Entornos de aprendizaje emergentes en la educación en ingeniería

La formación en ingeniería está experimentando una transformación profunda, impulsada por desafíos globales como el cambio climático, la revolución digital y la creciente brecha entre la enseñanza académica y las exigencias del mercado laboral. A continuación, analizamos el trabajo de Hadgraft y Kolmos (2020), donde se explora cómo la educación en ingeniería está evolucionando para hacer frente a estos retos mediante cuatro tendencias clave: el aprendizaje centrado en el estudiante, el aprendizaje contextual, la digitalización de la enseñanza y el desarrollo de competencias profesionales. A partir de estas líneas de cambio, se propone que la educación futura debe pasar de un enfoque en disciplinas individuales a currículos integrados que aborden problemas complejos y promuevan trayectorias de aprendizaje personalizadas. En última instancia, se hace hincapié en la necesidad de un cambio sistémico en el diseño curricular para preparar a los ingenieros para un futuro laboral en constante cambio.

La educación en ingeniería se enfrenta a tres desafíos fundamentales: la sostenibilidad y el cambio climático, la Cuarta Revolución Industrial (Industria 4.0) y la empleabilidad de los graduados. Estos desafíos exigen que los ingenieros del futuro posean habilidades transdisciplinares, pensamiento sistémico y contextual, y la capacidad de actuar en situaciones complejas y caóticas. Para responder a estas necesidades, la educación en ingeniería ha evolucionado hacia un enfoque centrado en el estudiante, la integración de la teoría y la práctica, el aprendizaje digital y en línea, y el desarrollo de competencias profesionales. A largo plazo, se tenderá a modelos curriculares más personalizados y centrados en proyectos que permitan a los estudiantes construir sus propias trayectorias de aprendizaje y documentar sus competencias para el aprendizaje a lo largo de la vida.

1. Desafíos clave para la educación en ingeniería

Se identifican tres desafíos principales que están impulsando la necesidad de transformar la educación en ingeniería:

  • Sostenibilidad y cambio climático: la ingeniería es fundamental para abordar los 17 Objetivos de Desarrollo Sostenible (ODS) de la ONU, especialmente en lo que respecta a la pobreza, el hambre, la salud, el agua, la energía, el crecimiento económico y la acción climática. La educación en ingeniería debe preparar a los graduados para responder a estos desafíos humanitarios, sociales y económicos.
  • Cuarta Revolución Industrial (Industria 4.0): Esta revolución implica la integración generalizada de tecnologías como la automatización, el internet de las cosas (IoT), la inteligencia artificial (IA), la robótica y la fabricación aditiva. Tradicionalmente, la ingeniería no se ha enseñado de manera integradora, pero el éxito de la Industria 4.0 depende de la interacción y la integración de estas tecnologías. Esto requiere una mayor colaboración interdisciplinaria entre diferentes programas y disciplinas universitarias, como informática, análisis de datos, robótica, automatización, producción, gestión, electrónica y materiales. La segunda revolución industrial, que está en la agenda política e industrial, implica la integración generalizada de tecnologías como la automatización, el IoT, la IA, la robótica, los materiales avanzados, la fabricación aditiva, la impresión multidimensional, las bio-, nano- y neurotecnologías, y las realidades virtuales y aumentadas.
  • Empleabilidad y competencias de innovación: a pesar de la creciente importancia de habilidades como el emprendimiento y el pensamiento de diseño, aún existe una brecha entre la formación en ingeniería y la preparación para el mundo laboral. La integración de la teoría y la práctica mediante pasantías, proyectos en colaboración con el sector y laboratorios de aprendizaje son soluciones parciales. El aprendizaje basado en problemas o proyectos (PBL) se presenta como un mecanismo para abordar este desafío. La brecha entre la educación en ingeniería y la preparación para el trabajo sigue existiendo, por lo que se deben integrar la teoría y la práctica mediante un enfoque centrado en la empleabilidad y la colaboración con la industria mediante pasantías, proyectos de asociación y laboratorios de aprendizaje.
Desafíos principales que están impulsando la necesidad de transformar la educación en ingeniería

Estos tres desafíos exigen, en conjunto, un mayor énfasis en la responsabilidad social, la integración del contexto social y la interdisciplinariedad, combinados con habilidades digitales y genéricas.

2. Respuestas actuales y tendencias emergentes

La educación en ingeniería ha respondido a estos desafíos con cuatro tendencias principales que se materializarán a corto plazo:

  1. Aprendizaje centrado en el estudiante: Un cambio significativo de la enseñanza tradicional (el profesor da la clase, los estudiantes escuchan) a un currículo más interactivo donde los estudiantes influyen en la dirección de su propio aprendizaje. Esto incluye metodologías como el aprendizaje activo, el aprendizaje colaborativo, el aprendizaje basado en equipos, el aprendizaje basado en el diseño, el aprendizaje basado en la investigación y, en particular, el aprendizaje basado en problemas y proyectos (PBL). El PBL ha demostrado su eficacia para aumentar la motivación, reducir las tasas de abandono y desarrollar competencias, y constituye una respuesta clave a la necesidad de un aprendizaje más complejo. El aprendizaje centrado en el estudiante es un área bien investigada. Los estudios sobre aprendizaje activo, aprendizaje basado en la investigación, aprendizaje basado en el diseño y aprendizaje basado en desafíos muestran efectos positivos en los resultados del aprendizaje. La motivación aumenta cuando los estudiantes inician proyectos, en los que identifican problemas y tienen un alto grado de influencia en la dirección del proyecto.
  2. Aprendizaje contextual y basado en la práctica: Incorporación de elementos curriculares relacionados con situaciones laborales futuras, como pasantías, proyectos de la industria, emprendimiento y centros de innovación. Los proyectos iniciados externamente (por empresas o la comunidad) son particularmente valiosos porque son auténticos y exponen a los estudiantes a la complejidad del mundo real. Junto con la tendencia del aprendizaje centrado en el estudiante, existe una tendencia de aprendizaje contextual y relacionado con la práctica, en la que los estudiantes cuentan con elementos del currículo relacionados con situaciones laborales posteriores, como pasantías, proyectos de la industria, emprendimiento y centros de innovación.
  3. Aprendizaje digital y en línea: Evolución del aprendizaje a distancia a estrategias de aprendizaje combinado (blended learning) que utilizan nuevas tecnologías como la realidad aumentada y la visualización 3D. El modelo del «aula invertida» (flipped classroom) es un ejemplo destacado, en el que los estudiantes se preparan con contenido en línea antes de clase y utilizan el tiempo en el aula para actividades interactivas y resolución de problemas. Este enfoque es una respuesta a la ineficacia de las clases magistrales tradicionales para los niveles superiores de la taxonomía de Bloom y los aspectos complejos del marco Cynefin. En la actualidad, el aprendizaje digital se centra en las estrategias de aprendizaje combinado. La digitalización es más que ofrecer plataformas y entornos de aprendizaje en línea como Blackboard o Moodle; consiste en usar nuevas tecnologías para el aprendizaje, como la realidad aumentada, la visualización 3D, etc. El modelo de «aula invertida», como enfoque centrado en el estudiante, es una respuesta a la metodología de enseñanza y aprendizaje más extendida en la educación en ingeniería, que consiste en un aprendizaje instructivo basado en libros de texto organizado como conferencias, tutoriales y laboratorios, combinado con la resolución de pequeños ejercicios.
  4. Competencias profesionales: Reconocimiento de la creciente importancia de desarrollar competencias profesionales integradas para la empleabilidad en el siglo XXI. Esto incluye el «aprendizaje meta» para que los estudiantes identifiquen y desarrollen sus propias competencias de manera personalizada, a menudo a través de portafolios que les permitan articular su aprendizaje y trayectoria profesional. Se enfatiza la responsabilidad individual en la construcción de la trayectoria de aprendizaje, combinada con la participación en actividades colaborativas. Otro aspecto emergente en la educación en ingeniería es la creciente importancia del aprendizaje integrado de competencias profesionales. Los portafolios desempeñarán un papel fundamental en este proceso, ya que ayudarán a los estudiantes a presentar su aprendizaje a sí mismos, a sus mentores académicos y a futuros empleadores en una entrevista de trabajo.
Respuestas actuales y tendencias en la educación en ingeniería

3. La complejidad y los sistemas en la educación en ingeniería

Los desafíos del futuro requieren que los ingenieros operen en situaciones de complejidad creciente. El marco Cynefin se utiliza para clasificar las situaciones en simples, complicadas, complejas y caóticas, y prescribe diferentes enfoques para cada una:

  • Simple: Comportamiento bien entendido, «mejores prácticas» definidas. Se aplica el método «sentir, categorizar y responder» (ej. fundamentos de ingeniería, problemas de examen tipo fórmula).
  • Complicado: Requiere comportamiento experto, múltiples respuestas correctas. Se aplica «sentir, analizar y responder» (ej. diseño de puentes o teléfonos móviles; proyectos de diseño de estudiantes). La ingeniería de sistemas proporciona un marco estructurado.
  • Complejo: No hay una solución clara o única; surgen soluciones. Se aplica «probar, sentir y responder». Estos son los «problemas complejos» (wicked problems), caracterizados por no tener una formulación definitiva, no tener una mejor solución única, no tener un punto final claro, y donde cada intento de solución impacta el sistema. El diseño de sistemas de transporte para grandes ciudades es un ejemplo.
  • Caótico: Resultado de desastres, requiere acción inmediata para estabilizar antes de aplicar otros enfoques. No suelen ser el foco directo de un grado de ingeniería, excepto en la ética de la ingeniería, aprendiendo de desastres pasados.

Los currículos de ingeniería deben incluir formación para afrontar situaciones simples, complicadas y, crucialmente, complejas. Se necesitan currículos de ingeniería que incluyan la complejidad y lo complicado. Además, para educar a los estudiantes del futuro, deben tener la posibilidad de aprender tanto disciplinas específicas como la transdisciplinariedad, así como conocimientos y habilidades técnicos simples y complicados, y la complejidad que implica la comprensión del contexto, los sistemas, la sostenibilidad y los valores.

4. Modelos curriculares futuros e integrados

La evolución de las respuestas educativas muestra una transición de lo «dirigido por el profesor» a lo «dirigido por el estudiante» y de «módulos únicos» a «modelos de currículo completo».

  • Cambio a nivel de sistema: Existe una tendencia emergente a diseñar currículos a nivel de sistema, coordinando todos los elementos curriculares en lugar de simplemente agregar o modificar cursos individuales. Este enfoque sistémico es crucial para el aprendizaje de la complejidad. Pero, en términos generales, definitivamente ha habido un cambio de un entorno de aprendizaje dirigido por el profesor a otro mucho más dirigido por el estudiante. Además, está surgiendo la tendencia a desarrollar currículos a nivel de sistema, lo que implica coordinar todos los elementos del currículo.
  • Proyectos como núcleo: Los proyectos constituyen un elemento central en los modelos curriculares emergentes, especialmente aquellos iniciados por entidades externas (industria, comunidad). Estos proyectos permiten el desarrollo de habilidades técnicas, sociales y ambientales (comunicación, trabajo en equipo, ética, sostenibilidad) y de diseño y resolución de problemas (pensamiento de diseño, ingeniería de sistemas). También facilitan la consideración de perspectivas multidisciplinares y la comprensión de problemas en contexto, con múltiples puntos de vista y sistemas de valores.
  • Ejemplos de modelos emergentes:
    • University College London (UCL) – Integrated Engineering Program (IEP): Dedica una semana de cada cinco a un proyecto integrado. Esto permite a los estudiantes ver las conexiones entre diferentes módulos y disciplinas.
    • Charles Sturt University (CSU): Programa radicalmente diferente con tres semestres orientados a proyectos, donde los estudiantes aprenden «justo a tiempo» a través de módulos en línea y pasan la mitad de su tiempo en proyectos. Luego realizan cuatro pasantías de un año.
    • Swinburne University: Enfoque similar al de CSU, con proyectos de seis semanas patrocinados por la industria realizados en la universidad, operando como una empresa de ingeniería.
    • Iron Range Engineering: Los estudiantes trabajan en proyectos de empresa y reflexionan continuamente sobre su aprendizaje.

Estos ejemplos muestran cómo las instituciones combinan el aprendizaje basado en proyectos, el aprendizaje digital/en línea y el uso de portafolios para apoyar las trayectorias de aprendizaje personalizadas.

5. Perspectivas y conclusiones

La educación en ingeniería se dirige hacia un futuro en el que la combinación de trayectorias de aprendizaje personales, competencias profesionales y capacidad de abordar la complejidad será la tendencia dominante. Esto implica lo siguiente:

  • Currículos sistémicos: Es necesario un enfoque más sistémico y holístico en el diseño curricular, en lugar de modificaciones aisladas a nivel de curso. Los modelos tradicionales centrados en cursos individuales a menudo dejan la tarea de integrar el conocimiento al estudiante.
  • Aprendizaje para la complejidad: La educación debe preparar a los estudiantes para manejar problemas complejos, que requieren integrar conocimientos disciplinarios e interdisciplinarios, teoría y práctica, comprensión contextual y abstracta, y construcción de conocimiento individual y colaborativa.
  • Habilidades del Siglo XXI: La automatización de cálculos técnicos significa que los ingenieros futuros necesitarán comprender los requisitos sociales, ambientales y económicos de la tecnología y su aplicación.
  • Aprendizaje a lo largo de la vida: Los ingenieros serán cada vez más responsables de sus propias rutas de aprendizaje personales y necesitarán saber cómo construir su crecimiento individual dentro de comunidades de aprendizaje colaborativas. El acceso al conocimiento en línea (MOOCs) aumentará, pero la clave será cómo los estudiantes desarrollan competencias para el aprendizaje a lo largo de la vida, incluida la reflexión crítica y el pensamiento sistémico, normativo y anticipatorio.

En resumen, la educación en ingeniería debe evolucionar de un enfoque basado en la transmisión de conocimientos técnicos simples a otro que fomente la capacidad de los estudiantes para navegar y resolver problemas complejos, multidisciplinares y contextualizados, preparándolos para ser aprendices activos de por vida en un mundo en constante cambio.

Referencia:

Hadgraft, R.G.; Kolmos, A. (2020). «Emerging learning environments in engineering education«, Australasian Journal of Engineering Education, 25:1, 3-16, DOI: 10.1080/22054952.2020.1713522

Glosario de términos clave

  • Aprendizaje centrado en el estudiante: Un enfoque pedagógico en el que el estudiante se convierte en el centro del proceso de aprendizaje, con métodos como el aprendizaje activo, colaborativo, basado en problemas y proyectos, donde los estudiantes tienen una influencia significativa en la dirección de su aprendizaje.
  • Aprendizaje contextual y basado en la práctica: Un enfoque de aprendizaje que integra situaciones del mundo real y experiencias prácticas en el currículo, incluyendo pasantías, proyectos industriales y hubs de innovación, para conectar la teoría con la futura situación laboral.
  • Aula invertida (Flipped Classroom): Una metodología de aprendizaje semipresencial donde la instrucción directa se mueve de la clase a un espacio individual (generalmente en línea), y el tiempo en clase se transforma en un entorno de aprendizaje dinámico e interactivo donde el educador guía a los estudiantes a aplicar conceptos.
  • CDIO (Concebir, Diseñar, Implementar, Operar): Un marco curricular para la educación en ingeniería que enfatiza el desarrollo de habilidades profesionales y un enfoque holístico e integrado del currículo, desde la concepción de una idea hasta su operación.
  • Competencias profesionales: Conjunto de conocimientos, habilidades y aptitudes (tanto técnicas como genéricas, como la comunicación, el trabajo en equipo y la ética) que se espera que los ingenieros adquieran para desempeñarse eficazmente en el lugar de trabajo.
  • Complejidad (en el marco Cynefin): Un dominio de situaciones donde la relación causa-efecto solo puede discernirse en retrospectiva, y las soluciones emergen del sondeo y la experimentación. Se caracteriza por problemas «perversos» sin soluciones únicas o definitivas.
  • Complicado (en el marco Cynefin): Un dominio de situaciones que requieren experiencia y análisis para encontrar múltiples respuestas correctas, pero donde la relación causa-efecto es clara, aunque puede no ser obvia para todos. La resolución de problemas implica «sentir, analizar y responder».
  • Cuarta Revolución Industrial (Industria 4.0): Un término que describe la tendencia actual de automatización e intercambio de datos en las tecnologías de fabricación, incluyendo sistemas ciberfísicos, el Internet de las Cosas (IoT), la computación en la nube y la inteligencia artificial (IA).
  • Currículo sistémico/integral: Un enfoque de diseño curricular que coordina todos los elementos de un programa educativo a nivel de sistema, en lugar de centrarse solo en módulos o asignaturas individuales, buscando una progresión y coherencia holísticas en los resultados del aprendizaje.
  • Cynefin Framework: Un modelo conceptual creado por Dave Snowden que ayuda a la toma de decisiones al categorizar los problemas en diferentes dominios (simple, complicado, complejo, caótico y desorden) basados en la naturaleza de su relación causa-efecto.
  • Diseño centrado en el usuario (User Experience – UX): Se refiere a la experiencia general que tiene un usuario al interactuar con un producto o sistema. En ingeniería, implica diseñar soluciones que realmente satisfagan los requisitos del cliente, el usuario y la comunidad.
  • Diseño de sistemas (Systems Design): Un enfoque estructurado para el diseño de sistemas complejos que considera las interacciones entre los componentes y el entorno, y busca satisfacer un conjunto de requisitos funcionales y no funcionales.
  • Pensamiento de diseño (Design Thinking): Una metodología de resolución de problemas centrada en el ser humano que implica fases como empatizar, definir, idear, prototipar y probar, común en muchas disciplinas de diseño, incluida la ingeniería.
  • Emergencia: En el contexto de los entornos de aprendizaje, se refiere a cómo las estructuras, patrones y comportamientos de aprendizaje se vuelven visibles a través de las interacciones entre elementos más pequeños, como estudiantes y recursos, indicando posibles direcciones futuras en la educación.
  • Habilidades blandas/genéricas: Habilidades no técnicas pero igualmente importantes, como la comunicación, el trabajo en equipo, la ética, el pensamiento crítico y la resolución de problemas, que son aplicables en una amplia gama de contextos profesionales.
  • Internet de las Cosas (IoT): Una red de objetos físicos equipados con sensores, software y otras tecnologías que les permiten conectarse e intercambiar datos con otros dispositivos y sistemas a través de Internet.
  • PBL (Aprendizaje Basado en Problemas y Proyectos): Un enfoque pedagógico centrado en el estudiante donde los alumnos aprenden sobre un tema trabajando en un problema abierto o un proyecto complejo, desarrollando habilidades de resolución de problemas, trabajo en equipo e investigación.
  • Portafolio: Una colección de trabajos de los estudiantes que demuestra su aprendizaje, habilidades y crecimiento a lo largo del tiempo. En ingeniería, se utiliza para articular las trayectorias de aprendizaje individuales y las competencias profesionales a mentores y futuros empleadores.
  • Simple (en el marco Cynefin): Un dominio de situaciones donde la relación causa-efecto es obvia para todos, y las «mejores prácticas» pueden aplicarse. La resolución de problemas implica «sentir, categorizar y responder», como la aplicación de fórmulas fundamentales de ingeniería.
  • Sostenibilidad (ODS): La capacidad de satisfacer las necesidades del presente sin comprometer la capacidad de las futuras generaciones para satisfacer sus propias necesidades. Los ODS (Objetivos de Desarrollo Sostenible) son una colección de 17 objetivos globales interconectados establecidos por las Naciones Unidas.
  • Sistemas (Pensamiento sistémico): La capacidad de comprender cómo los componentes de un sistema interactúan entre sí y con el entorno para producir un comportamiento determinado, en lugar de analizar los componentes de forma aislada.
  • Trayectorias de aprendizaje personalizadas: Rutas de aprendizaje adaptadas a las necesidades, intereses y aspiraciones profesionales individuales de los estudiantes, permitiéndoles configurar y documentar su propio desarrollo de competencias como parte de una estrategia de aprendizaje a lo largo de toda la vida.

Orígenes del estudio de la vibración: de la música a la ciencia

Representación medieval de Pitágoras evaluando las consonancias perfectas regidas por relaciones matemáticas simples. https://bustena.wordpress.com/2013/09/16/la-sombra-de-pitagoras-armonia-composicion-ciencia-y-religion-en-la-musica-medieval/

Desde tiempos remotos, la humanidad ha observado y utilizado los fenómenos naturales para crear herramientas, expresar emociones y generar conocimiento. Uno de estos fenómenos, la vibración, ha estado presente en aspectos tan diversos como la música, la detección de terremotos, la ingeniería y la arquitectura.

En términos sencillos, una vibración consiste en el movimiento repetido de un objeto alrededor de una posición de equilibrio. Esa posición de equilibrio es el lugar al que tiende a volver el objeto cuando no actúa sobre él ninguna fuerza. Cuando todo el objeto se mueve al mismo tiempo y en la misma dirección, se habla de vibración de cuerpo entero. En este caso, todas sus partes oscilan juntas sin moverse de forma independiente.

Este artículo repasa de forma cronológica y accesible cómo distintas civilizaciones abordaron el estudio de la vibración, desde la intuición musical hasta los primeros intentos científicos de comprender el sonido y el movimiento. Este viaje histórico nos muestra cómo una misma pregunta puede tener múltiples respuestas a lo largo del tiempo y de las culturas.

El interés del ser humano por la vibración es tan antiguo como la propia civilización. De hecho, el primer contacto del ser humano con este fenómeno probablemente se produjo a través del sonido, cuando nuestros antepasados comenzaron a crear instrumentos musicales rudimentarios, como silbatos y tambores. Desde entonces, músicos, artesanos y pensadores han tratado de entender las reglas que hay detrás de la producción del sonido, han perfeccionado los instrumentos y han transmitido su conocimiento de generación en generación.

La vibración en las culturas antiguas

Hacia el año 4000 a. C., la música ocupaba un lugar destacado en civilizaciones como la china, la hindú, la japonesa y la egipcia. Estos pueblos seguían ciertas reglas musicales empíricas, aunque su conocimiento todavía no podía considerarse científico.

En el antiguo Egipto, por ejemplo, el arco del cazador, un arma común en sus ejércitos, pudo inspirar la creación de instrumentos de cuerda. Entre estos instrumentos, destaca la nanga, un arpa primitiva de tres o cuatro cuerdas, cada una de las cuales producía una sola nota. Un ejemplar de este tipo, fechado en torno al año 1500 a. C., se conserva en el Museo Británico. También se han encontrado en tumbas egipcias de alrededor del 3000 a. C. representaciones de arpas de hasta 11 cuerdas, lo que demuestra un nivel notable de sofisticación.

Una de las piezas más impresionantes es un arpa decorada en oro con una caja de resonancia en forma de cabeza de toro hallada en una tumba real de Ur (Mesopotamia) que data aproximadamente del año 2600 a. C.

La Grecia clásica: primeros pasos hacia la ciencia del sonido

Nuestro sistema musical actual tiene sus raíces en la antigua Grecia. Allí se inició el estudio sistemático del sonido, en particular del sonido musical. El filósofo y matemático Pitágoras (582-507 a. C.) fue probablemente el primero en abordar este fenómeno desde una perspectiva científica.

Mediante un instrumento denominado monocordio, Pitágoras llevó a cabo experimentos que pusieron de manifiesto la existencia de relaciones entre la longitud de una cuerda y el tono que produce. Por ejemplo, descubrió que, si dos cuerdas están sometidas a la misma tensión, la más corta emite un sonido más agudo. Además, descubrió que si una cuerda tiene la mitad de la longitud de otra, produce un sonido una octava más agudo. Aunque Pitágoras no dejó escritos sobre sus experimentos, sus ideas han sido transmitidas por otros autores.

Monocordio básico —diapasón—. https://es.wikipedia.org/wiki/Monocordio

Hacia el 350 a. C., Aristóteles escribió tratados sobre la música y el sonido, incluyendo observaciones cualitativas como «La voz es más dulce que el sonido de los instrumentos». Poco después, Aristógenes, uno de sus alumnos, redactó Elementos de armonía, una obra en tres volúmenes que es quizá el tratado musical más antiguo que se conserva y que fue escrito por un músico-investigador. Por su parte, Euclides abordó brevemente el tema musical en Introducción a la armonía, aunque sin hacer referencia a la física del sonido.

A pesar del prometedor inicio, los griegos no avanzaron más allá en la comprensión científica de las vibraciones.

Los romanos y el largo silencio

Los romanos heredaron la mayor parte de sus conocimientos musicales de los griegos. La notable excepción fue el arquitecto del siglo I a. C. Vitruvio, quien escribió sobre la acústica de los teatros en su obra De Architectura Libri Decem (Diez libros sobre arquitectura). Este tratado se perdió durante siglos y no fue redescubierto hasta el Renacimiento. Aparte de él, no se produjeron avances significativos en la teoría del sonido ni de la vibración durante los 16 siglos siguientes.

China y el nacimiento de la detección sísmica

Al mismo tiempo que en el mundo grecorromano, en la antigua China se mostró un interés temprano por los fenómenos vibratorios relacionados con los movimientos sísmicos. De hecho, los primeros detectores de movimiento de los que se tiene constancia provienen de esta civilización.

En el año 132 d. C., el astrónomo e historiador chino Zhang Heng inventó el primer sismógrafo de la historia. Este ingenioso dispositivo, fabricado en bronce fundido, tenía forma de jarra de vino y medía aproximadamente 1,9 metros de diámetro. En su interior albergaba un péndulo central rodeado por un sistema de ocho palancas dispuestas en direcciones cardinales.

Réplica del detector de terremotos de Zhāng Héng. https://es.wikipedia.org/wiki/Zhang_Heng

En el exterior, el aparato tenía ocho figuras de dragones, cada una con una esfera de bronce en la boca. Debajo de cada dragón había una rana de metal con la boca abierta. Cuando se producía un terremoto, incluso uno muy leve, el péndulo interno se desplazaba en la dirección de la onda sísmica, activando una de las palancas. Esta hacía que la boca del dragón correspondiente se abriera y liberara la esfera, que caía en la rana con un sonido metálico. De este modo, el dispositivo no solo detectaba la ocurrencia del seísmo, sino que también indicaba con precisión la dirección de propagación del movimiento. Este invento de Zhang Heng no solo es considerado el primer sismógrafo funcional, sino también uno de los primeros ejemplos del uso ingenieril del fenómeno de la vibración.

Hacia una comprensión científica: Galileo y la frecuencia

Aunque Pitágoras había dado los primeros pasos, la verdadera comprensión de la relación entre tono y frecuencia tuvo que esperar muchos siglos. Galileo Galilei dio el salto decisivo en el siglo XVI al vincular científicamente la vibración con el sonido audible. A partir de entonces, el estudio de las vibraciones se consolidó como un campo fundamental dentro de la física y la ingeniería, con aplicaciones que abarcan desde la música hasta la detección de terremotos y el diseño de estructuras resistentes. Pero eso ya lo trataremos en futuros artículos.

Referencia:

Rao, S. S., García, D. S., Figueroa, R. R., & Muñoz, G. D. V. D. (2012). Vibraciones mecánicas (Vol. 776). Pearson educación.

Comunicaciones presentadas al XI Congreso de Innovación Educativa y Docencia en Red INRED 2025

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.

 

 

 

Implicaciones éticas de chatbots generativos en la educación superior

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:

Pincha aquí para descargar

Apolodoro de Damasco: arte, ingeniería y poder en la Roma imperial

Apolodoro de Damasco (c. 60-entre 125 y 130). https://es.wikipedia.org/wiki/Apolodoro_de_Damasco

Apolodoro de Damasco (c. 60-entre 125 y 130), también conocido como el Damasceno o el Mecánico, fue uno de los arquitectos e ingenieros más influyentes de la Antigua Roma. Nació en la ciudad de Damasco alrededor del año 60 d. C., en el seno de una familia acomodada, probablemente hijo de un arquitecto y constructor. Esta posición privilegiada le permitió recibir una excelente educación, acceder a los mejores círculos intelectuales y desarrollar desde joven una profunda pasión por la arquitectura, la geometría y la ingeniería.

A diferencia de muchos constructores de su época, que eran esclavos o libertos, Apolodoro era un ciudadano libre, lo que le facilitó una carrera profesional destacada dentro del Imperio. Gracias a su talento, precisión técnica y gran creatividad, pronto se convirtió en uno de los arquitectos más respetados de Roma.

Su relación más destacada fue con el emperador Trajano (97-117 d. C.), bajo cuyo mandato diseñó y ejecutó algunas de las obras más monumentales de la Roma imperial. Durante este periodo, el Imperio se enfrentó a las guerras dácicas (101-102 y 105-106 d. C.), campañas militares que terminaron con la victoria romana y la anexión de la Dacia (actual Rumanía) como provincia. La conquista exigió no solo fuerza militar, sino también una poderosa infraestructura para desplazar tropas y asegurar el abastecimiento.

Una de las obras más emblemáticas de este esfuerzo fue el gran puente sobre el Danubio, en la actual Drobeta (Rumanía), proyectado y construido por Apolodoro alrededor del año 103 d. C. Esta estructura monumental, de aproximadamente 1135 m de largo y 15 m de ancho, estaba formada por 20 pilares de piedra que sostenían arcos de madera y estaba flanqueada por torres defensivas en ambos extremos. El puente no solo permitió el rápido desplazamiento de las legiones romanas, sino que también simbolizó el dominio técnico y estratégico de Roma sobre los territorios conquistados.

Puente de Trajano. https://es.wikipedia.org/wiki/Apolodoro_de_Damasco
Columna de Trajano. https://es.wikipedia.org/wiki/Apolodoro_de_Damasco

Su relevancia fue tal que el puente quedó representado en el relieve de la Columna de Trajano, también obra de Apolodoro, y se convirtió en símbolo del poder romano en el Bajo Danubio. Incluso fue inmortalizado en algunas monedas romanas emitidas durante el reinado de Trajano, en las que aparecía como prueba del triunfo imperial y de la capacidad del ingenio romano.

Tras la victoria, Trajano encargó a Apolodoro otro ambicioso proyecto: el Foro de Trajano, construido entre los años 107 y 113 d. C. Este complejo monumental conmemoraba las campañas en Dacia e incluía una gran plaza, la Basílica Ulpia, templos, estatuas y, como pieza central, la imponente Columna de Trajano. Esta columna de mármol, de 30 m de altura y 4 m de diámetro, narra en un relieve helicoidal más de 150 escenas de la campaña, desde la preparación logística hasta el regreso triunfal. La precisión técnica y narrativa de esta obra consolidó a Apolodoro como un maestro de la integración entre arte, arquitectura e historia.

En paralelo, Apolodoro también fue convocado para participar en la reconstrucción del Panteón, uno de los edificios más emblemáticos de Roma. El templo original, construido por Agripa en el año 27 a.C., había sido destruido por un incendio en el año 80 d.C. Un intento de restauración bajo el reinado de Domiciano fue un fracaso, y no fue hasta el año 118 d.C. que el emperador Adriano ordenó su reconstrucción completa.

Apolodoro, designado para liderar el proyecto, no solo recuperó el espíritu del edificio original, sino que lo transformó en una obra maestra de la arquitectura universal. El Panteón de Adriano, concluido en el año 126 d.C., destaca por su revolucionaria cúpula hemisférica de 43,3 m de diámetro, culminada por un óculo de 9 m que permite la entrada de luz natural.

Para resolver los desafíos estructurales de una cúpula tan inmensa, Apolodoro utilizó una técnica avanzada de aligeramiento basada en opus caementicium con piedra volcánica (puzolana), junto con una estructura concéntrica de arcos de descarga, casetones y nervios. Además, ideó un sistema de 22 desagües ocultos en el pavimento para drenar el agua que penetraba por el óculo durante las lluvias, y reforzó la cimentación del edificio con pilares de mármol y bloques de piedra cuidadosamente alineados.

El resultado fue un edificio cuya armonía de formas y eficiencia estructural han fascinado a arquitectos durante siglos. El Panteón se convirtió en un modelo de referencia para innumerables cúpulas posteriores en Europa, desde la Edad Media hasta el Renacimiento.

El Panteón de Roma. https://es.wikipedia.org/wiki/Apolodoro_de_Damasco

Apolodoro también participó en la construcción del Templo de Venus y Roma, uno de los más grandes de la ciudad, ubicado en el Foro Romano y construido durante el reinado de Adriano. El templo, que medía 110 metros de largo y 53 de ancho, estaba dedicado a dos de las deidades más veneradas del Imperio y destacaba por su cúpula central y su rica decoración de mármoles y esculturas. Aunque Adriano fue el encargado de diseñarlo inicialmente, Apolodoro supervisó aspectos técnicos de su ejecución, lo que generó tensiones entre ambos.

Según una conocida leyenda relatada por Dion Casio, Apolodoro criticó el diseño de la cúpula propuesto por el propio emperador y señaló errores estructurales. Adriano, molesto por la franqueza del arquitecto, lo habría desterrado y posteriormente ordenado ejecutar en el año 130 o 133 d. C. Aunque esta historia ha sido transmitida por fuentes antiguas, algunos historiadores modernos dudan de su veracidad, considerando que podría ser una exageración o una forma de ensalzar la figura de Adriano presentándolo como celoso de su predecesor.

Apolodoro fue también un escritor e ingeniero militar, más allá de sus grandes obras arquitectónicas. Se le atribuye la autoría de varios tratados técnicos, entre ellos uno conocido como Poliorcética, sobre el diseño y uso de torres de asedio. Aunque la mayoría de sus escritos no han llegado hasta nuestros días, se sabe que sus conocimientos de geometría, mecánica y construcción influyeron notablemente en los tratados técnicos posteriores.

La contribución de Apolodoro de Damasco es incuestionable. Su visión, su dominio técnico y su capacidad para integrar arte e ingeniería transformaron el paisaje urbano de Roma y ampliaron los límites de lo posible en la construcción antigua. Hoy en día, no solo son estudiadas sus obras por arquitectos e historiadores, sino que también son admiradas por millones de personas que visitan los restos de su genialidad: el Panteón, la Columna de Trajano, el Foro y los vestigios del puente sobre el Danubio, símbolos eternos de un imperio y de su arquitecto más brillante.

Os dejo algunos vídeos sobre este personaje.

 

¿Cómo formar a los arquitectos del futuro? Un modelo innovador desde la educación técnica

La transformación digital y la industrialización de la construcción están generando una demanda creciente de profesionales altamente cualificados. Tanto la arquitectura, como la ingeniería civil, requieren un cambio profundo en la forma de formar a los futuros profesionales.

En este contexto, un grupo de investigadores de la Hunan University of Science and Engineering (China) y de la Universitat Politècnica de València (España) propone un nuevo modelo formativo que conecta mejor la educación superior con las necesidades reales del sector.

El artículo examina la necesidad de modernizar la educación en arquitectura y sugiere un modelo innovador para formar a los profesionales del futuro. Este modelo busca conectar la educación superior con las demandas reales de la industria de la construcción, caracterizada por la digitalización y la industrialización. La metodología empleada incluye análisis de datos, modelos matemáticos y la integración de la teoría con la práctica profesional. El objetivo principal es preparar arquitectos con competencias sólidas en construcción industrializada y tecnología digital, adaptados a las exigencias del mercado laboral contemporáneo.

Introducción: el desafío de modernizar la educación en arquitectura

El sector de la construcción está experimentando una transformación profunda impulsada por la digitalización, la automatización y la necesidad de soluciones sostenibles. Sin embargo, los sistemas educativos técnicos no siempre han sabido adaptarse a estas exigencias. En todo el mundo, los modelos educativos tradicionales en arquitectura muestran una desconexión creciente con la realidad del mercado laboral, especialmente en áreas como la prefabricación, el diseño colaborativo con BIM o el uso de tecnologías inteligentes.

El artículo revisado se enmarca en este contexto, tomando como referencia el caso chino, pero con ideas extrapolables a otras regiones. El objetivo principal es diseñar un sistema de formación profesional que responda de forma más efectiva a los retos de la construcción industrializada, incorporando criterios técnicos, sociales y pedagógicos.

Metodología: combinar datos, teoría y práctica

El estudio emplea una metodología cuantitativa que incluye:

  • Análisis de datos nacionales e internacionales sobre educación y empleo en el sector de la construcción.
  • Modelos matemáticos de predicción, como regresiones polinómicas y simulaciones con MATLAB.
  • Aplicación del modelo de evaluación educativa de Levin, ajustado mediante métodos de entropía para ponderar factores como calidad docente, entorno familiar, habilidades cognitivas y recursos institucionales.

A partir de estos datos, se diseñó un modelo de formación por etapas —llamado «optimización innovadora de múltiples módulos»— que articula mejor el aprendizaje teórico con la práctica profesional en empresas.

Aportaciones relevantes: una formación más adaptada al mercado

El artículo presenta un nuevo marco para la formación de profesionales de la arquitectura más alineado con las necesidades del sector. Sus aportaciones clave son las siguientes:

  • Propuesta de un modelo formativo escalonado, adaptable al ritmo del alumnado y al contexto institucional.
  • Inclusión de criterios de evaluación integral: desde la calidad académica hasta factores personales y sociales.
  • Análisis detallado de las políticas públicas chinas como base para la propuesta, con énfasis en la colaboración universidad-empresa.
  • Validación de la propuesta mediante simulaciones y estudios de casos reales.

Este enfoque integrador permite preparar a profesionales técnicos con competencias sólidas en construcción industrializada, tecnología digital y gestión de obra.

Discusión de resultados: mejoras observables y retos pendientes

Los resultados del estudio muestran mejoras concretas en la motivación del alumnado, su adecuación a los puestos de trabajo y su capacidad de adaptación a entornos reales. Se observa un aumento del interés por la profesión y una mejora de la empleabilidad, especialmente en sectores vinculados con tecnologías emergentes.

No obstante, el artículo reconoce desafíos importantes, como la falta de infraestructura adecuada para la formación práctica, la escasez de docentes con experiencia en obra y las dificultades para establecer colaboraciones estables con empresas.

Futuras líneas de investigación: ampliar, adaptar, evaluar

A partir del modelo propuesto, el artículo sugiere explorar:

  • Aplicación del sistema en otros países con necesidades similares de actualización en formación técnica.
  • Seguimiento longitudinal de las trayectorias laborales del alumnado.
  • Incorporación de inteligencia artificial y plataformas digitales para personalizar la enseñanza.
  • Extensión del modelo a otras ramas de la ingeniería civil, como estructuras o transporte.

Conclusión

El artículo revisado propone una reforma de la educación técnica en arquitectura con una propuesta estructurada, ambiciosa y bien fundamentada. Su valor radica en integrar múltiples factores en un solo modelo formativo con una base matemática sólida y una clara vocación práctica. En un momento en que el sector de la construcción necesita perfiles técnicos con nuevas competencias, investigaciones como esta ofrecen herramientas útiles para transformar la manera en que formamos a los futuros talentos.

Referencia:

ZHOU, Z.; TIAN, Q.; ALCALÁ, J.; YEPES, V. (2025). Research on the coupling of talent cultivation and reform practice of higher education in architecture. Computers and Education Open, 9:100268. DOI:10.1016/j.caeo.2025.100268.

Este artículo está publicado en abierto, por lo que os lo dejo para su descarga.

Pincha aquí para descargar

Glosario de términos clave

  • BIM (Building Information Modeling): Metodología de trabajo colaborativa para la creación y gestión de un proyecto de construcción. Su objetivo es centralizar toda la información del proyecto en un modelo digital.
  • Construcción industrializada: Proceso constructivo que implica la fabricación de componentes o módulos en un entorno de fábrica, bajo condiciones controladas, para luego ser ensamblados en el lugar de la obra.
  • Digitalización: Proceso de convertir información y procesos de formatos analógicos a digitales, aplicando tecnologías que permiten la automatización y mejora de la eficiencia.
  • Entropía (en evaluación educativa): Concepto utilizado en el estudio para ponderar y ajustar la importancia de diferentes factores de evaluación (calidad docente, entorno familiar, habilidades cognitivas, recursos institucionales) dentro del modelo de Levin.
  • Gestión de obra: Disciplina que abarca la planificación, organización, dirección y control de los recursos para llevar a cabo un proyecto de construcción de manera eficiente y dentro de los plazos y presupuestos establecidos.
  • MATLAB: Entorno de programación y plataforma numérica utilizada para realizar cálculos matemáticos, análisis de datos, desarrollo de algoritmos y modelado de sistemas, empleada en el estudio para simulaciones.
  • Modelo de evaluación educativa de Levin: Un marco teórico o práctico para valorar la calidad y eficacia de un sistema educativo, que en el estudio es ajustado con métodos de entropía para una ponderación más precisa de sus factores.
  • Modelos matemáticos de predicción: Herramientas que utilizan ecuaciones y algoritmos para prever comportamientos futuros o resultados basándose en datos históricos o actuales, como las regresiones polinómicas.
  • Optimización innovadora de múltiples módulos: Nombre del modelo formativo propuesto en el artículo, diseñado por etapas para integrar el aprendizaje teórico con la práctica profesional y adaptarse a diferentes contextos.
  • Prefabricación: Técnica constructiva que consiste en producir elementos o componentes de un edificio en un lugar distinto al de la obra, generalmente en una fábrica, para luego transportarlos e instalarlos en el sitio.
  • Regresiones polinómicas: Un tipo de análisis de regresión en el que la relación entre la variable independiente y la variable dependiente se modela como un polinomio de n-ésimo grado, utilizado para predicción en el estudio.
  • Sostenibilidad (en construcción): Enfoque que busca minimizar el impacto ambiental de las edificaciones a lo largo de su ciclo de vida, optimizando el uso de recursos, reduciendo residuos y promoviendo la eficiencia energética y el bienestar humano.
  • Transformación digital: El cambio integral que experimenta una organización o sector al integrar tecnologías digitales en todos los aspectos de sus operaciones, cultura y estrategias, lo que lleva a la creación de nuevos modelos de negocio y servicios.

 

Comunicaciones presentadas al 29th International Congress on Project Management and Engineering AEIPRO 2025

Durante los días 16 y 17 de julio de 2025 tiene lugar en Ferrol (Spain) el 29th International Congress on Project Management and Engineering AEIPRO 2025. Es una buena oportunidad para debatir y conocer propuestas sobre dirección e ingeniería de proyectos. Nuestro grupo de investigación, dentro del proyecto de investigación RESILIFE, presenta varias comunicaciones. A continuación os paso los resúmenes.

YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Optimización multiobjetivo de puentes de losa pretensada mediante el enfoque CRITIC-MCDM. 29th International Congress on Project Management and Engineering, AEIPRO, 16-17 de julio, Ferrol (Spain).

El trabajo establece una metodología para seleccionar el mejor diseño de un puente de losa pretensada, aplicando el método CRITIC de toma de decisiones multicriterio a un conjunto de soluciones establecidas mediante un muestreo por hipercubo latino que incluye los óptimos de cada función objetivo. Las funciones objetivo son el coste, las emisiones de CO₂ y la energía necesaria para construir una losa aligerada como paso superior. Esta metodología permite establecer una métrica sobre la que representar una superficie de respuesta que identifique las zonas donde las variables de diseño permiten reducir las tres funciones objetivo. Además, se analiza el método CRITIC aplicado a la frontera de Pareto de las soluciones y se estudia la robustez de la mejor opción en función de su distancia al punto ideal mediante tres métricas de Minkowski. Los resultados obtenidos indican la consistencia en la selección de la mejor solución.

YEPES-BELLVER, L.; MARTÍNEZ-PAGÁN, P.; YEPES, V. (2025). Nomogramas para el predimensionamiento económico de muros de retención de tierras. 29th International Congress on Project Management and Engineering, AEIPRO, 16-17 de julio, Ferrol (Spain).

Este trabajo presenta el desarrollo de una serie de nomogramas para el predimensionamiento económico de muros de retención de tierra con hormigón armado, empleados en la construcción de carreteras. Se propone un enfoque innovador para simplificar el proceso de diseño de estas estructuras, considerando una optimización económica que integra variables de geometría, materiales y refuerzo. Se incluyen alturas variables (de 4 a 10 m), teniendo en cuenta distintas condiciones de relleno y capacidad de soporte del terreno. Los resultados obtenidos proporcionan expresiones promedio que permiten calcular de manera práctica el coste total, el volumen de hormigón y acero, y las dimensiones geométricas de los muros. De este modo, se proporciona un marco de referencia útil para el diseño económico y eficiente de estos elementos estructurales en proyectos viales.

Os paso el vídeo promocional del Congreso.

Antemio de Tralles: El genio geométrico detrás de Santa Sofía de Constantinopla

Antemio de Tralles (c. 470/474 – c. 534/558). https://puntoalarte.blogspot.com/

Antemio de Tralles (c. 470/474 – c. 534/558) fue mucho más que un arquitecto: fue un científico, matemático, ingeniero y filósofo bizantino cuyo genio singular se concentró en una sola obra, pero suficiente para consagrarlo como una de las figuras más influyentes de la historia de la arquitectura. Su legado principal, la monumental Santa Sofía de Constantinopla, es considerada aún hoy una de las mayores hazañas técnicas y artísticas de la humanidad.

Antemio nació en Tralles, en la región de Lidia, en el occidente de Asia Menor (actual Turquía). Su padre, Estéfano, era un médico distinguido, por lo que creció en un entorno culto, rodeado de ciencia y saber clásico. Tralles, reconocida por su tradición educativa, ofrecía un entorno idóneo para el desarrollo de talentos en disciplinas como la medicina, las matemáticas, la física y la geometría, áreas en las que Antemio destacaría.

Desde joven, su formación fue polifacética: combinó el estudio de las matemáticas puras con la ingeniería práctica y el conocimiento de la óptica y la mecánica, lo que le convirtió en un verdadero sabio de su época. Entre sus intereses se encontraban los principios del vapor y del espejo ustorio, así como la óptica geométrica, temas que demostraría más adelante en sus escritos técnicos.

El siglo VI y el Imperio Bizantino de Justiniano

El siglo VI fue un periodo de esplendor para el Imperio bizantino bajo el emperador Justiniano I, quien aspiraba a restaurar la grandeza del antiguo Imperio romano. A través de reformas legales, conquistas militares y obras públicas monumentales, buscaba consolidar su poder. En este contexto florecieron figuras como Antemio, que encarnaban la síntesis entre el pensamiento clásico y la innovación técnica.

Ingeniero y teórico: una mente brillante más allá de la arquitectura

Antemio no fue un constructor convencional. Aunque su carrera arquitectónica se limitó a una sola obra conocida, su legado supera con creces su producción. Fue un teórico de la geometría y la mecánica, y su concepción de la arquitectura como la «aplicación de la geometría en materia sólida» supuso un antes y un después en la concepción del espacio construido. Parte de sus ideas se recogen en textos como Sobre las paradojas de la mecánica, donde expuso problemas técnicos y ópticos desde una perspectiva práctica y especulativa.

Además, colaboró en obras de ingeniería hidráulica, como la construcción de una presa en Dara, mencionada por Procopio de Gaza. Según el historiador Agathias, se le atribuyen múltiples edificios, y más adelante se le consideró responsable del diseño de la desaparecida iglesia de los Santos Apóstoles de Constantinopla.

Santa Sofía: un encargo imperial

El momento clave en la vida de Antemio llegó en el año 532 d. C., cuando Justiniano lo eligió para reconstruir la iglesia de Santa Sofía, destruida tras la revuelta de Nika, junto con Isidoro de Mileto. El encargo era ambicioso: tenían que levantar un templo que no solo reemplazara al anterior, sino que simbolizara la grandeza espiritual, política y técnica del Imperio. La estructura debía superar en magnificencia todo lo construido hasta entonces.

Según algunas fuentes, los planos de la nueva iglesia se realizaron en solo 39 días y la obra se terminó en un tiempo récord de cinco años. De 532 a 537 se alzó un edificio sin precedentes: una cúpula central de 30 m de diámetro sostenida por pechinas y semi-cúpulas que distribuían el peso de forma inteligente, creando la ilusión de que flotaba sobre un anillo de luz formado por 40 ventanas. Esta combinación de ingeniería y percepción espacial era revolucionaria.

Santa Sofía, en Estambul

Innovaciones técnicas y estéticas

Antemio aplicó principios avanzados de geometría y óptica para resolver desafíos estructurales sin comprometer la estética. Entre sus aportaciones más importantes se encuentran:

  • El diseño de la cúpula flotante, cuya solución técnica consistía en redistribuir el peso mediante semi-cúpulas y galerías, disimulando los soportes y generando una sensación de ligereza.
  • Innovación en la distribución espacial, creando una atmósfera mística mediante el uso controlado de la luz natural y la sombra.
  • Aplicación de principios ópticos en la arquitectura, como el uso de reflejos y ángulos para crear efectos visuales intencionados.
  • Colaboración técnica con Isidoro de Mileto, otro brillante matemático, marcando una de las primeras asociaciones documentadas entre ciencia y arquitectura en un proyecto de escala monumental.

La concepción general de las iglesias justinianas que siguieron a Santa Sofía se basó en el modelo trazado por Antemio, quien propuso cambios radicales a las formas religiosas tradicionales y estableció un nuevo canon arquitectónico.

Influencia y legado

Santa Sofía fue durante siglos la mayor catedral cristiana del mundo. Luego, su transformación en mezquita, museo, y nuevamente mezquita en la actualidad, evidencia su impacto cultural y espiritual continuo. El modelo estructural y simbólico de Santa Sofía inspiró otras construcciones icónicas como:

  • La Basílica de San Pedro, en Roma
  • La Mezquita Azul, en Estambul
  • El Capitolio de los Estados Unidos, en Washington

Cada una de estas obras refleja, directa o indirectamente, la influencia de las soluciones estructurales de Antemio.

En los siglos posteriores, su figura ha sido reevaluada por historiadores de la ciencia y la arquitectura como precursora de la ingeniería moderna. Sus ideas sobre óptica, mecánica y estructura anticipan principios fundamentales que no se formalizarían hasta muchos siglos después.

Aportaciones destacadas de Antemio de Tralles

  • Definición de la arquitectura como geometría aplicada a sólidos.
  • Diseño estructural de Santa Sofía de Constantinopla.
  • Desarrollo del concepto de cúpula flotante mediante distribución estratégica del peso.
  • Aplicación de principios ópticos en arquitectura.
  • Contribuciones teóricas en mecánica, óptica y geometría.
  • Influencia en la arquitectura islámica, renacentista y contemporánea.
  • Innovación en ingeniería hidráulica y mecánica práctica.
  • Creación de soluciones que siguen siendo estudiadas por arquitectos e ingenieros modernos.

Ciencia, fe y arte: una síntesis perfecta

Aunque Antemio no dejó muchos edificios, su obra le garantizó un lugar entre los grandes. En un solo edificio consiguió fusionar espiritualidad, arte, ciencia y técnica de forma magistral. Su legado no solo perdura en la imponente estructura de Santa Sofía, sino también en la forma en que concebimos el espacio arquitectónico: no solo como construcción, sino también como experiencia emocional, racional y estética.

Hoy, más de 1.500 años después, Antemio de Tralles sigue siendo una figura clave en la historia del pensamiento técnico y artístico. Su nombre, aunque menos popular, representa la posibilidad de que un solo acto de genialidad, bien ejecutado, pueda trascender siglos y civilizaciones.

Os dejo algunos vídeos que, creo, os pueden interesar:

Evaluación del ciclo de vida en viviendas sociales: un enfoque multicriterio para decisiones sostenibles

Acaban de publicarnos un artículo en la revista Building and Environment, revista indexada en el JCR en el primer decil. Presenta un análisis integral del impacto ambiental, económico y técnico de cinco soluciones estructurales aplicables a viviendas sociales. La investigación cobra especial relevancia en contextos como el peruano, donde la elevada demanda de vivienda y las limitaciones presupuestarias requieren soluciones eficientes, sostenibles y ampliamente replicables. Este trabajo se inscribe dentro del marco de los Objetivos de Desarrollo Sostenible (ODS), y aporta criterios objetivos para la toma de decisiones en el diseño y ejecución de programas como Techo Propio y Fondo Mi Vivienda.

El trabajo se enmarca dentro del proyecto de investigación RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València. A continuación se recoge un resumen sintético del trabajo.

Este artículo describe una investigación que evalúa la sostenibilidad de diferentes sistemas estructurales para viviendas sociales, enfocándose en su impacto ambiental, económico y técnico a lo largo de todo su ciclo de vida. La metodología empleada integra el Análisis del Ciclo de Vida (LCA), el Coste del Ciclo de Vida (LCC) y la Toma de Decisiones Multicriterio (MCDM) para proporcionar una visión completa. Los hallazgos principales indican que los sistemas de Light Steel Frame (LSF) son los más equilibrados en términos de sostenibilidad y rentabilidad, lo que ofrece criterios objetivos para la planificación de proyectos de vivienda social, especialmente en contextos como el peruano. El estudio resalta la importancia de una evaluación holística para la toma de decisiones en el sector de la construcción.

La principal aportación del artículo es la integración de tres herramientas de evaluación: el Análisis del Ciclo de Vida (LCA), el Coste del Ciclo de Vida (LCC) y la Toma de Decisiones Multicriterio (MCDM). El análisis se realiza con un enfoque cradle-to-grave, es decir, considerando todas las etapas del ciclo de vida de una vivienda: desde la extracción de materias primas hasta la demolición y el tratamiento de residuos. Esta perspectiva ofrece una visión más completa y realista del impacto de cada sistema constructivo, en contraste con los estudios más limitados comúnmente aplicados en América Latina.

Los cinco sistemas estructurales analizados fueron los siguientes: (1) estructuras de hormigón armado con muros de ladrillo (RCF-M), (2) muros hormigonados in situ (RCW), (3) sistemas industrializados de acero ligero tipo Light Steel Frame (LSF), (4) estructuras de hormigón armado con paneles sándwich prefabricados (RCF-CP) y (5) paneles sándwich de hormigón atornillados (LBSPS). Todas las alternativas se diseñaron siguiendo las normas técnicas peruanas de edificación (RNE), incluidos los requisitos sísmicos y de eficiencia energética. La unidad funcional utilizada fue el metro cuadrado de vivienda construida, con una vida útil de 50 años.

Desde el punto de vista ambiental, el sistema LSF resultó ser el de menor impacto global, incluso por debajo de soluciones convencionales como el RCF-M, que destacó por su alto consumo energético y emisiones durante la etapa de fabricación, principalmente debido a la producción de ladrillos cerámicos. En contraste, los sistemas prefabricados como LBSPS, aunque reducen los tiempos de ejecución, presentaron impactos ambientales elevados debido al uso intensivo de maquinaria y transporte especializado. El potencial de calentamiento global (GWP) fue la categoría con mayor peso ambiental, seguida del consumo de recursos naturales.

En cuanto al análisis económico, el sistema LSF también demostró ser el más competitivo. Su menor coste de construcción, el reducido mantenimiento y la facilidad de desmontaje le confieren ventajas económicas importantes. El sistema RCF-M, aunque tiene un bajo coste inicial, tiene mayores costes durante la fase de uso y al final de su vida útil debido a su elevada generación de residuos y dificultad de reciclaje. Las alternativas basadas en hormigón (RCW y RCF-CP) mostraron costes intermedios, con un mayor gasto en mantenimiento preventivo debido a la necesidad de recubrimientos anticorrosivos y anticarbonatación.

Para integrar todas estas variables, se emplearon seis métodos de decisión multicriterio (AHP, DEMATEL, TOPSIS, WASPAS, EDAS, MABAC y MARCOS), y a cada criterio se le asignaron pesos según la experiencia de un panel de expertos. Los criterios que más influyeron en la toma de decisiones fueron el coste de construcción, la necesidad de mano de obra especializada y el impacto ambiental sobre los recursos. La consistencia entre los métodos aplicados y los análisis de sensibilidad realizados confirma la solidez de los resultados: en más del 90 % de los escenarios simulados, el sistema LSF se mantuvo como la mejor opción global.

Las conclusiones del estudio son claras: ningún sistema constructivo es perfecto en todos los aspectos, pero el LSF se posiciona como la solución más equilibrada en términos de sostenibilidad, coste y eficiencia técnica. Esto tiene implicaciones directas para la planificación de proyectos de vivienda social, donde la rapidez de ejecución, la reducción de emisiones y la viabilidad económica deben ir de la mano. Además, el marco metodológico propuesto en este trabajo puede replicarse en otros países o contextos donde se busque optimizar la selección de sistemas constructivos en función de múltiples criterios.

En definitiva, este artículo supone un avance significativo en la evaluación integral de las tecnologías constructivas para la vivienda social. Proporciona a ingenieros, arquitectos y responsables de políticas públicas una herramienta sólida para fundamentar sus decisiones, superando enfoques tradicionales centrados únicamente en el coste o la rapidez constructiva. La aplicación de metodologías multicriterio, combinadas con análisis del ciclo de vida, se consolida así como un enfoque clave para impulsar una construcción social verdaderamente sostenible.

Referencia:

LUQUE-CASTILLO, X.; YEPES, V. (2025). Life Cycle Assessment of Social Housing Construction: A Multicriteria Approach. Building and Environment, 282:113294. DOI:10.1016/j.buildenv.2025.113294

Os paso el artículo, pues está publicado en abierto.

Pincha aquí para descargar

Glosario de términos clave

  • Análisis del ciclo de vida (LCA – Life Cycle Assessment): Una herramienta para evaluar los impactos ambientales asociados con todas las etapas de la vida de un producto, desde la extracción de la materia prima hasta la disposición final.
  • Coste del ciclo de vida (LCC – Life Cycle Costing): Una herramienta de evaluación económica que considera todos los costes relevantes de un producto o sistema a lo largo de su vida útil, incluyendo diseño, construcción, operación, mantenimiento y disposición.
  • Toma de decisiones multicriterio (MCDM – Multi-Criteria Decision-Making): Un conjunto de métodos y técnicas utilizados para evaluar y clasificar alternativas cuando hay múltiples criterios en conflicto, permitiendo tomar decisiones más informadas.
  • Enfoque «Cradle-to-Grave»: Una metodología de análisis que abarca todas las etapas del ciclo de vida de un producto o sistema, desde la «cuna» (extracción de materias primas) hasta la “tumba” (disposición final o reciclaje).
  • Objetivos de Desarrollo Sostenible (ODS): Un conjunto de 17 objetivos globales establecidos por las Naciones Unidas para lograr un futuro más sostenible para todos, abordando desafíos como la pobreza, la desigualdad, el cambio climático y la degradación ambiental.
  • RESILIFE: El proyecto de investigación en el marco del cual se realizó este estudio, dirigido por el investigador principal en la Universitat Politècnica de València.
  • Techo Propio y Fondo Mi Vivienda: Programas de vivienda social en Perú mencionados como contextos clave donde los hallazgos del estudio pueden aplicarse para la toma de decisiones.
  • RCF-M (Hormigón armado con muros de ladrillo): Uno de los sistemas estructurales analizados, que representa una solución constructiva convencional.
  • RCW (Muros hormigonados in situ): Uno de los sistemas estructurales analizados, caracterizado por el vertido de hormigón directamente en el lugar de la obra.
  • LSF (Light Steel Frame): Un sistema industrializado de acero ligero, destacado en el estudio por su eficiencia ambiental y económica.
  • RCF-CP (Estructuras de hormigón armado con paneles sándwich prefabricados): Un sistema que combina hormigón armado con paneles prefabricados.
  • LBSPS (Paneles sándwich de hormigón atornillados): Un sistema prefabricado de paneles sándwich de hormigón que se ensamblan mediante atornillado.
  • Unidad funcional: El parámetro de referencia utilizado en el LCA y LCC para comparar diferentes alternativas, en este caso, el metro cuadrado de vivienda construida con una vida útil de 50 años.
  • Potencial de calentamiento global (GWP – Global Warming Potential): Una medida del impacto de una sustancia en el calentamiento global, expresada en equivalentes de CO₂. Fue la categoría de mayor peso ambiental en el estudio.

El factor de impacto de las revistas JCR del año 2024

Acaba junio y es justo ahora cuando se pueden consultar los factores de impacto de las revistas científicas indexadas en el Journal of Citation Reports (JCR). Los índices de impacto son un instrumento que permite comparar y evaluar la importancia relativa de una revista determinada dentro de un mismo campo científico en función del promedio de citas recibidas por los artículos que publica durante un periodo de tiempo determinado. Estos indicadores son especialmente importantes en el ámbito científico, ya que, aunque tiene sus detractores, permite evaluar con un indicador objetivo cierto aspecto de la calidad científica de la revista donde un investigador publica sus artículos. En mi caso, según la Web of Science, mi índice H es 45.

Tal y como se muestra en la figura, Forrest Gump definía con claridad la sorpresa que más de un investigador, editor o lector se lleva todos los años cuando ve que su querida revista del alma sube o baja del primer cuartil al segundo cuartil, o viceversa. Es muy desagradable publicar en una revista con un alto impacto y que al año siguiente baje de cuartil. Pero, en fin, estas son las reglas del juego.

Por mi parte, os voy a poner algunas de las revistas en las que he publicado y que están en los dos primeros cuartiles. De hecho, alguna está en el primer decil. No están todas las que son, pero son todas las que están. Si os fijáis, el cuartil a veces no corresponde con el impacto, ya que depende del área de conocimiento. A continuación, os paso la lista de mis revistas favoritas con mayor impacto.

REVISTAS. DATOS 2024 Impacto
SUSTAINABLE CITIES AND SOCIETY 12.0 D1
AUTOMATION IN CONSTRUCTION 11.5 D1
ENVIRONMENTAL IMPACT ASSESSMENT REVIEW 11.2 D1
RESOURCES CONSERVATION AND RECYCLING 10.9 D1
JOURNAL OF CLEANER PRODUCTION 10.0 D1
COMPUTER-AIDED CIVIL AND INFRASTRUCTURE ENGINEERING 9.1 D1
BUILDING AND ENVIRONMENT 7.6 D1
JOURNAL OF BUILDING ENGINEERING 7.4 D1
ENERGY AND BUILDINGS 7.1 D1
COMPUTERS & INDUSTRIAL ENGINEERING 6.5 Q1
ENGINEERING STRUCTURES 6.4 D1
ADVANCES IN ENGINEERING SOFTWARE 5.7 D1
COMPUTERS AND EDUCATION OPEN 5.7 D1
OCEAN & COASTAL MANAGEMENT 5.4 D1
INTERNATIONAL JOURNAL OF LIFE CYCLE ASSESSMENT 5.4 Q1
JOURNAL OF COMPUTING IN CIVIL ENGINEERING 5.2 Q1
JOURNAL OF CONSTRUCTION ENGINEERING AND MANAGEMENT 5.1 Q1
COMPUTERS & STRUCTURES 4.8 Q1
ARCHIVES OF CIVIL AND MECHANICAL ENGINEERING 4.4 Q1
JOURNAL OF CONSTRUCTIONAL STEEL RESEARCH 4.3 Q1
STRUCTURES 4.3 Q1
STRUCTURAL AND MULTIDISCIPLINARY OPTIMIZATION 4.0 Q1
SCIENTIFIC REPORTS 3.9 Q1
JOURNAL OF STRUCTURAL ENGINEERING 3.9 Q1
JOURNAL OF CIVIL ENGINEERING AND MANAGEMENT 3.7 Q2
GEOMECHANICS FOR ENERGY AND THE ENVIRONMENT 3.7 Q1
HELIYON 3.6 Q1
IEEE ACCESS 3.6 Q2
COMPUTERS AND CONCRETE 3.3 Q1
SUSTAINABILITY 3.3 Q2
LAND 3.2 Q2
MATERIALS 3.2 Q2
BUILDINGS 3.1 Q2
JOURNAL OF MATERIALS IN CIVIL ENGINEERING 3.0 Q2
STRUCTURAL ENGINEERING AND MECHANICS 3.0 Q2
INFRASTRUCTURES 2.9 Q2
JOURNAL OF MARINE SCIENCE AND ENGINEERING 2.8 Q2
STRUCTURE AND INFRASTRUCTURE ENGINEERING 2.6 Q2
PLOS ONE 2.6 Q2
APPLIED SCIENCES-BASEL 2.5 Q2
MATHEMATICS 2.2 D1


Además, los factores de impacto de las revistas donde soy editor asociado o pertenezco al comité editorial también han mejorado:

Mathematics (D1-SCI Journal)

Structure & Infrastructure Engineering (Q2-SCI Journal)

Sustainability (Q2-SCI Journal)

Advances in Concrete Construction (Q3-SCI Journal)

Structural Engineering and Mechanics (Q2-SCI Journal)

Advances in Civil Engineering (Q3-SCI Journal)

Revista de la Construcción (Q3-SCI Journal)