder de manera inmediata a las dudas recurrentes de los estudiantes.
Evaluaciones y retroalimentación: plataformas como Gradescope permiten corregir exámenes de manera automatizada, lo que reduce la carga de trabajo de los docentes y asegura una evaluación más objetiva.
Generación de contenido multimedia: con herramientas como Runway AI y Pictory, los docentes pueden crear vídeos educativos personalizados y mejorar la experiencia de aprendizaje.
Un ejemplo concreto de su aplicación es el uso de ChatGPT en universidades para ayudar a los estudiantes en la redacción de ensayos, proporcionando estructuras sugeridas y correcciones gramaticales detalladas. Esto no solo mejora la calidad de los trabajos académicos, sino que también fomenta la autonomía y la autoevaluación de los estudiantes.
2. Personalización del aprendizaje y evaluación con IA
2.1. Aprendizaje adaptativo
Uno de los mayores beneficios de la inteligencia artificial (IA) en la educación es su capacidad para personalizar el aprendizaje en función del nivel y el ritmo de cada estudiante. Gracias al análisis de datos, los algoritmos de IA pueden identificar fortalezas y debilidades de los alumnos y ajustar los contenidos educativos en tiempo real para optimizar su rendimiento académico.
Algunas plataformas que utilizan este enfoque son:
Khan Academy con IA ofrece ejercicios personalizados según el nivel de conocimiento del estudiante.
Duolingo AI: adapta la dificultad de los ejercicios de idiomas en función del progreso del usuario.
Carnegie Learning ofrece tutorías de matemáticas con IA, que adaptan las preguntas al rendimiento del estudiante.
Este enfoque permite que los estudiantes reciban una educación más centrada en sus necesidades individuales, lo que reduce las brechas de aprendizaje y mejora la retención del conocimiento.
2.2. Evaluación automatizada
Otro aspecto crucial de la IA en la educación es la optimización del proceso de evaluación. Tradicionalmente, corregir exámenes y tareas supone un gran esfuerzo para los docentes. Gracias a herramientas como Gradescope y ZipGrade, ahora es posible evaluar pruebas de manera instantánea, proporcionar retroalimentación detallada y reducir el margen de error.
Además de la corrección automatizada, la IA puede utilizarse para analizar el rendimiento de los estudiantes a lo largo del tiempo y predecir posibles dificultades académicas. Por ejemplo, la plataforma Edsight AI recopila datos sobre las respuestas de los alumnos y genera informes personalizados con recomendaciones para mejorar su rendimiento.
A pesar de sus ventajas, la evaluación automatizada debe complementarse con métodos tradicionales para garantizar una comprensión profunda de los conceptos por parte de los estudiantes y evitar depender exclusivamente de algoritmos para medir los conocimientos.
3. Desafíos y consideraciones éticas
3.1. Sesgo en los algoritmos
Uno de los principales desafíos de la IA en la educación es la presencia de sesgos en los modelos de aprendizaje. Dado que las IA se entrenan con grandes volúmenes de datos históricos, pueden reflejar prejuicios existentes en la sociedad, lo que podría afectar negativamente a la equidad de la enseñanza.
Para minimizar estos riesgos, es fundamental que los docentes supervisen el contenido generado por IA y utilicen diversas fuentes para contrastar la información. Además, se recomienda fomentar el pensamiento crítico entre los estudiantes para que evalúen la veracidad y la imparcialidad de los datos proporcionados por estos sistemas.
3.2. Privacidad y seguridad de datos
El uso de la IA en la educación implica la recopilación y el análisis de grandes volúmenes de datos sobre los estudiantes. Para proteger su privacidad, es crucial que las instituciones educativas implementen regulaciones estrictas sobre el almacenamiento y uso de la información personal.
Algunas estrategias recomendadas son:
Utilización de plataformas con altos estándares de seguridad, como Microsoft Copilot y Google AI Education.
Concienciar sobre la importancia de la privacidad y enseñar a los estudiantes a gestionar sus datos de forma segura en entornos digitales.
Cumplimiento de normativas de protección de datos, como el Reglamento General de Protección de Datos (RGPD) en Europa.
Conclusiones
La inteligencia artificial está revolucionando la educación, ya que ofrece nuevas posibilidades para mejorar la enseñanza y el aprendizaje. Sin embargo, su implementación debe realizarse de manera responsable, garantizando el papel central del docente y promoviendo el uso ético de la tecnología.
Para maximizar sus beneficios, es esencial que los educadores se mantengan actualizados sobre las últimas tendencias en IA y adopten herramientas que complementen sus metodologías de enseñanza. La combinación de innovación tecnológica con estrategias pedagógicas efectivas transformará la educación y preparará a los estudiantes para los desafíos del futuro.
Os dejo un documento de la Universidad de Burgos que profundiza en el tema. Espero que os resulte de interés.
Acaban de publicar nuestro artículo en la revista Plos One, del primer cuartil del JCR. El artículo presenta una propuesta innovadora para la enseñanza de la ingeniería mediante la aplicación de la nomografía, una técnica matemática que se utiliza para representar gráficamente ecuaciones complejas. Su principal contribución es la introducción del software Nomogen, una herramienta basada en Python que permite generar nomogramas de tres variables de manera rápida y precisa, sin necesidad de manipular determinantes ni realizar dibujos manuales.
El estudio también demuestra la viabilidad de la nomografía como recurso didáctico en la enseñanza de la ingeniería, ya que facilita la interpretación de ecuaciones multivariables y reduce los errores en cálculos repetitivos. A través de una metodología experimental aplicada a estudiantes de ingeniería de diferentes niveles, los autores confirman que existe un renovado interés en el uso de nomogramas en entornos educativos, puesto que destacan su utilidad como complemento a los métodos digitales convencionales.
Los resultados del estudio revelan que, aunque el 78,4 % de los estudiantes encuestados nunca habían utilizado nomogramas, el 86,5 % reconoció su capacidad para interpretar fenómenos con múltiples variables de manera clara. Esta percepción constituye un argumento sólido a favor de la integración de la nomografía en los programas de ingeniería.
El uso del software Nomogen permitió superar las limitaciones tradicionales de la nomografía, ya que elimina la complejidad matemática inherente a su construcción manual. La posibilidad de generar gráficos precisos y adaptables a diferentes contextos hace que la herramienta sea accesible para estudiantes y docentes.
El análisis de las respuestas de la encuesta también reveló diferencias en la valoración de los nomogramas según el nivel formativo de los estudiantes. Los estudiantes en etapas avanzadas de sus estudios mostraron una mayor valoración de su utilidad en cuanto a la comprensión de fenómenos con múltiples variables.
El estudio abre diversas oportunidades de desarrollo futuro en los campos de la ingeniería y la educación. Algunas áreas que podrían explorarse son:
Ampliación del uso de nomogramas en otras disciplinas: Evaluar su aplicabilidad en áreas como la mecánica de suelos, hidráulica y estructuras, donde la representación gráfica de ecuaciones puede simplificar análisis complejos.
Integración de inteligencia artificial: Incorporar algoritmos de aprendizaje automático para optimizar la generación de nomogramas y mejorar su precisión en función de patrones detectados en bases de datos de ingeniería.
Desarrollo de herramientas interactivas: Explorar la posibilidad de crear versiones digitales interactivas de los nomogramas, que permitan una manipulación dinámica de las variables en tiempo real.
Evaluación longitudinal de su impacto educativo: Realizar estudios a largo plazo para analizar la retención del conocimiento y la eficacia del aprendizaje cuando se incorporan nomogramas en la enseñanza de la ingeniería.
Comparación con otros métodos gráficos: Investigar la efectividad de la nomografía frente a otras técnicas de visualización de datos, como los diagramas de contorno o los gráficos tridimensionales en programas informáticos especializados.
Este artículo representa un avance significativo en la enseñanza de la ingeniería, rescatando una herramienta histórica y adaptándola a las nuevas tecnologías con el objetivo de mejorar la comprensión y aplicación de conceptos matemáticos complejos.
Karl Culmann (10 de julio de 1821 – 9 de diciembre de 1881) fue un destacado ingeniero civil alemán, conocido por sus contribuciones fundamentales al cálculo de estructuras y, en particular, por el desarrollo de la estática gráfica. Se especializó en la construcción de puentes. Fue profesor de la Escuela Politécnica de Zúrich y realizó importantes innovaciones en el análisis de los sistemas reticulados, donde introdujo el cálculo gráfico, por lo que se le considera el fundador de la grafostática. Expuso el resultado de sus trabajos en su obra Estática gráfica (1866).
Culmann presentó el cálculo gráfico como un sistema coherente que incorporaba métodos gráficos para analizar estructuras como vigas, puentes, armaduras, arcos y muros de contención. Introdujo los polígonos de fuerza y funiculares, el método de secciones y el diagrama de fuerzas internas basado en el equilibrio de las juntas.
Se le atribuye la teoría de la elipse de inercia (también conocida como elipse de Culmann), esencial para el cálculo gráfico de momentos de inercia de figuras planas, así como la teoría de la elipse de elasticidad, que Karl Wilhelm Ritter aplicó al estudio de deformaciones en vigas elásticas.
La estática gráfica permitió registrar fuerzas en construcciones y resolver cálculos mediante dibujos. Los métodos de Culmann, adoptados inicialmente por sus alumnos, fueron rápidamente apreciados por diseñadores de puentes y estructuras por su rapidez frente a los procedimientos analíticos tradicionales.
Culmann nació en Bad Bergzabern, Baviera, en el seno de una familia luterana. Durante su infancia, fue educado en casa por su padre, un pastor luterano, hasta que en 1835 ingresó al Collège de Wissembourg. Más tarde, entre 1836 y 1838, continuó su formación en Metz, donde su tío Friedrich Jakob Culmann, profesor en la Escuela de Artillería, despertó su interés por la ingeniería.
En 1838, Culmann comenzó sus estudios en el Politécnico de Karlsruhe, donde se graduó en 1841. Al finalizar sus estudios, inició su carrera profesional en la administración pública de Baviera como aprendiz de ingeniero, especializándose en el diseño de puentes ferroviarios para los Ferrocarriles Estatales de Baviera.
Entre 1849 y 1851, con el apoyo de su superior, Friedrich August von Pauli, Culmann viajó a Inglaterra, Irlanda y Estados Unidos. Durante este tiempo, comparó diseños de puentes de celosía y desarrolló nuevas técnicas analíticas, que plasmó en dos diarios de viaje que incluían elementos de la teoría de estructuras reticuladas. Prestó especial atención a puentes, canales, sistemas de abastecimiento de agua, maquinaria industrial, barcos de vapor y otras innovaciones estadounidenses. Su temprana exposición a los avances de Poncelet y otros geómetras franceses se refleja en sus informes sobre la práctica de los puentes en Estados Unidos, donde ya se aprecian sus extensiones independientes de los métodos gráficos. Mientras la costumbre era analizar un diseño mediante ecuaciones, Culmann optó por otro enfoque: construcciones geométricas fundamentales y ampliamente aplicables.
En 1855, gracias, entre otros, a la mediación de Max Eyth, fue nombrado profesor de ciencias de la ingeniería en la entonces recién fundada Escuela Politécnica Federal de Zúrich (ETH Zúrich), cargo que ocupó hasta 1881. A partir de 1860, impartió clases sobre estática gráfica, una disciplina que revolucionó al fundamentar métodos gráficos para la resolución de problemas estructurales. En 1864 elaboró un valioso informe sobre su investigación de los torrentes montañosos de Suiza, cuya regulación representaba un problema recurrente en ciertas temporadas. Inspirado por el trabajo de Jean-Victor Poncelet, publicó en 1865 su obra más influyente, Die graphische Statik, que sería traducida al francés en 1879. En esta obra, ofreció un panorama completo de los trabajos existentes sobre métodos gráficos para resolver problemas estáticos y sentó las bases para su uso como una ciencia exacta.
Como docente, recibió grandes elogios por su vasta experiencia, su excelente conocimiento teórico y su comprensión empática. Desde 1860, impartió conferencias sobre estática gráfica en Zúrich. Culmann asesoró al Gobierno Suizo en numerosos proyectos técnicos, como una línea de tranvía tirado por caballos para Zúrich y casi todos los proyectos de construcción de puentes de su época. También realizó un inventario de todos los torrentes de montaña del sur de Suiza. En 1868 obtuvo la nacionalidad suiza. Entre 1872 y 1875 fue director de la escuela, y en 1880, un año antes de su muerte, obtuvo su doctorado en el ETH de Zúrich.
La grúa de Culmann con las líneas de las principales trayectorias de tensión y el modelo de von Meyers de la estructura trabecular de la extremidad proximal del fémur, explicado por Wolff, 1872. https://www.elsevier.es/es-revista-revista-espanola-cirugia-ortopedica-traumatologia-129-articulo-respuesta-osea-las-solicitaciones-mecanicas-13015932
También resulta de interés cómo Culmann identificó, junto con von Meyer (1967) la similitud entre la arquitectura del extremo proximal del fémur y los patrones de las trayectorias de solicitaciones, utilizando su innovador método de “estática gráfica”. Posteriormente, se empleó la ley de Wolff (1892) que indica que el alineamiento óseo trabecular coincide con las trayectorias de las tensiones principales en un sólido ideal de geometría exacta al hueso y bajo las mismas cargas.
Karl Culmann falleció en Zúrich, Suiza, el 9 de diciembre de 1881, dejando un legado imborrable en la ingeniería estructural y en el desarrollo de herramientas matemáticas aplicadas al diseño técnico. A lo largo de su carrera, influyó profundamente en la siguiente generación de ingenieros, entre ellos Maurice Koechlin, Christian Otto Mohr y Luigi Cremona.
Aunque los fundamentos de la estática gráfica fueron finalmente superados por la geometría proyectiva, Culmann, junto con Mohr, fue uno de los ingenieros estructurales más destacados del siglo XIX en el mundo de habla alemana.
Principales contribuciones a la teoría de estructuras:
Der Bau der hölzernen Brücken in den Vereinigten Staaten von Nordamerika [1851] (La construcción de puentes de madera en los Estados Unidos de América del Norte).
Der Bau der eisernen Brücken in England und Amerika [1852] (La construcción de puentes de hierro en Inglaterra y América).
Ueber die Gleichgewichtsbedingungen von Erdmassen [1856] (Sobre las condiciones de equilibrio de las masas de tierra).
Die graphische Statik [1864, 1866] (La estática gráfica).
Vorlesungen über Ingenieurkunde. I. Abtheilung: Erdbau [1872] (Lecciones sobre ingeniería. Primera parte: construcción de tierra).
Die Graphische Statik [1875] (La estática gráfica).
El artículo presenta un análisis exhaustivo sobre la integración de la realidad aumentada en la enseñanza superior de las ingenierías y de las ciencias de la Tierra. Una de las contribuciones más significativas es la propuesta de una metodología estructurada, denominada SEBAS, que guía la incorporación de esta tecnología enriquecedora en el aula. Esta metodología no solo proporciona un marco claro para el desarrollo de actividades educativas, sino que también fomenta un enfoque activo y participativo en el aprendizaje. La investigación destaca cómo esta tecnología puede transformar la enseñanza tradicional, ya que facilita la visualización de conceptos complejos y abstractos, lo que resulta en una experiencia de aprendizaje más interactiva y efectiva.
Además, el estudio resalta la importancia de la formación docente en el uso de tecnologías emergentes, lo que puede mejorar la calidad de la enseñanza y la preparación del alumnado para afrontar los desafíos del mundo profesional. La inclusión de la realidad aumentada en el currículo de ingeniería civil no solo enriquece el proceso educativo, sino que también responde a las necesidades de una generación de nativos digitales que demanda métodos de enseñanza más dinámicos.
Los resultados de la investigación indican que los estudiantes recibieron positivamente la implantación de esta tecnología en su formación. Se observó un aumento en la comprensión de los contenidos teóricos y una mejora en la motivación y el compromiso con el aprendizaje. La encuesta realizada a los participantes mostró que la mayoría considera que la realidad aumentada es un complemento valioso para las actividades prácticas y teóricas, lo que sugiere que esta herramienta puede ser un recurso eficaz para abordar las limitaciones de la educación tradicional.
Estos hallazgos tienen implicaciones significativas para la práctica profesional en ingeniería civil. La capacidad de visualizar y manipular modelos tridimensionales permite a los futuros profesionales desarrollar habilidades críticas esenciales para su campo. Además, la investigación recomienda que esta tecnología puede utilizarse para simular situaciones reales en el entorno laboral, lo que prepara a los futuros ingenieros para enfrentar desafíos prácticos de manera más efectiva. Este enfoque no solo mejora la formación académica, sino que también aumenta la empleabilidad de los graduados.
A partir de los resultados del artículo, se pueden identificar varias áreas de estudio que merecen una exploración más a fondo. Una posible línea de investigación podría centrarse en evaluar a largo plazo el impacto de la realidad aumentada en el rendimiento y la retención del conocimiento del alumnado de ingeniería civil. Esto permitiría determinar la efectividad de esta tecnología en diferentes contextos educativos y su capacidad para adaptarse a diversas metodologías de enseñanza.
Otra área de interés podría ser el desarrollo de recursos digitales específicos que complementen la enseñanza de otras disciplinas dentro de la ingeniería, como la ingeniería estructural o la ingeniería ambiental. La creación de aplicaciones que aborden temas específicos podría enriquecer aún más el aprendizaje y proporcionar herramientas prácticas a los estudiantes.
Finalmente, se sugiere investigar la percepción y aceptación de la realidad aumentada entre el profesorado, así como su disposición para integrar estas tecnologías en su práctica docente. Comprender las barreras y facilitadores en la adopción de esta herramienta por parte de los docentes puede resultar clave para su implementación exitosa en el aula.
La investigación sobre la realidad aumentada en la enseñanza superior de ingeniería civil ofrece perspectivas valiosas para mejorar el proceso de enseñanza-aprendizaje. La metodología SEBAS y los resultados positivos en la percepción del alumnado ponen de manifiesto el potencial de esta tecnología como herramienta educativa. Las futuras investigaciones en este campo pueden contribuir significativamente al avance del conocimiento y la práctica en esta disciplina, promoviendo una educación más interactiva y adaptada a las necesidades del entorno profesional actual.
Cada 31 de diciembre, decidimos que un año termina y empieza otro. Aunque podría haberse elegido una fecha más relacionada con los ciclos naturales, como un solsticio o un equinoccio, la tradición marca este día como el final de un ciclo y el comienzo de otro. Como cada año, aprovecho este momento para reflexionar sobre lo que ha ocurrido en el 2024. Sin duda, será un año que recordaremos durante mucho tiempo.
El año 2024 nos ha conmocionado con el desastre ocurrido en la provincia de Valencia a causa de las inundaciones provocadas por la DANA. El 29 de octubre es una fecha que no olvidaremos fácilmente. Muchos compañeros hemos participado en medios de comunicación para explicar lo ocurrido y cómo se puede afrontar la reconstrucción necesaria. También se cumplieron 20 años del tsunami del Índico. A nivel personal, este año cumplí 60 años, pero desgraciadamente no lo pude celebrar con mi padre, al que tanto le debo. Mi recuerdo más emocionado.
Si repasamos brevemente algunos de los acontecimientos de este año, vemos que continúan los conflictos armados, como la invasión rusa de Ucrania, la guerra civil birmana, la guerra civil sudanesa y la insurgencia islamista en el Sahel. En noviembre se reanudaron los intensos combates, que llevaron al derrocamiento del régimen baazista sirio en diciembre y a la huida del país del presidente Bashar al-Ásad. Israel sigue inmerso en un conflicto que ya dura demasiado y que está adquiriendo una dimensión regional. Asimismo, se celebraron los Juegos Olímpicos en París, Donald Trump ganó las elecciones presidenciales en Estados Unidos y se celebró la Conferencia de las Naciones Unidas sobre el Cambio Climático de Bakú, la COP29.
El 14 de julio se cumplieron 200 años del fallecimiento de Agustín de Betancourt. Como buen ingeniero de caminos, acudí a Puerto de la Cruz, en Tenerife, a visitar su pueblo natal. Lamentablemente, en este año nos han dejado destacados ingenieros como Javier Manterola Armisén, Enrique Alarcón Álvarez, Juan Miguel Villar Mir o Manuel Melis Maynar, entre otros, marcando pérdidas significativas en el mundo de la ingeniería.
Pero voy a centrarme ya en el balance personal que suelo hacer cada año en estas fechas. Este año terminamos el proyecto de investigación HYDELIFE y nos concedieron el nuevo proyecto RESILIFE, que tiene una duración de tres años. En este momento, mi índice H es de 44 en la Web of Science, de 43 en Scopus y de 62 en Google Académico, con 181 artículos publicados en revistas indexadas en el JCR. Además de los 19 artículos científicos que he publicado en revistas indexadas en el JCR, ya hemos publicado dos artículos en 2025 y hemos aceptado uno más. No está mal empezar el año con tres artículos. Nunca me cansaré de elogiar a los integrantes del grupo de investigación. Mejoran cada día.
Este año he sido elegido, por segundo mandato consecutivo, como Consejero en el Sector 4: docencia e investigación del Colegio de Ingenieros de Caminos, Canales y Puertos. También participé como secretario en la Comisión de Acreditación 15 de Ingeniería Civil de ANECA. Igualmente, he sido presidente de la comisión que ha evaluado varios másteres universitarios en la Universitat Politècnica de Catalunya, a través de la agencia AQU Catalunya. Asimismo, he participado en numerosas evaluaciones de proyectos de I+D+i con AENOR.
Demos un pequeño repaso a lo que ha sido este 2024. En el mes de enero conocimos que nuestro doctorando Iván Negrín ganó la primera edición del Premio EMA (Excelencia y Mérito Académico) de estructuras de edificación 2023. En mayo nuestro estudiante de doctorado Mehrdad Hadizadeb-Bazaz por su Premio al mejor trabajo en la modalidad de póster otorgado por la Escuela de Doctorado de la Universitat Politècnica de València, dentro del IX Encuentro de Estudiantes de Doctorado. El 19 de junio, Ricardo Martín Polo defendió su tesis doctoral con la máxima calificación. En junio nos enteramos de que las tesis doctorales de David Martínez Muñoz y de Zhiwu Zhou habían recibido premios extraordinarios. En octubre me enteré de que era finalista en la categoría de divulgación científica de la UPV, aunque aún no se han dado a conocer los resultados de los premios debido a la DANA. El 4 de diciembre se defendió la tesis doctoral de Andrés Ruiz, codirigida por el profesor Julián Alcalá y por mí, y también con la máxima calificación. He participado en varios congresos como el X Congreso de Innovación Educativa y Docencia en Red (IN-RED 2024), el Congress on Numerical Methods in Engineering CMN2024, o el 28th International Congress on Project Management and Engineering.
Este año he publicado un libro que he tardado en elaborar varios años. Se trata del Manual de Referencia denominado: Estructuras auxiliares en la construcción: Andamios, apeos, entibaciones, encofrados y cimbras. Este libro aborda las estructuras auxiliares en la construcción, tanto en edificación como en ingeniería civil, y trata temas como apeos, apuntalamientos, entibaciones, andamios, encofrados y cimbras. Su novedad radica en el enfoque constructivo de estas técnicas, apoyado por fotografías e ilustraciones. Incluye bibliografía, autoevaluaciones, respuestas y problemas resueltos, lo que lo convierte en un recurso útil para estudiantes de ingeniería y arquitectura, así como en un manual de consulta para profesionales de la construcción. Complementa textos más teóricos sobre estructuras y geotecnia.
Este post es el número 189 de los que he escrito este año, lo cual no está nada mal. Ya he publicado 2038 artículos en mi blog desde que inicié esta andadura el 5 de marzo de 2012, por lo que este año se cumple una década de esta aventura. Sin darme cuenta, he tocado muchos temas relacionados con la profesión de la ingeniería civil y la construcción en todos sus aspectos. Además, cada vez tengo más presencia en las redes sociales. Tengo más de 34 200 seguidores en X (antes Twitter) y más de 23 200 en LinkedIn.
Por último, os dejo a continuación algunas referencias sobre los artículos, congresos, libros y vídeos educativos que he realizado durante este año 2024. Cada año es más difícil mejorar los resultados del año anterior, pero haremos todo lo posible para el 2025.
INVESTIGADOR PRINCIPAL EN PROYECTOS DE INVESTIGACIÓN COMPETITIVOS:
Optimización resiliente del ciclo de vida de estructuras híbridas y modulares de alta eficiencia social y medioambiental bajo condiciones extremas. (RESILIFE). [Resilient life-cycle optimization of socially and environmentally efficient hybrid and modular structures under extreme conditions]. PID2023-150003OB-I00.
ARTÍCULOS INDEXADOS EN EL JCR:
BLIGHT, T.; MARTÍNEZ-PAGÁN, P.; ROSCHIER, L.; BOULET, D.; YEPES-BELLVER, L.; YEPES, V. (2025). Innovative approach of nomography application into an engineering educational context. Plos One, (accepted, in press).
YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2024). Comparing neural network and Kriging for the embodied energy optimization of prestressed concrete slab road bridges.Congress on Numerical Methods in Engineering CMN2024, 6-6 September 2024, Universidade de Aveiro, Portugal.
La Universitat Politècnica de València, en colaboración con la empresa Ingeoexpert, ha elaborado un Curso en línea sobre “Fabricación y puesta en obra del hormigón”.
El curso, totalmente en línea, se desarrollará en 6 semanas, con un contenido de 75 horas de dedicación del estudiante. Hay plazas limitadas.
Este curso ofrece una visión completa sobre la fabricación y la puesta en obra del hormigón. No se requieren conocimientos previos específicos, ya que está diseñado para beneficiar a un amplio espectro de profesionales, tanto con experiencia como sin ella, así como a estudiantes de disciplinas relacionadas con la construcción, tanto en el ámbito universitario como en la formación profesional. El proceso de aprendizaje está estructurado de manera gradual, lo que permite a los participantes profundizar en los aspectos que más les interesen, apoyándose en material complementario y enlaces a recursos en línea, como vídeos y catálogos.
En este curso, adquirirás conocimientos fundamentales sobre la fabricación de hormigones y el uso de maquinaria relacionada, incluyendo centrales de hormigonado, transporte y bombeo de hormigón, cintas transportadoras, gunitado, colocación de hormigón bajo el agua y en condiciones de frío o calor, así como grandes vertidos, compactación por vibrado, hormigón al vacío, curado, juntas de construcción, hormigón precolocado y tipos de hormigón como el de fibra de vidrio, autocompactantes, compactados con rodillo y ligeros.
El enfoque principal del programa es comprender los principios que rigen la fabricación y la puesta en obra del hormigón, tanto prefabricado como ejecutado en obra, prestando atención a sus características más importantes y a los aspectos constructivos relevantes en ingeniería civil y edificación. El curso abarca un amplio espectro y profundiza en los fundamentos de la ingeniería de la construcción, además de destacar la importancia de fomentar el pensamiento crítico de los estudiantes, especialmente en relación con la selección de métodos, técnicas y maquinaria que se deben aplicar en situaciones concretas. Además, este curso trata de llenar el vacío que a menudo deja la bibliografía habitual y está diseñado para que los estudiantes puedan profundizar en los conocimientos adquiridos y adaptarlos a su experiencia previa o a sus objetivos personales y empresariales.
El contenido del curso se organiza en 50 lecciones, cada una de las cuales constituye una secuencia de aprendizaje completa. Además, se ofrece un amplio conjunto de problemas resueltos que complementan la teoría presentada en cada lección. Se estima que se necesitan entre dos y tres horas para completar cada lección, en función del interés del estudiante por profundizar en los temas mediante el material adicional proporcionado.
Al finalizar cada unidad didáctica, el estudiante se enfrenta a una serie de preguntas diseñadas para consolidar los conceptos fundamentales y fomentar la curiosidad sobre aspectos relacionados con el tema tratado. También se han diseñado tres unidades adicionales para reforzar los conocimientos adquiridos a través del desarrollo de casos prácticos, en los que se fomenta el pensamiento crítico y la capacidad para resolver problemas reales. Finalmente, al concluir el curso, se llevará a cabo un conjunto de preguntas tipo test con el objetivo de evaluar el aprovechamiento del estudiante, además de servir como herramienta de aprendizaje.
El curso está diseñado para una dedicación total de 75 horas por parte del estudiante. Se busca mantener un ritmo moderado, con una dedicación semanal de aproximadamente 10 a 15 horas, en función del nivel de profundidad que cada estudiante desee alcanzar. La duración total del curso es de seis semanas de aprendizaje.
Lo que aprenderás
Al finalizar el curso, los objetivos de aprendizaje básicos son los siguientes:
Comprender la utilidad y las limitaciones de la maquinaria empleada en la fabricación del hormigón, tanto prefabricado como elaborado en obra
Evaluar y seleccionar los procedimientos constructivos para la colocación del hormigón, atendiendo a criterios económicos y técnicos
Conocer las buenas prácticas y los aspectos de seguridad implicados en el transporte, vertido, compactación y curado del hormigón
Analizar las características específicas en la fabricación y colocación de hormigones especiales como los autocompactantes, ligeros, con fibras, precolocados, compactados con rodillo y otros.
Programa del curso
Lección 1. Fabricación de hormigones
Lección 2. Homogeneidad en la fabricación del hormigón
Lección 3. Amasado del hormigón
Lección 4. Amasadoras de hormigón
Lección 5. Centrales de fabricación de hormigón
Lección 6. Hormigoneras
Lección 7. Cálculo de la temperatura de fabricación del hormigón
Lección 8. Almacenamiento de áridos
Lección 9. Corrección de humedad de los áridos
Lección 10. Transporte del cemento
Lección 11. Silos fijos de cemento
Lección 12. Cemento para hormigones resistentes a sulfatos en cimentaciones
Lección 13. Carretillas manuales o a motor para el transporte del hormigón
Lección 14. Hormigonado con cubilote
Lección 15. Transporte del hormigón mediante cintas transportadoras
Lección 16. Colocación del hormigón mediante bombeo
Lección 17. Torres distribuidoras de hormigón
Lección 18. Problemas de bombeo de hormigón
Lección 19. Hormigón proyectado: gunitado
Lección 20. Recomendaciones para el vertido de hormigón
Lección 21. Trompas de elefante para la colocación del hormigón
Lección 22. Hormigonado con tubería Tremie
Lección 23. Técnicas de colocación del hormigón bajo el agua
Lección 24. Fabricación y colocación del hormigón en tiempo caluroso
Lección 25. Fabricación y colocación del hormigón en tiempo frío
Lección 26. Hormigonado en condiciones de viento
Lección 27. Vertido y compactación de hormigón en soportes de sección reducida
Lección 28. Grandes vertidos de hormigón
Lección 29. Razones para compactar el hormigón
Lección 30. Compactación manual del hormigón: picado y apisonado
Lección 31. Compactación del hormigón por vibrado
Lección 32. Vibradores de aguja para compactar el hormigón
Lección 33. Vibradores externos para encofrados de hormigón
Lección 34. Mesa vibrante de hormigón
Lección 35. Compactación del hormigón con regla vibrante
Lección 36. Compactación del hormigón por centrifugación
Lección 37. Hormigón al vacío
Lección 38. Alisadoras rotativas o fratasadoras
Lección 39. Revibrado del hormigón
Lección 40. Agrietamiento plástico durante el fraguado del hormigón: Nomograma de Menzel
Lección 41. Necesidad y fases del curado del hormigón
Lección 42. Curado de pavimentos y otras losas de hormigón sobre tierra
Lección 43. Curado al vapor del hormigón e índice de madurez
Lección 44. Hormigón de limpieza en fondos de excavación
Lección 45. Las juntas de construcción en el hormigón
Lección 46. Hormigón precolocado: Prepakt y Colcrete
Lección 47. Hormigón reforzado con fibra de vidrio
Lección 48. Hormigón autocompactante
Lección 49. Hormigones compactados con rodillo
Lección 50. Hormigones ligeros
Supuesto práctico 1.
Supuesto práctico 2.
Supuesto práctico 3.
Batería de preguntas final
Conozca a los profesores
Víctor Yepes Piqueras
Ingeniero de Caminos, Canales y Puertos (1982-1988). Número 1 de promoción (Sobresaliente Matrícula de Honor). Especialista Universitario en Gestión y Control de la Calidad (2000). Doctor Ingeniero de Caminos, Canales y Puertos, Sobresaliente “cum laude”. Catedrático de Universidad en el área de ingeniería de la construcción en la Universitat Politècnica de València y profesor, entre otras, de las asignaturas de Procedimientos de Construcción en los grados de ingeniería civil y de obras públicas. Ha recibido el Premio a la Excelencia Docente por parte del Consejo Social. Su experiencia profesional se ha desarrollado como jefe de obra en Dragados y Construcciones S.A. (1989-1992) y en la Generalitat Valenciana como Director de Área de Infraestructuras e I+D+i (1992-2008). Ha sido Director Académico del Máster Universitario en Ingeniería del Hormigón (2008-2017), obteniendo durante su dirección la acreditación EUR-ACE para el título. Profesor Visitante en la Pontificia Universidad Católica de Chile. Investigador Principal en 6 proyectos de investigación competitivos. Ha publicado más de 175 artículos en revistas indexadas en el JCR. Autor de 10 libros, 22 apuntes docentes y más de 350 comunicaciones a congresos. Ha dirigido 17 tesis doctorales, con 10 más en marcha. Sus líneas de investigación actuales son las siguientes: (1) optimización sostenible multiobjetivo y análisis del ciclo de vida de estructuras de hormigón, (2) toma de decisiones y evaluación multicriterio de la sostenibilidad social de las infraestructuras y (3) innovación y competitividad de empresas constructoras en sus procesos. Ha recibido el Premio a la Excelencia Docente por parte del Consejo Social, así como el Premio a la Trayectoria Excelente en Investigación y el Premio al Impacto Excelente en Investigación, ambos otorgados por la Universitat Politècnica de València.
Lorena Yepes Bellver
Lorena Yepes Bellver es Profesora Asociada en el Departamento de Mecánica de los Medios Continuos y Teoría de las Estructuras de la Universitat Politècnica de València. Es ingeniera civil, máster en ingeniería de caminos, canales y puertos y máster en ingeniería del hormigón. Ha trabajado en los últimos años en empresas constructoras y consultoras de ámbito internacional. Aparte de su dedicación docente e investigadora, actualmente se dedica a la consultoría en materia de ingeniería y formación.
Me complace informar a mis lectores que el XI Congreso de Innovación Educativa y Docencia en Red (INRED) 2025 se celebrará los días 17 y 18 de julio en Valencia. En un contexto en el que las instituciones educativas están experimentando una transformación vertiginosa, la innovación educativa se presenta como una herramienta esencial para renovar los procesos de enseñanza y aprendizaje y adaptarse a los nuevos retos. La Ley Orgánica de Sistema Universitario (LOSU) plantea que la innovación docente es un medio para mejorar la calidad de la educación superior y para fortalecer la capacidad de adaptación a nuevos escenarios formativos. Además, la considera una estrategia esencial para el desarrollo profesional del profesorado.
