MODELO TECHDARIA

Capacitación corporativa e institucional · e-Learning · Inteligencia artificial

Modelo TECHDARIA

Marco de e-Learning con recursos digitales e inteligencia artificial para formar equipos en entornos exigentes —incluida la seguridad y logística aeroportuaria— con rutas personalizables, analítica y diseño instruccional sólido. Pensado para directivos, RR. HH. y responsables de proyectos e-learning que evalúan modelos con respaldo documental.

Conocer el fundamento
Autor Arturo Sánchez Arévalo
Grado Doctor en Diseño Multimedia
y Artes Digitales
Institución UNICLAU LAUDE
International Christian University
Especialización Tecnológica educativa
Sede y periodo Liberado por Secretaría General | Rectoría de UNICLAU LAUDE International Christian University en la Ciudad de Miami Florida. EE. UU. Abril de 2023 – Abril de 2024
MixtoMetodología cuantitativa y cualitativa
70Participantes en encuestas de campo (muestras 20 + 50)
Moodle®LMS de referencia con componentes de IA

Fundamento del modelo

Este sitio ofrece una visión informativa y ejecutiva del modelo TECHDARIA. El detalle metodológico, figuras y bibliografía están reunidos en la obra de referencia Modelo «TECHDARIA» de Estrategia e-Learning con Recursos Digitales y de Inteligencia Artificial (Sánchez Arévalo, 2024), aprobada en el marco institucional UNICLAU (2023–2024).

Esa publicación fue aprobada por el Consejo Directivo de UNICLAU LAUDE International Christian University (mayo de 2024).

UNICLAU LAUDE opera conforme a la Sección 1005.06 (1) (f) de los Estatutos de Florida y la Regla 6E-5.001 del Código Administrativo de Florida (EE. UU.). Más información en Validez y marco normativo.

¿Cómo se puede diseñar un modelo efectivo de e-Learning que integre recursos, herramientas, tecnologías y técnicas de Inteligencia Artificial para optimizar el proceso de enseñanza-aprendizaje en temas de seguridad y logística aeroportuaria, con la utilización de recursos de diseño multimedia y artes digitales?

— Pregunta de investigación (misma tesis; citar con paginación al reproducir en trabajos formales)

El modelo articula una estrategia e-Learning para formación en entornos operativos exigentes: revisión del estado del arte (aprendizaje en línea e IA), identificación de retos y oportunidades de integración, y evidencia con enfoque metodológico mixto (cuantitativo y cualitativo). En síntesis, la integración de recursos digitales y técnicas de IA en TECHDARIA se asocia con mayor eficacia y eficiencia del aprendizaje en línea, menor carga repetitiva para instructores y mejor experiencia del participante —con especial aplicabilidad en entornos aeroportuarios e industriales, así como en programas de capacitación organizacional (Sánchez Arévalo, 2024, p. 5, «Resumen»).

Síntesis informativa; ver referencia completa y paginación en la obra citada en Referencias (APA 7.ª ed.) al final de esta página.

Metodología y marco pedagógico

Enfoque mixto, diseño instruccional y criterios éticos tal como se documentan en la obra de referencia.

  • Enfoque mixto: combinación de métodos cuantitativos y cualitativos para recolección y análisis de datos.
  • Diseño instruccional: fundamentos en modelos como Keller (p. ej. ARCS) y Kolb (ciclo experiencial) según el marco reseñado en la tesis.
  • Simulación y multimedia: uso de escenarios y recursos interactivos para seguridad y logística.
  • Ética e investigación: consentimiento informado, confidencialidad, protección de datos y revisión ética.

El diseño de la intervención parte de revisión de literatura, estado del arte en e-Learning e IA e investigación empírica que, en conjunto, permiten evaluar la eficacia de la integración propuesta (descripción, instrumentos y tabulados en la obra citada). Áreas de la IA reseñadas: minería de datos, aprendizaje automático y analítica de aprendizaje para seguimiento, personalización y detección de dificultades (Sánchez Arévalo, 2024, «I. Introducción» y metodología; pp. 22–24 para integración e IA).

La revisión de la literatura y el marco en cuatro áreas (Sánchez Arévalo, 2024, pp. 69–105) se exponen en Marco teórico. La tabla de equivalencia, los módulos curriculares y el fundamento tecnológico (Sánchez Arévalo, 2024, pp. 38–41) están en Base conceptual.

Componentes del modelo TECHDARIA

Arquitectura del modelo: operación estratégica e-Learning con IA, experiencia de usuario y despliegue en contextos operativos y de capacitación.

Operación e-Learning + IA

Modelo de operación estratégica que integra recursos digitales, herramientas, tecnologías y técnicas de IA con rutas y contenidos ajustables, y multimedia, artes digitales e interactividad (inmersión, navegación).

Analítica y recomendaciones

La convergencia de recolección automatizada de datos con análisis inteligente (minería u analítica educativa) aporta información sobre el progreso del cursante; la IA habilita recomendaciones y ajuste a preferencias (véanse pp. 22 y ss. en el documento).

Simulación aplicada

Simulación y escenarios (p. ej. gamificación) para seguridad y logística aeroportuaria y fundamento en modelo experiencial (Kolb) y criterios de reforzamiento, según el diseño instruccional reseñado (etapas y conclusiones del mismo estudio).

Fuente única: Sánchez Arévalo (2024) (secc. de modelo e-Learning e IA, pp. 22–24, etapas y conclusiones).

El ciclo del modelo se organiza en seis etapas secuenciales (del análisis a la evaluación estructurada). Descripción de cada etapa en esta web; el desarrollo completo figura en Sánchez Arévalo (2024, a partir de p. 140).

El apartado de la tesis sobre herramientas y plugins de IA en entornos e-Learning se sintetiza en Recursos de inteligencia artificial (e-Learning) (Sánchez Arévalo, 2024, pp. 212–240), en continuidad con el modelo y las etapas anteriores.

Plataforma LMS de referencia

La comparativa incluye Blackboard, Canvas y Google Classroom; como LMS de referencia se documenta Moodle® por flexibilidad, código abierto e integración con herramientas de IA —criterios útiles al decidir plataforma en empresa o institución.

Síntesis de la tesis: se valora el coste y la complejidad de Blackboard frente al alcance; Canvas ofrece interfaz amigable, con integración con IA menos desarrollada que Moodle para los fines del estudio. Google Classroom prioriza la gestión de aulas frente a técnicas de IA para personalización avanzada. Moodle: flexibilidad, código abierto, IA (p. ej. recomendación de cursos, análisis predictivo); criterios accesibilidad, usabilidad, personalización, soporte, integración con IA, seguridad, actualizaciones, costes, escalabilidad, experiencia de usuario (figs. 156–165) (Sánchez Arévalo, 2024, pp. 364–370; comparativa, Moodle y criterios de selección).

Para concretar qué plugins o integraciones de IA cita el estudio en Moodle® y afines, el sitio ofrece la página Recursos de inteligencia artificial (e-Learning) (mismo orden de lectura sugerido: modelo → etapas → LMS → catálogo de IA).

Criterios de selección (LMS; figs. 156–165 en el mismo apartado): accesibilidad, usabilidad (UI/UX), personalización, soporte técnico, integración con IA, seguridad y privacidad, actualizaciones continuas y costos.

Síntesis de hallazgos del estudio

Ideas clave del documento de referencia y de la evidencia descrita en Sánchez Arévalo (2024, «VI. Conclusiones»), para directivos, gerentes de RR. HH. y responsables de e-Learning que evalúan adopción o mejora de programas formativos.

Lo anterior no forma parte de la comprobación mediante un grupo focal destinado a revisar la plataforma web ni de un estudio de usabilidad de este sitio: esas etapas no se han abordado hasta ahora y, en su caso, quedarían para fases posteriores.

  • Conclusión (p. 371, § 1.º): la plataforma Moodle actualizada, la interactividad y IA, recursos digitales y medios fortalecen la experiencia de usuario y la universidad corporativa virtual en formación y/o capacitación del personal.
  • Convergencia de datos cuantitativos y cualitativos y pertinencia del modelo e-Learning con IA en seguridad y logística aeroportuaria (p. 371, § 2.º y 3.º).
  • Personalización, progreso, recomendaciones y análisis de datos; relevancia en el sector industrial dinámico y técnico (p. 372).

Sugerencias y líneas futuras (síntesis): algoritmos, monitoreo de desempeño, retroalimentación en tiempo real, simulaciones, colaboración, formación de instructores, evaluación periódica del modelo (Sánchez Arévalo, 2024, pp. 371–375).

Diagrama del modelo TECHDARIA 100%

Desplázate con las barras del recuadro. Ctrl o ⌘ + rueda del ratón para acercar o alejar. Doble clic en la imagen: zoom al 100%.

Diagrama del modelo TECHDARIA

Referencias (APA, 7.ª ed., español)

Criterio (APA, 7.ª ed.): cita en texto con autor y año; añada páginas, figuras o secciones al reproducir o para desambiguar. En este sitio se evita repetir la misma cita en cada frase del mismo bloque; en sus trabajos, una sola cita con localización al final del párrafo suele bastar si la fuente es la misma.

  • Sánchez Arévalo, A. (2024). Modelo «TECHDARIA» de Estrategia e-Learning con Recursos Digitales y de Inteligencia Artificial [Tesis doctoral, UNICLAU LAUDE International Christian University]. Facultad Doctrinal de Ciencias Sociales, Educativas y Culturales.

Cita y referencia

Use la referencia completa (APA) en esta página y las síntesis temáticas para citar a Sánchez Arévalo (2024) según el criterio de su institución o editorial.