docencia – El blog de Víctor Yepes

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.

¿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.

Descargar (PDF, 9.19MB)

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.

Docencia e inteligencia artificial: nuevas estrategias para educadores

La educación está experimentando una transformación sin precedentes gracias a los avances en inteligencia artificial (IA). La integración de la IA en el ámbito educativo ha traído consigo oportunidades y desafíos que requieren una adaptación rápida por parte de los docentes y los sistemas de enseñanza.

Esta revolución tecnológica ha dado lugar a la automatización de tareas administrativas, la personalización del aprendizaje, la optimización de evaluaciones y el desarrollo de nuevas metodologías de enseñanza que mejoran la eficiencia del aula. Sin embargo, su implementación también genera preocupaciones relacionadas con la equidad, la privacidad de los datos y la ética en la educación.

Este informe explora en profundidad cómo los docentes pueden aprovechar la IA para mejorar sus prácticas pedagógicas y hacer frente a los desafíos emergentes. Se proporcionarán ejemplos detallados, herramientas específicas y estrategias que permitirán a los educadores integrar esta tecnología de manera efectiva y responsable en sus aulas.

1. Inteligencia artificial generativa y su aplicación en la docencia

1.1. Definición y características

La inteligencia artificial generativa es una rama avanzada de la IA que emplea redes neuronales profundas para crear contenido original en formato de texto, imágenes, audio y vídeo. Este tipo de IA puede proporcionar respuestas personalizadas y adaptadas a distintos contextos de aprendizaje, lo que la convierte en una herramienta muy útil en el ámbito educativo.

Algunos ejemplos notables de IA generativa son ChatGPT, que puede generar respuestas detalladas en múltiples idiomas; DALL-E, que crea imágenes a partir de descripciones textuales, y Bard AI, que ofrece información en tiempo real a partir de consultas específicas.

El uso de estas herramientas en la docencia permite mejorar la interacción con los estudiantes, proporcionar materiales personalizados y fomentar un aprendizaje más dinámico. Además, la IA generativa puede ayudar en la corrección de textos, la generación de pruebas automatizadas y la creación de contenidos visuales para reforzar los conceptos enseñados en el aula.

1.2. Aplicaciones en el aula

Las aplicaciones de la inteligencia artificial (IA) generativa en la enseñanza son diversas y pueden utilizarse en diferentes áreas del conocimiento. Entre las más destacadas se encuentran:

Creación de material didáctico: la IA permite generar rápidamente presentaciones, resúmenes y documentos de apoyo para los estudiantes. Herramientas como Canva AI o Tome AI facilitan la producción de diapositivas atractivas con contenido relevante.
Automatización de respuestas: los docentes pueden utilizar chatbots educativos como PersonalChat para responder de manera inmediata a las dudas recurrentes de los estudiantes.
Evaluaciones y retroalimentación: plataformas como Gradescope permiten corregir exámenes de manera automatizada, lo que reduce la carga de trabajo de los docentes y asegura una evaluación más objetiva.
Generación de contenido multimedia: con herramientas como Runway AI y Pictory, los docentes pueden crear vídeos educativos personalizados y mejorar la experiencia de aprendizaje.

Un ejemplo concreto de su aplicación es el uso de ChatGPT en universidades para ayudar a los estudiantes en la redacción de ensayos, proporcionando estructuras sugeridas y correcciones gramaticales detalladas. Esto no solo mejora la calidad de los trabajos académicos, sino que también fomenta la autonomía y la autoevaluación de los estudiantes.

2. Personalización del aprendizaje y evaluación con IA

2.1. Aprendizaje adaptativo

Uno de los mayores beneficios de la inteligencia artificial (IA) en la educación es su capacidad para personalizar el aprendizaje en función del nivel y el ritmo de cada estudiante. Gracias al análisis de datos, los algoritmos de IA pueden identificar fortalezas y debilidades de los alumnos y ajustar los contenidos educativos en tiempo real para optimizar su rendimiento académico.

Algunas plataformas que utilizan este enfoque son:

Khan Academy con IA ofrece ejercicios personalizados según el nivel de conocimiento del estudiante.
Duolingo AI: adapta la dificultad de los ejercicios de idiomas en función del progreso del usuario.
Carnegie Learning ofrece tutorías de matemáticas con IA, que adaptan las preguntas al rendimiento del estudiante.

Este enfoque permite que los estudiantes reciban una educación más centrada en sus necesidades individuales, lo que reduce las brechas de aprendizaje y mejora la retención del conocimiento.

2.2. Evaluación automatizada

Otro aspecto crucial de la IA en la educación es la optimización del proceso de evaluación. Tradicionalmente, corregir exámenes y tareas supone un gran esfuerzo para los docentes. Gracias a herramientas como Gradescope y ZipGrade, ahora es posible evaluar pruebas de manera instantánea, proporcionar retroalimentación detallada y reducir el margen de error.

Además de la corrección automatizada, la IA puede utilizarse para analizar el rendimiento de los estudiantes a lo largo del tiempo y predecir posibles dificultades académicas. Por ejemplo, la plataforma Edsight AI recopila datos sobre las respuestas de los alumnos y genera informes personalizados con recomendaciones para mejorar su rendimiento.

A pesar de sus ventajas, la evaluación automatizada debe complementarse con métodos tradicionales para garantizar una comprensión profunda de los conceptos por parte de los estudiantes y evitar depender exclusivamente de algoritmos para medir los conocimientos.

3. Desafíos y consideraciones éticas

3.1. Sesgo en los algoritmos

Uno de los principales desafíos de la IA en la educación es la presencia de sesgos en los modelos de aprendizaje. Dado que las IA se entrenan con grandes volúmenes de datos históricos, pueden reflejar prejuicios existentes en la sociedad, lo que podría afectar negativamente a la equidad de la enseñanza.

Para minimizar estos riesgos, es fundamental que los docentes supervisen el contenido generado por IA y utilicen diversas fuentes para contrastar la información. Además, se recomienda fomentar el pensamiento crítico entre los estudiantes para que evalúen la veracidad y la imparcialidad de los datos proporcionados por estos sistemas.

3.2. Privacidad y seguridad de datos

El uso de la IA en la educación implica la recopilación y el análisis de grandes volúmenes de datos sobre los estudiantes. Para proteger su privacidad, es crucial que las instituciones educativas implementen regulaciones estrictas sobre el almacenamiento y uso de la información personal.

Algunas estrategias recomendadas son:

Utilización de plataformas con altos estándares de seguridad, como Microsoft Copilot y Google AI Education.
Concienciar sobre la importancia de la privacidad y enseñar a los estudiantes a gestionar sus datos de forma segura en entornos digitales.
Cumplimiento de normativas de protección de datos, como el Reglamento General de Protección de Datos (RGPD) en Europa.

Conclusiones

La inteligencia artificial está revolucionando la educación, ya que ofrece nuevas posibilidades para mejorar la enseñanza y el aprendizaje. Sin embargo, su implementación debe realizarse de manera responsable, garantizando el papel central del docente y promoviendo el uso ético de la tecnología.

Para maximizar sus beneficios, es esencial que los educadores se mantengan actualizados sobre las últimas tendencias en IA y adopten herramientas que complementen sus metodologías de enseñanza. La combinación de innovación tecnológica con estrategias pedagógicas efectivas transformará la educación y preparará a los estudiantes para los desafíos del futuro.

Os dejo un documento de la Universidad de Burgos que profundiza en el tema. Espero que os resulte de interés.

Descargar (PDF, 10.69MB)

Respaldos a mi Candidatura para Consejero en el Sector 4: DOCENCIA e INVESTIGACIÓN

Como ya he anunciado por redes sociales, me presento como candidato a Consejero en el Sector 4 Docencia e Investigación a las próximas elecciones del Colegio de Ingenieros de Caminos, Canales y Puertos. Se trata de un compromiso personal con la candidatura de Miguel Ángel Carrillo para una nueva legislatura que, en esta ocasión, tendrá una duración de 2 años.

En algunos de estos enlaces podéis ver algunas de mis propuestas, que espero coincidan con lo que espera nuestra profesión. https://uncolegioparaavanzarjuntos.es/wp-content/uploads/2020/06/Victor-Yepes.pdf

Sin embargo, estas propuestas no son aisladas, sino que son el fruto de debates con compañeros que, desde las distintas Escuelas Técnicas Superiores de Ingeniería de Caminos, Canales y Puertos, y desde la profesión, he tenido ocasión de fraguar en estos últimos 4 años. Especialmente satisfactorio es saber que, por ejemplo, Fermín Navarrina, amigo, pero contrincante en las anteriores elecciones, está apoyándome de forma incondicional. Pero no es el único. Os paso una lista muy reducida de algunos de esos apoyos, que no solo son para mi persona, sino también para la candidatura de Miguel Ángel Carrillo. Sin embargo, de lo que me siento en este momento más orgulloso es del apoyo incondicionado de algunos de vosotros a mi candidatura.

Dejo en mi blog el apoyo explícito de algunos de vosotros, otros me han dado muchos ánimos y, mi mayor reto, va a ser no defraudaros. No son todos los que son, pero sí todos los que están (he puesto el orden de forma aleatoria). Muchísimas gracias a todos, de corazón. Nunca sabréis la deuda que tengo con todos vosotros. Si alguien quiere estar en la lista, que me lo diga y lo incluyo.

Íñigo J. Losada Rodríguez. Catedrático de Ingeniería Hidráulica. Universidad de Cantabria.
Antonio Martínez Cutillas. Profesor Titular de Universidad. Universidad Politécnica de Madrid.
Enrique Mirambell Arrizabalaga. Catedrático en ingeniería de la construcción. Universitat Politècnica de Catalunya.
Eugenio Pellicer Armiñana. Catedrático de Proyectos de Ingeniería – E.T.S. Ingeniería de Caminos, Canales y Puertos de Valencia
Fermín Luis Navarrina Martínez. Catedrático en el Grupo de Métodos Numéricos en Ingeniería. Universidad de A Coruña
Vicente Negro Valdecantos. Catedrático de Tecnologías del Medio Ambiente e Ingeniería Marítima. Universidad Politécnica de Madrid.
Andrés Monzón de Cáceres. Catedrático en Ingeniería del Transporte. Universidad Politécnica de Madrid.
Esther Real Saladrigas. Catedrática de Universidad. Universitat Politècnica de Catalunya.
Carlos Nárdiz Ortiz. Profesor Titular de Universidad en Urbanística y Ordenación del Territorio. Universidad de A Coruña.
Alfredo García García. Catedrático de Ingeniería de Carreteras, Director del Instituto del Transporte y Territorio, Universitat Politècnica de València.
Jorge Bernabeu Larena. Profesor Titular de Universidad. Universidad Politécnica de Madrid.
Cristina Vázquez Herrero. Profesora Titular de Universidad de Ingeniería de la Construcción. Universidad de A Coruña.
Alejandro Castillo Linares. Profesor Asociado. Universidad de Granada.
Antonio Tomás Espín. Profesor Titular de Universidad. Universidad Politécnica de Cartagena.
Julián Alcalá González. Profesor Titular de Universidad. Universitat Politécnica de València.

Votar es muy sencillo, sobre todo si se hace electrónicamente. Os dejo un enlace donde se explica fácilmente: file:///C:/Users/V%C3%ADctor/Downloads/Manual%20de%20votaci%C3%B3n%20electr%C3%B3nica.pdf

También os paso un vídeo donde explico algunas de las razones por las que me presento en esta candidatura.

Y, por último, os paso tanto un documento con algunas de mis intenciones. Estoy abierto al debate y a recibir cuantas indicaciones me deis. Tanto antes como después de las elecciones, independientemente del resultado. Es lo menos que puedo hacer por una profesión que amo profundamente.

Descargar (PDF, 311KB)

Los motivos por los que se equivocan estudiantes y profesionales de ingeniería al abordar la resolución de problemas

Resolver problemas en el ámbito universitario o profesional, en áreas tecnológicas, de ingeniería y ciencias, puede plantear una serie de desafíos que pueden conducir a errores. Estos fallos pueden surgir por diversas razones que van desde no comprender el concepto subyacente hasta confiar demasiado en la tecnología.

En un artículo anterior mencioné algunos ejemplos de problemas teóricamente sencillos, pero que marean a nuestros estudiantes. Ahora vamos a analizar detalladamente algunas de estas razones y cómo se relacionan entre sí. También he incluido enlaces a otros artículos del blog donde reflexiono sobre este tipo de cuestiones.

La falta de comprensión del concepto subyacente a un problema es una preocupación fundamental. Esto puede manifestarse de diversas formas, ya sea a través de errores conceptuales, una aplicación incorrecta del concepto o una interpretación errónea del mismo. Esta falta de entendimiento puede empeorar si se carece de experiencia o conocimientos específicos en el campo correspondiente. Cuando un estudiante o profesional se enfrenta a un problema para el que no tiene experiencia previa, puede tener dificultades para aplicar correctamente los principios necesarios para resolverlo.

Los datos son fundamentales para encontrar soluciones, sin embargo, su calidad y disponibilidad pueden ser problemáticos. La falta de datos adecuados, la presencia de información contradictoria o sesgada pueden conducir a conclusiones incorrectas. Asimismo, centrarse excesivamente en utilizar todos los datos disponibles puede distraer de la información realmente importante, al tiempo que validar datos sesgados o inventados puede conducir a conclusiones incorrectas.

El manejo inadecuado de las bases matemáticas también puede ser una fuente de errores (geometría, trigonometría, cálculo o álgebra). Esto puede incluir errores en el cálculo, así como el uso inapropiado de fórmulas o modelos matemáticos. Los problemas reales rara vez tienen una sola solución, lo que requiere habilidades para evaluar y decidir entre múltiples enfoques posibles. Además, el uso excesivo de la memoria en lugar de la comprensión de los principios subyacentes puede conducir a errores conceptuales y de selección de modelos de cálculo.

Los aspectos psicológicos también son importantes. El estrés, la falta de confianza en uno mismo, la presión por terminar a tiempo y la falta de concentración pueden afectar a la capacidad de resolver problemas de manera efectiva. La falta de atención a los detalles, la fatiga y el agotamiento también pueden provocar errores en la resolución de problemas.

Es crucial comprender que los problemas reales pueden ser complejos y no tener necesariamente una solución única. Esto implica la necesidad de tomar decisiones informadas y comprender las limitaciones de los modelos o fórmulas utilizados. Además, la propagación de errores en las operaciones y el uso incorrecto de datos, fórmulas o software pueden dar lugar a resultados erróneos.

La falta de retroalimentación o revisión de los errores cometidos puede perpetuar la repetición de los mismos una y otra vez. La falta de comunicación o colaboración entre profesionales en entornos de trabajo también puede provocar errores en la resolución de problemas. Confiar ciegamente en la tecnología o en herramientas automatizadas sin comprender en profundidad los principios subyacentes puede ser un problema.

En resumen, resolver problemas en el ámbito universitario o profesional de la ingeniería y las ciencias puede ser un proceso complejo y propenso a errores debido a una variedad de factores interrelacionados. Desde la comprensión del concepto hasta la calidad y disponibilidad de los datos, así como los aspectos psicológicos y técnicos relacionados con la resolución de problemas, es crucial abordar estos desafíos con atención y comprensión para lograr soluciones precisas y efectivas. Desde las universidades debe hacerse todo lo posible para superar este tipo de dificultades y conseguir que nuestros estudiantes adquieran las competencias necesarias para su posterior desarrollo profesional.

Sin querer ser exhaustivo, y sin que estén ordenadas por importancia, aquí os dejo una lista de 30 posibles causas por las cuales nuestros estudiantes en los exámenes o los técnicos en su ámbito profesional, suelen cometer errores al resolver los problemas. Estoy convencido de que hay más causas, pero esto puede ser un buen punto de partida para el debate y la reflexión. En el vídeo que he grabado, me extiendo y explico algo más lo que aquí recojo como una simple lista.

La falta de comprensión del concepto subyacente en un problema puede conducir a errores conceptuales al aplicarlo incorrectamente o interpretarlo de manera errónea.
La inexperiencia o la falta de conocimientos específicos pueden surgir cuando una persona afronta por primera vez un tipo de problema, ya sea durante un examen o en la práctica profesional.
Los problemas relacionados con la disponibilidad de datos pueden presentarse de varias formas, como datos insuficientes, necesarios, innecesarios o contradictorios. A menudo, existe una obsesión por utilizar todos los datos disponibles en el enunciado del problema.
La calidad de los datos también es un factor importante, con la posibilidad de incertidumbre o error en los datos disponibles. Además, dar por válidos datos sesgados, interesados o inventados puede llevar a conclusiones incorrectas. Es necesario un control de calidad de los datos.
Intentar resolver un problema utilizando el enfoque típico visto en clase puede marear a nuestros estudiantes. Los alumnos prefieren resolver un problema típico explicado en clase, a ser posible, con datos parecidos.
El manejo inadecuado de las bases matemáticas, que incluye errores en el cálculo, el uso incorrecto de fórmulas o modelos matemáticos, y la falta de comprensión de los principios subyacentes, puede ser una fuente común de errores. La falta de conocimientos básicos de geometría, trigonometría, álgebra o cálculo básicos son, en ocasiones, escollos. A veces hay dificultades en saber dibujar un esquema para resolver el problema.
Los problemas reales generalmente no tienen una sola solución, lo que requiere habilidades para evaluar y decidir entre múltiples enfoques posibles. Esta distinción, que se da claramente entre los estudios de grado y los de máster, es importante tenerla en cuenta.
Los aspectos psicológicos, como el estrés, la falta de confianza en uno mismo, la presión por terminar a tiempo y la falta de concentración, pueden afectar negativamente la capacidad para resolver problemas de manera efectiva.
La falta de atención o interés, así como la fatiga o el agotamiento, pueden contribuir a errores en la resolución de problemas, al igual que la prisa por resolver el problema.
La complejidad de los problemas puede aumentar cuando se trata de situaciones poco comunes o rebuscadas, lo que requiere un enfoque cuidadoso y creativo para su resolución.
Es crucial comprender la diferencia entre una ley general y una fórmula particular al aplicar normas técnicas que pueden estar basadas en hipótesis o casos específicos.
Utilizar modelos de cálculo inadecuados, ya sean demasiado refinados o demasiado simples para los datos disponibles, puede conducir a soluciones incorrectas.
Carecer de números estimativos para prever el resultado final puede resultar en una falta de comprensión del orden de magnitud del resultado. En este sentido, el uso de nomogramas en la docencia facilita la adquisición de este tipo de habilidad en los estudiantes. Los estudiantes y los profesionales deberían tener un conocimiento del “número gordo” y saber predimensionar.
Es importante ser consciente de la propagación de errores en las operaciones, ya que incluso pequeños errores pueden magnificarse y llevar a resultados incorrectos.
Utilizar fórmulas, datos o tablas en un contexto diferente al que dieron origen puede llevar a interpretaciones incorrectas o a soluciones erróneas.
La extrapolación de resultados a límites no contemplados puede conducir a conclusiones incorrectas o poco realistas.
Utilizar fórmulas empíricas con datos expresados en unidades diferentes a las que funcionan puede generar resultados inconsistentes o incorrectos.
La dependencia excesiva de la memoria en lugar de comprender los principios subyacentes puede conducir a errores en la selección de modelos o fórmulas de cálculo.
Errores conceptuales pueden llevar a la selección incorrecta de modelos o fórmulas de cálculo, lo que resulta en soluciones erróneas.
El uso de software defectuoso o poco contrastado, así como la falta de habilidades para calcular manualmente un problema, pueden resultar en resultados incorrectos. A esto se une un uso inapropiado de la inteligencia artificial.
El mal uso de ecuaciones o fórmulas, como cambiar el nombre de una variable sin entender el concepto subyacente, puede conducir a errores en la resolución de problemas.
La falta de competencia o experiencia en una materia determinada puede resultar en una resolución incorrecta del problema.
Repetir la resolución de problemas de un contexto a otro sin pensar en su validez puede conducir a soluciones inapropiadas.
La falta de comprensión del problema, la pregunta o el tipo de resultado esperado puede resultar en soluciones incorrectas debido a la falta de comprensión lectora, capacidad analítica o de síntesis.
La utilización de unidades defectuosas, notaciones o convenciones específicas puede llevar a interpretaciones erróneas o a soluciones incorrectas.
La falta de retroalimentación o revisión de los errores cometidos puede perpetuar la repetición de los mismos errores una y otra vez.
La falta de comunicación o colaboración en entornos de trabajo entre profesionales puede contribuir a errores en la resolución de problemas.
La confianza excesiva en la tecnología o herramientas automatizadas puede llevar a la falta de comprensión de los principios subyacentes y a la comisión de errores.
La falta de revisión o verificación de los cálculos realizados por parte de un tercero independiente puede resultar en soluciones incorrectas.
La falta de conocimiento del contexto del problema, incluyendo las restricciones, puede conducir a soluciones subóptimas o incorrectas.

Os paso un vídeo donde he desarrollado las ideas anteriores, con ejemplos, y he dejado algunas de mis reflexiones al respecto. Espero que os guste.

Os dejo un podcast sobre este tema (en inglés), generado por una IA sobre el vídeo.

Aquí tenéis un mapa conceptual que también os puede ayudar.

Códigos abiertos basados en Python para la construcción de nomogramas y su aplicación en la ingeniería de proyectos

Durante los días 10-13 de julio de 2023 tuvo lugar en Donostia-San Sebastián (Spain) el 27th International Congress on Project Management and Engineering AEIPRO 2023. Fue una buena oportunidad para debatir y conocer propuestas sobre dirección e ingeniería de proyectos. Nuestro grupo de investigación, dentro del proyecto de investigación HYDELIFE, presentó varias comunicaciones. A continuación os paso una de ellas.

La Nomografía es una disciplina científica que se encarga de representar gráficamente fórmulas complejas mediante nomogramas, permitiendo el cálculo de tres o más variables matemáticas. Durante el siglo XX, esta técnica fue ampliamente utilizada en áreas como la ingeniería, medicina, electrónica, ciencias físicas, biológicas, etc. Sin embargo, con la llegada de las calculadoras y computadoras, la construcción de nuevos nomogramas y su enseñanza en la universidad disminuyeron. En los últimos años, la nomografía ha resurgido gracias a la ayuda de códigos de programación como PyNomo y Nomogen, basados en Python, que pueden generar un nomograma en cuestión de segundos, frente a las horas que antes requerían. En este trabajo se presentan estos códigos abiertos y algunos nomogramas generados con ellos, analizando su usabilidad, precisión y contribución a la relación entre las variables de las expresiones matemáticas. Finalmente, se destacan las posibilidades del uso de los nomogramas en la enseñanza e ingeniería de proyectos.

El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Palabras clave:

Nomografía; PyNomo; Nomogen; ingeniería de proyectos; docencia

Agradecimientos:

This research was funded by MCIN/AEI/10.13039/501100011033, grant number PID2020-117056RB-I00 and The APC was funded by ERDF A way of making Europe.

Referencia:

YEPES, V.; MARTÍNEZ-PAGÁN, P.; ROSCHIER, L.; BOULET, D.J.; BLIGHT, T. (2023). Códigos abiertos basados en Python para la construcción de nomogramas y su aplicación en la ingeniería de proyectos. 27th International Congress on Project Management and Engineering, AEIPRO, 10-13 de julio, Donostia/San Sebastián (Spain), pp. 2106-2118. DOI:10.61547/3509

A continuación os dejo un vídeo donde presentamos el trabajo. Espero que os sea de interés.

Os dejo la comunicación completa, pues está publicada en acceso abierto. Espero que os sea de interés.

Descargar (PDF, 5.38MB)

Conferencia inaugural de las VI Jornadas Internacionales sobre Innovación Docente en las Titulaciones Técnicas

Es un placer anunciar la invitación cursada desde por las VI Jornadas Internacionales sobre Innovación Docente en las Titulaciones Técnicas para impartir la conferencia inaugural el jueves 26 de octubre de 2023 en Granada.

Se trata de un foro donde el personal docente e investigador de universidad pueda compartir experiencias y continuar avanzando en la mejora de la docencia de la mano de la innovación y la tecnología.

Una de las cosas positivas que ha traído la crisis de la pandemia es la aparición de nuevos enfoques metodológicos cuyo éxito nos anima a incorporarlos de forma definitiva en las aulas. Estos enfoques, junto con otros estudios y prácticas innovadoras de interés para la mejora de la calidad de la docencia, son el objetivo de esta nueva edición de las jornadas que estarán organizadas sobre los siguientes ejes:

Metodologías docentes y de evaluación, tutorización y seguimiento.
Trabajos fin de título en ingeniería.
Formación en competencias transversales.
Otros temas de interés relacionados con la innovación y buenas prácticas docentes en las enseñanzas técnicas.

Las Jornadas tendrán lugar en la Escuela Técnica Superior de Ingeniería de Caminos, Canales y Puertos de la Universidad de Granada, un centro líder en la formación en Ingeniería Civil y en Ingeniería de Caminos, Canales y Puertos.

La conferencia inaugural de INDOTEC 2023, presentada por Víctor Yepes, aborda la crucial necesidad de innovación en las titulaciones técnicas en el contexto de un mundo en constante cambio. La presentación justifica esta necesidad, propone criterios para seleccionar innovaciones docentes y analiza la gestión del conocimiento en el ámbito universitario. Se explora el concepto de «cliente» de la universidad, el objetivo de las titulaciones técnicas, y el cambio de paradigma en el proceso de aprendizaje, pasando de un modelo tradicional centrado en el profesor a uno centrado en el estudiante y el aprendizaje activo. Se identifican los cambios necesarios en profesores, estudiantes y universidades para adaptarse a este nuevo paradigma. Se discuten las características de las técnicas de innovación docente, incluyendo el miedo al cambio y la confusión entre tecnología e innovación. Finalmente, se aborda la «Economía del Conocimiento» en la docencia y se presentan ejemplos prácticos de técnicas utilizadas por el ponente.

Os dejo la presentación que voy a realizar en este conferencia inaugural.

Glosario de términos clave

Innovación docente: Introducción de novedades o mejoras en las prácticas de enseñanza y aprendizaje para aumentar la efectividad y relevancia educativa.
Titulaciones técnicas: Programas académicos universitarios orientados a preparar a los estudiantes con conocimientos, habilidades y competencias específicas para campos profesionales que requieren formación técnica, científica o tecnológica (ingenierías, arquitectura, etc.).
Cambio de paradigma en el proceso de aprendizaje: Transformación fundamental de un modelo de enseñanza centrado en el profesor y la transmisión unidireccional de información a un enfoque centrado en el estudiante, el aprendizaje activo y la comprensión profunda.
Economía del conocimiento: En el contexto universitario, implica gestionar y aprovechar la información y el saber de manera eficiente y efectiva en la docencia, priorizando conocimientos y habilidades clave y utilizando la tecnología.
Agentes (en el proceso educativo): Las diferentes partes interesadas que participan e influyen en el proceso educativo, incluyendo profesorado, estudiantes y la institución universitaria.
Competencias: Conjunto de conocimientos, habilidades y actitudes que un estudiante debe adquirir para desempeñarse exitosamente en un campo profesional específico.
Evaluación formativa: Proceso de evaluación continua que busca medir el progreso del estudiante a lo largo del curso y proporcionar retroalimentación para mejorar.
Aprendizaje a lo largo de la vida: Mentalidad que promueve la actualización constante de conocimientos y habilidades y la disposición a seguir aprendiendo después de completar la formación inicial.
Tecnologías de la Información y la Comunicación (TIC): Herramientas y recursos digitales utilizados para mejorar el acceso al conocimiento, la colaboración y el aprendizaje.
Gamificación: Integración de elementos de juego en entornos de no juego (como la educación) para aumentar la motivación, el compromiso y el aprendizaje de los estudiantes.
Teoría del Cisne Negro: Concepto que describe eventos inesperados y de gran impacto que alteran significativamente la situación y requieren tomar decisiones fuera de la norma.
Proceso de Bolonia: Iniciativa europea que busca crear un Espacio Europeo de Educación Superior armonizando las estructuras de los sistemas educativos universitarios.
Comunicación bidireccional (en docencia): Interacción en la que tanto el profesor como el estudiante son emisores y receptores, permitiendo el diálogo, la retroalimentación y la discusión.
Estadísticas (en medición de la innovación docente): Técnicas cuantitativas utilizadas para analizar objetivamente el impacto y la efectividad de las técnicas de innovación educativa.
MAPA mental / MAPA conceptual: Herramientas visuales para organizar información y conceptos, donde el mapa mental se centra en un tema central y ramificaciones, mientras que el mapa conceptual organiza ideas y relaciones de forma jerárquica.
Brain writing (6-3-5): Técnica de generación de ideas en grupo donde cada participante escribe 3 ideas en una hoja, la pasa a la siguiente persona y repite 5 veces.
SCAMPER: Técnica de pensamiento creativo para generar nuevas ideas a partir de una idea existente mediante la aplicación de verbos de acción (Sustituir, Combinar, Adaptar, Modificar, Poner en otro uso, Eliminar, Reorganizar).
Seis sombreros para pensar: Técnica de pensamiento lateral que permite analizar un problema o situación desde seis perspectivas diferentes representadas por sombreros de distintos colores.
MOOC (Massive Open Online Course): Cursos en línea masivos y abiertos, a menudo gratuitos, ofrecidos por universidades y otras instituciones.
Booklab / Mentimeter: Herramientas digitales de participación interactiva que permiten a los ponentes hacer preguntas a la audiencia en tiempo real y mostrar los resultados.

La enseñanza del vocabulario técnico de la ingeniería de la construcción

El lenguaje metafórico de los ingenieros: cuchara bivalva

Durante mi extensa carrera como profesor universitario en Ingeniería de la Construcción, he recopilado un vocabulario específico de la jerga utilizada por técnicos en el mundo de la construcción, que consiste en una variedad lingüística diferente a la lengua estándar y que a veces es incomprensible para los hablantes no familiarizados con ella. Este lenguaje se emplea con frecuencia por diferentes grupos sociales con la intención de ocultar el significado real de sus palabras a su conveniencia.

Mis estudiantes, acostumbrados a las ciencias y no a las letras, a menudo encuentran este lenguaje oscuro y difícil de aprender. Se quejan de tener que estudiar de memoria estas palabras y su significado, pero es fundamental su conocimiento para desenvolverse con soltura en la profesión. Esto de memorizar no es algo que les guste mucho, pero no hay más remedio. Es como aprender un nuevo idioma. Al principio hay que traducir el significado de las palabras, pero con el uso, se aprenden y no hay que volver a traducirlas. Por eso les aconsejo que mantengan una libreta donde anoten estos términos extraños, como “bentonita”, “sondeo”, “cimbra”, “árido”, “blondín”, “cubilote”, etc. Algunos de estos términos son específicos de determinadas zonas, como “bañera”, que se refiere a un remolque semibasculante, o “maceta”, que significa martillo en el lenguaje de los albañiles. Además, les recomiendo que intenten anotar la palabra equivalente en inglés, pues es muy probable que el día de mañana tengan que desenvolverse en otro idioma.

Otras veces se acude al lenguaje metafórico para definir determinados conceptos: “riñón”, “cabeza de pilote”, “costillas”, “nido de grava”, etc. Los interesados pueden revisar un artículo que escribí en este blog hace unos años: https://victoryepes.blogs.upv.es/2017/01/05/el-lenguaje-metaforico-de-los-ingenieros/

Un truco que utilizo a veces es emplear crucigramas o palabras cruzadas para ayudar a los estudiantes a asociar las nuevas palabras con su significado. Aquí hay un ejemplo de cuando hablamos de sondeos y perforaciones. Os animo a resolverlo.

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Cómo redactar y evaluar los resultados de aprendizaje para ser coherentes con las competencias que deben adquirir los estudiantes

Tengo el placer de anunciar la realización de un taller en la Universidad de Alicante con motivo de una invitación recibida por su Instituto de Ciencias de la Educación. Dicho taller tiene como título “Cómo redactar y evaluar los resultados de aprendizaje para ser coherentes con las competencias que deben adquirir los estudiantes” y se celebrará en dicha universidad el 15 de julio de 2022, de 10:00 a 12:00 h.

El taller se enmarca dentro del evento REDES-INNOVAESTIC 2022 – EL PROFESORADO, EJE FUNDAMENTAL DE LA TRANSFORMACIÓN DE LA DOCENCIA UNIVERSITARIA, pudiendo acceder a él a través del siguiente enlace: https://web.ua.es/es/redes-innovaestic/.

Os paso la descripción del taller que me han encomendado:

Descripción del taller:

Se trata de un taller práctico orientado a redactar y evaluar los resultados de aprendizaje. Tras una breve introducción teórica sobre el concepto de resultado de aprendizaje y las confusiones que este término tiene frente a otros similares. A continuación se ofrecerán reglas prácticas para definir de forma sencilla, directa y clara un resultado de aprendizaje. No obstante, la mayor parte de los problemas provienen de la evaluación y en la coherencia entre los resultados de aprendizaje y las competencias de una asignatura o materia. Para ello resulta necesario entender que la evaluación basada en competencias y resultados de aprendizaje supera el enfoque tradicional de evaluación de contenidos. Aquí se trata de establecer criterios para definir exámenes, ejercicios o pruebas correlacionadas con los resultados de aprendizaje. Por último, y no menos importante, se ofrecerán reglas prácticas para recoger y custodiar las evidencias necesarias de la evaluación de los resultados de aprendizaje. No se trata de almacenar únicamente exámenes, ejercicios o trabajos, sino además, recoger los criterios y la justificación de las calificaciones obtenidas para cada resultado de aprendizaje. El enfoque del taller supone una participación activa del profesorado en los planteamientos y en la discusión de cada una de las propuestas.

El taller será presencial. Os espero para compartir vuestras experiencias docentes y aprender conjuntamente sobre las competencias y los resultados de aprendizaje.

Recurso didáctico: one-minute paper

Una innovación docente efectiva no tiene por qué ser difícil de aplicar en clase. Estamos hablando del “One-minute paper“, que en español se podría traducir como “trabajos de un minuto”, aunque todo el mundo conoce el término popularizado en inglés.

Este es un recurso didáctico, probablemente reinventado muchas veces, pero que es extraordinariamente sencillo. Se trata de preguntar al final de la clase a los alumnos dos cosas:

¿Qué ha sido para tí lo más importante que has aprendido en esta clase?
¿Qué es lo que te ha quedado más confuso?

Para contestar, se reparten a los alumnos unas papeletas sin demasiado espacio en las que queda reflejada la fecha y, si se estima oportuno, el nombre del alumno. Aunque muchas veces funciona mejor si es anónimo. Otras veces se puede realizar una pequeña actividad grupal para que los alumnos comenten las respuestas entre ellos antes de entregar la papeleta.

Es una forma sencilla de que el profesor reciba una retroalimentación de la clase anterior y pueda comentar, al comienzo de la siguiente clase, alguna de las preguntas que quedaron menos claras. Las preguntas suelen referirse sobre todo a opiniones, sentimientos o percepciones, más que a verificar un aprendizaje de conocimientos en sentido estricto. Además, esta técnica no solo se puede utilizar al final de una clase, sino también al final de un trabajo, una evaluación, etc.

Este método tiene muchas ventajas: indica al profesor si los alumnos nos van siguiendo en las explicaciones, nos da la oportunidad de comentar «otras» cosas en clase, mejora el clima en clase e incluso puede servir para «pasar lista» de forma discreta. A los alumnos les obliga a adoptar una actitud reflexiva, les enseña a aprender en clase, hace que retengan mejor lo explicado, les ayuda a redactar y puede ser una oportunidad para que los más tímidos expongan sus opiniones.

Una forma de evaluar la efectividad de la estrategia sería que, al final del curso, se cumplimentara un pequeño cuestionario con una escala de Likert de 5 puntos (1: Muy de acuerdo, 2: De acuerdo, 3: A medias, 4: En desacuerdo, 5: Muy en desacuerdo) con las siguientes afirmaciones:

El Minute Paper mejora mi comprensión de los temas difíciles
El Minute Paper quita un tiempo valioso de clase
Me gusta tener el Minute Paper como parte de la enseñanza en esta clase
Yo creo que los Minute Papers son muy beneficiosos para la clase
Creo que los Minute Paper muestran el interés del profesor por nuestro aprendizaje
Deberíamos dejar de hacer los Minute Papers
Si los Minute Papers yo creo que haría preguntas en clase con la misma frecuencia
No me ayuda de manera especial el ver las respuestas de mis compañeros al Minute Paper
Preferiría que las respuestas al Minute Paper se hicieran por correo electrónico

En este vídeo podemos ver una pequeña explicación de la técnica:

Referencias:

Morales Vallejo, Pedro (2011). Escribir para aprender, tareas para hacer en casa. Guatemala: Universidad Rafael Landívar. Disponible en http://www.upcomillas.es/personal/peter/otrosdocumentos/OneMinutePaper.pdf