Marco teórico

Revisión de la Literatura | Contribución a la Investigación

Este marco teórico y conceptual proporciona una base sólida para la investigación, destacando la necesidad de explorar cómo la integración de la IA en e-Learning puede transformar la educación en seguridad y logística aeroportuaria. El marco teórico se basa en cuatro áreas principales:

1. Área 1 Posibilidades de automatización con inteligencia artificial, adaptables al proceso de enseñanza - aprendizaje en línea.
2. Área 2 Modelos de e-Learning y el valor agregado de la inteligencia artificial.
3. Área 3 Inteligencia artificial y sus avances relacionados con e-Learning.
4. Área 4 Aprendizaje de temas de seguridad y logística aeroportuaria con tecnologías de diseño multimedia y artes digitales.

Cada una de estas áreas se describe con detalle a continuación:

Área 1Revisión de la Literatura | Contribución a la Investigación | Área 1. Posibilidades de automatización con inteligencia artificial, adaptables al aprendizaje en línea

El aprendizaje en línea se refiere a la capacitación que se imparte a través de Internet o de otros medios electrónicos. En los últimos tiempos ha experimentado un aumento notable debido al rápido avance de las tecnologías digitales y al aumento de la demanda de capacitación a distancia. Sin embargo, también presenta desafíos y obstáculos, como la falta de interacción personal, la falta de motivación de los cursantes y la falta de retroalimentación efectiva. En este marco, se analizan sus ventajas y desventajas, así como la posibilidad de proponer soluciones que superen los desafíos y mejoren el proceso. La irrupción del COVID-19 transformó notablemente el aprendizaje tanto para cursantes como para instructores en el contexto del e-Learning. Esta situación supuso para los cursantes adaptarse rápidamente a un nuevo entorno educativo, enfrentándose a desafíos como la gestión del tiempo, la autodisciplina y el uso de la tecnología. Muchos tuvieron dificultades debido a la falta de acceso a recursos esenciales como dispositivos y conectividad a internet, lo que agravó las disparidades educativas. En contraparte, el COVID-19 impulsó a los profesores a adquirir nuevas habilidades relacionadas con la enseñanza en línea, lo que significó aprender a utilizar herramientas digitales y plataformas de aprendizaje virtual. Aunque esta transición implicó obstáculos técnicos y pedagógicos, también promovió la exploración de nuevas formas de enseñanza y aprendizaje. En definitiva, la pandemia aceleró la adopción de tecnologías digitales en la educación, lo que podría tener consecuencias duraderas en el futuro de la enseñanza.

Fig. 010 | Salas VIP en el Aeropuerto. Fuente. Air France. https://wwws.airfrance.com.mx/information/prepare/salons

Podemos tomar como un referente para la capacitación en línea, la educación superior en un ambiente virtual. Gutiérrez et.al, señalan que el análisis prospectivo es un enfoque que se centra en examinar posibles futuros, utilizando diversas técnicas y herramientas para explorar las tendencias, incertidumbres y posibles cambios en un sistema o situación. (Gutiérrez, et.al, 2015) La planeación de escenarios se basa en datos históricos y actuales, así como en la opinión de expertos, para construir narrativas de posibles situaciones futuras. Estos escenarios son construidos de manera que reflejan las fuerzas principales que influyen en el sistema y cómo estas fuerzas pueden interactuar entre sí. Mientras que el análisis prospectivo se enfoca en comprender los posibles futuros, la planeación de escenarios busca crear narrativas que ayuden a visualizar cómo podrían desarrollarse esos futuros en función de diferentes variables y condiciones. Ej. En un sistema de formación en línea, la aplicación del análisis prospectivo en el ámbito de la capacitación en seguridad y logística aeroportuaria con el siguiente caso:

Imaginemos que una autoridad aeroportuaria está considerando implementar un curso de formación virtual para mejorar las habilidades y conocimientos del personal de seguridad. Antes de tomar esta decisión, se lleva a cabo un análisis prospectivo. En este análisis, se exploran posibles futuros escenarios, teniendo en cuenta factores como cambios en las amenazas de seguridad, avances tecnológicos en detección y prevención, así como la evolución de las regulaciones de aviación. El análisis prospectivo podría examinar diferentes situaciones, como la adaptación de nuevas tecnologías para la formación en seguridad, la respuesta del personal ante amenazas emergentes, y la influencia de cambios en la normativa de seguridad y logística aeroportuaria. Al utilizar datos históricos, información actual y la experiencia de expertos en seguridad, se construirían narrativas que describan cómo estos factores podrían interactuar y afectar la efectividad del programa de capacitación en línea. Este enfoque ayuda a anticipar desafíos potenciales y a diseñar estrategias para fortalecer la preparación del personal de seguridad en el contexto específico de la seguridad y logística aeroportuaria.

Fig. 011 | Introducción al desarrollo de un producto de aprendizaje en línea. Fuente: UNAM. https://ced.enallt.unam.mx/blogs/recursosced/introduccion-al-diseno-de-cursos-en-linea/

Un producto de e-Learning comienza desde el diseño conceptual, que obedece a las necesidades del proyecto, el cual es esbozado, aprobado y planeado con base en su implementación, así como la valoración de los diferentes actores que lo integran. Un producto de capacitación en línea, al ser digital, requiere de administración, mantenimiento y actualización, lo cual equivale a la mayor parte de los costos en una iniciativa de esta índole. Por lo anterior, todas estas iniciativas deben tener un modelo e-Learning que atienda como mínimo: administración, comunicación, pedagogía y tecnología aplicable dependiendo del perfil del cursante (al centro del modelo).

De acuerdo con Gutiérrez, López y García. (2022), en relación con la participación en un proyecto de capacitación en línea, los estudiantes muestran resistencia hacia la educación virtual y carecen de motivación. Además, reciben calificaciones satisfactorias de profesores que no tienen un dominio adecuado en la formación de recursos humanos en estas áreas, lo que resulta en la formación de graduados con habilidades insuficientes. Esto conduce a una situación en la que la inversión en tecnología se vuelve inútil debido a la falta de personal capacitado para aprovecharla. Considerando lo expuesto anteriormente, la automatización podría proporcionar una retroalimentación más completa directamente a un individuo elegido por el departamento de recursos humanos. Se plantea que, ante los desafíos y obstáculos mencionados previamente en relación con la educación en línea, la implementación de sistemas automatizados para ofrecer retroalimentación podría ser sumamente ventajosa al eliminar la necesidad de depender de personas y criterios de evaluación calificados o seleccionados por el departamento de capital humano.

Fig. 012 | Automatización en RRHH, una realidad en gestión de talento. Fuente: Merca 2.0 https://www.merca20.com/automatizacion-en-rrhh-una-realidad-en-gestion-de-talento/

Área 2Revisión de la Literatura | Contribución a la Investigación | Área 2. Modelos de e- Learning y el valor agregado de la inteligencia artificial

El e-Learning ha ganado popularidad como una modalidad de educación en línea ampliamente utilizada, y la integración de recursos, herramientas, tecnologías y técnicas de Inteligencia Artificial (IA) en los entornos de aprendizaje en línea puede mejorar significativamente el proceso de enseñanza - aprendizaje. La inteligencia artificial puede contribuir a adaptar el proceso de enseñanza y aprendizaje a las necesidades individuales de los cursantes, proporcionando retroalimentación que se ajusta a su nivel y ritmo de aprendizaje. Asimismo, puede promover la colaboración entre los cursantes y el desarrollo de habilidades importantes como el pensamiento crítico y la creatividad.

Fig. 013 | Personalizar el aprendizaje con E-learning y la Inteligencia artificial. Fuente:Juan Domingo Farnos. https://juandomingofarnos.wordpress.com/2020/08/03/personalizar-el-aprendizaje-con-e-learning-y-la-inteligencia-artificial/

Los sistemas de tutoría inteligente son un ejemplo de la aplicación de IA en el aprendizaje en línea, que pueden adaptarse a las necesidades individuales de los cursantes y proporcionar retroalimentación, así como sugerencias personalizadas. La tecnología de análisis de datos puede ser utilizada para recopilar y analizar datos de los cursantes y ofrecer información valiosa para mejorar la enseñanza y el aprendizaje. De acuerdo con Talaghzi et. al, citado por Fresneda, la implementación de herramientas que ajustan los materiales de capacitación según las necesidades de los empleados, proporciona contenido de aprendizaje adaptado a cada individuo. (Fresneda. 2022 ) Se busca adaptar el enfoque de capacitación para atender las necesidades particulares de cada persona, utilizando tecnologías o plataformas educativas que analizan el rendimiento y las particularidades de cada empleado. Es posible encontrar soluciones que faciliten a los instructores compartir contenido de capacitación y recursos de aprendizaje adaptados a las habilidades y preferencias de cada cursante. Según Fresneda, la aplicación de la Inteligencia Artificial en los Sistemas de Recomendación permite sugerir contenido en entornos de aprendizaje en línea personalizados, lo que facilita un aprendizaje adaptativo y personalizado. (Fresneda. 2022 ) Esto se logra a través del Aseguramiento del Aprendizaje (AoL), que implica la implementación de mecanismos de evaluación para garantizar la adquisición de conocimientos. El objetivo es crear experiencias educativas altamente personalizadas y adaptativas, asegurando la efectividad del aprendizaje y su adecuación a las necesidades individuales de los cursantes.

Fig. 014 | Assurance of Learning. Fuente: Toronto Metropolitan University. https://www.torontomu.ca/tedrogersschool/about/accreditations/assurance-of-learning/

A continuación, se presentan algunos recursos, herramientas, tecnologías y técnicas de IA que se utilizan en el e-Learning: Los asistentes virtuales son sistemas de IA que se pueden instalar en cualquier curso sobre una plataforma LMS, interactúan con los cursantes de manera natural y responden a sus preguntas. Los asistentes virtuales pueden ayudar a los cursantes a encontrar información relevante, aclarar dudas y ofrecer retroalimentación. Según Guijarro P, empresas como Google, Apple o Amazon están adoptando esta nueva tecnología al implementarla en algunos de sus productos. Esto se debe a que el uso de un asistente virtual no se limita simplemente a proporcionar recursos de una biblioteca virtual o de un sitio web. (Guijarro P. 2020) El análisis de datos es una técnica de inteligencia artificial que se emplea para examinar grandes volúmenes de información y descubrir patrones y tendencias significativas. Los sistemas de recomendación son herramientas de inteligencia artificial que proporcionan sugerencias personalizadas a los cursantes. Estos sistemas emplean análisis de datos para recomendar recursos de capacitación pertinentes, como videos, artículos y ejercicios. Según el estudio de Hernando et. al, titulado "Utilización de sistemas de recomendación en entornos de e-Learning", los sistemas de recomendación que utilizan el filtrado colaborativo pueden hacer predicciones y sugerencias basadas en los votos emitidos por usuarios con perfiles similares al del cursante al que se desea recomendar. En contraste con los sistemas de recomendación convencionales, donde todos los usuarios tienen el mismo peso en el proceso de recomendación, en el filtrado colaborativo para e-learning, los usuarios más avanzados, como coordinadores o instructores en cursos avanzados, así como los cursantes con calificaciones sobresalientes, tienen una influencia significativamente mayor en sus recomendaciones en comparación con otros usuarios. (Hernando et. al. 2019) Chatbots: Los chatbots son sistemas de IA que pueden interactuar con los cursantes a través de chat. Los chatbots pueden responder preguntas, ofrecer retroalimentación y personalizar la enseñanza utilizando algunos parámetros de la plataforma LMS.

Fig. 015 | The ultimate guide. Fuente: DRIFT. What is a chatbot? https://www.drift.com/learn/chatbot/

De acuerdo con DRIFT, los chatbots son programas de software diseñados para simular una conversación humana. Estos programas siguen un conjunto de reglas predefinidas para imitar las interacciones de la vida real y responder a las preguntas de los usuarios. Aquellos chatbots que emplean inteligencia artificial (IA) y procesamiento de lenguaje natural (NLP) son capaces de analizar estas interacciones a un nivel muy similar al humano. (DRIFT. 2021) Los tutoriales inteligentes son sistemas basados en inteligencia artificial que pueden ajustar la enseñanza de acuerdo al nivel y velocidad de aprendizaje de cada cursante. Estos sistemas emplean análisis de datos para detectar las habilidades y áreas de mejora de cada cursante, proporcionando retroalimentación instantánea.

Fig. 016 | A Systematic Review and Design Guidelines. Fuente: MDPI Applied Sciences. Artificial Intelligence in Intelligent Tutoring Robots: https://www.mdpi.com/2076-3417/9/10/2078

Antes de ahondar en el proceso de percepción de las actividades de los cursantes por parte de la ITR, es fundamental destacar que ITR, que se traduce como "Sistema de Tutoría Inteligente" por sus siglas en inglés, representa un sistema de tutoría avanzado basado en tecnologías de Inteligencia Artificial. Este sistema se destaca por su habilidad para recabar datos sobre las actividades de los cursantes con el fin de llevar a cabo análisis y planificaciones eficaces. La ITR no se limita simplemente a observar de manera pasiva, sino que también modifica tanto el entorno social como físico para optimizar las condiciones de aprendizaje. Este proceso se lleva a cabo de forma iterativa, ya que la ITR ajusta y adapta constantemente el entorno de capacitación para facilitar la comprensión y el avance del aprendizaje, preparando así el terreno para iniciar una nueva fase de percepción y mejora.

De acuerdo con MDPI, ITR percibe las actividades de los cursantes para recopilar información para el análisis y la planificación, luego remodela el entorno social y físico para que los cursantes aprendan, antes de comenzar una nueva ronda de percepción. El siguiente párrafo proporciona una breve descripción del diseño y mecanismo específico para cada módulo en el ITR y el resto de esta parte se enfoca en la elaboración minuciosa de los módulos de percepción, planificación y acción. El diseño del ITR se destaca por su estructura modular, donde cada módulo tiene una función específica respaldada por un mecanismo dedicado. Cada uno de estos módulos está equipado con un mecanismo único para cumplir con sus roles designados. El módulo de percepción se enfoca en capturar las actividades de los cursantes, recolectando información vital para su posterior análisis y planificación. El módulo de planificación, por su parte, utiliza la información recabada para elaborar estrategias educativas adaptativas, ajustando el entorno de aprendizaje según las necesidades individuales de los cursantes. En última instancia, el módulo de acción se encarga de implementar estas estrategias, remodelando activamente el entorno social y físico para optimizar las condiciones de aprendizaje. (MDPI. 2022) La conexión entre el ITR y la gamificación en la educación representa una colaboración que enriquece la experiencia del proceso de enseñanza - aprendizaje, implica la incorporación de elementos al proceso para mejorar la participación de los cursantes. Gamificación es una estrategia que implica la incorporación de elementos lúdicos en el proceso de aprendizaje con el fin de incrementar la motivación y la participación de los cursantes. La IA se puede utilizar para personalizar la gamificación para cada uno, adaptando los retos y recompensas a sus necesidades y preferencias. Previo a explorar los elementos de la gamificación, es crucial contextualizar su importancia y aplicabilidad en el ámbito organizacional.

Fig. 017 | How to Take it to the Next Level in 2020. Fuente: Agile CRM. Gamification: https://www.agilecrm.com/blog/gamification-how-to-take-it-to-the-next-level-in-2020/

Para Agile CRM, la gamificación, por definición, es una forma de involucrar a las personas en actividades divertidas que brindan algunos de los elementos convincentes de los juegos en otras actividades para brindar información sobre productos o servicios, lo que significa que esta estrategia se utiliza para proporcionar información o promover la participación en relación con bienes o servicios específicos ofrecidos por una organización. (Agile CRM. 2020) Para entenderlo completamente, echemos un vistazo a algunos de los elementos de la gamificación: que integran desafíos, recompensas, competencia, colaboración, narrativa y retroalimentación. Los desafíos captan la participación al establecer metas alcanzables; las recompensas estimulan el avance y los logros; la competencia agrega un elemento motivador al comparar el desempeño; la colaboración promueve la interacción social; la narrativa proporciona contexto y estructura a las actividades; y la retroalimentación suministra información inmediata y formativa. La combinación de estos elementos convierte a la gamificación en una herramienta eficaz para atraer, motivar y educar a los cursantes de manera atractiva y significativa. La IA puede adaptar el ritmo y el nivel de dificultad a las necesidades de cada cursante, así como ofrecer retroalimentación en tiempo real, lo que puede mejorar significativamente el proceso de enseñanza - aprendizaje en línea. También hay una variedad de herramientas y tecnologías específicas del diseño multimedia y las artes digitales que pueden ser utilizadas en el aprendizaje de temas de seguridad y logística aeroportuaria, como plataformas de diseño y animación, software de realidad virtual y aumentada, y herramientas de modelado y simulación. Estas herramientas pueden ser integradas en el modelo de estrategia e- Learning para mejorar la experiencia de aprendizaje y permitir que los cursantes desarrollen habilidades prácticas. El aprendizaje electrónico ha revolucionado la forma en que se adquiere el conocimiento en el mundo actual. Gracias a la tecnología y la conexión a internet, ha sido adoptado en muchas instituciones educativas y organizaciones para brindar capacitación y formación a un gran número de personas sin importar su ubicación geográfica. Los modelos de estrategia en el e-learning se han vuelto cada vez más sofisticados y personalizados para mejorar la experiencia del usuario y maximizar la eficacia del aprendizaje.

Fig. 018 | La enseñanza y el aprendizaje de las competencias: algunas estrategias. Fuente: Océano Educación. https://mx.oceanoeducacion.com/product/la-ensenanza-y-el-aprendizaje-de-las-competencias-algunas-estrategias/

Fig. 019 | Modalidades de Capacitación Virtual. Fuente: SHIFT. https://www.shiftelearning.com/blogshift/modalidades-de-capacitacion-virtual

Algunos autores sostienen que el aprendizaje ubicuo guarda semejanzas con el aprendizaje mediante dispositivos móviles, dado que ambos se fundamentan en entornos de aprendizaje disponibles en distintos contextos y situaciones. A su vez, el diseño instruccional, como parte fundamental de un modelo e-Learning, de acuerdo con Agorabierta, busca satisfacer las necesidades individuales de los cursantes para lograr objetivos específicos, mediante el desarrollo de habilidades necesarias durante el curso, garantizando así su satisfacción al completarlo. (Agorabierta. 2020) En ocasiones, se persigue alcanzar un alto nivel de habilidad, mientras que en otros casos se ajusta ese nivel de habilidad para determinar el alcance individual de cada cursante. En la actualidad, es común encontrar cursos en línea masivos que dividen a los cursantes en dos grupos: cursantes que están interesados en tomar el curso para revisarlo de manera informal o para obtener conocimientos específicos sin necesariamente buscar una certificación. Por otro lado, están aquellos que buscan completar el curso con el propósito explícito de obtener un certificado como reconocimiento oficial de su participación y logros en el mismo. Este enfoque de segmentación proporciona flexibilidad a los cursantes, permitiéndoles ajustar su nivel de compromiso de acuerdo con sus metas y disponibilidad de tiempo. Los que optan por revisar el curso simplemente pueden acceder al contenido sin la presión de cumplir con requisitos estrictos, facilitando una exploración más relajada de los materiales. Por otro lado, aquellos que buscan obtener un certificado muestran un compromiso más profundo y la disposición de cumplir con los estándares establecidos para la certificación. Esta gama de opciones refleja la diversidad de objetivos y preferencias de los cursantes, ofreciéndoles la libertad de personalizar su experiencia de aprendizaje en línea. Yendo en este caso de lo particular a lo general, es decir, desde el diseño instruccional, hasta la producción, en el contexto del e-learning, los modelos de estrategia son los marcos que sustentan la planificación, implementación y evaluación del proceso de aprendizaje. Hay varios modelos de operación que se han desarrollado a lo largo de los años, cada uno de los cuales tiene su enfoque y objetivo específico. A continuación, se describen algunos de los modelos de operación más populares utilizados en el e-learning: Modelo ADDIE: Este es uno de los modelos más antiguos y se utiliza para desarrollar cursos de e-learning. ADDIE representa Análisis, Diseño, Desarrollo, Implementación y Evaluación. En este modelo, se lleva a cabo un análisis para determinar las necesidades de aprendizaje, luego se diseña y desarrolla el contenido del curso, se implementa y finalmente se evalúa la efectividad del curso. Veamos el siguiente esquema:

Fig. 020 | Diseño instruccional. Fuente: Agorabierta. https://www.agorabierta.com/2020/05/la-formula-del-aprendizaje-en-linea/

Modelo SAM: Este modelo se centra en el desarrollo iterativo y se divide en tres fases principales: preparación, diseño y desarrollo. La preparación implica la identificación de las necesidades del usuario, el diseño implica la creación de prototipos y el desarrollo implica la creación del contenido final. El modelo SAM se considera más flexible que el modelo ADDIE, ya que se puede ajustar fácilmente según las necesidades del usuario.

Fig. 021 | Dos modelos de diseño instruccional para tu oferta e-learning. Fuente: Yeira. ADDIE y SAM: https://www.yeira.io/blog-detalle/addie-y-sam-dos-modelos-de-diseno-instruccional-para-tu-oferta-e-learning

Modelo ARCS: El modelo ARCS se enfoca en la motivación del cursante y su capacidad para mantener su interés en el aprendizaje. ARCS significa Atención, Relevancia, Confianza y Satisfacción. En este modelo, el instructor se esfuerza por captar la atención del cursante, es decir, se esfuerza por conectar el material de estudio con experiencias personales o situaciones prácticas que tengan un significado para el cursante, fortaleciendo así su conexión emocional con el contenido.

La construcción de confianza constituye otra dimensión fundamental del modelo ARCS. El tutor trabaja para establecer un ambiente de aprendizaje donde el cursante se sienta competente y capaz. Esto puede lograrse proporcionando retroalimentación positiva, estableciendo metas alcanzables y brindando apoyo personalizado cuando sea necesario. Finalmente, se busca la satisfacción del cursante a lo largo de todo el proceso de enseñanza - aprendizaje. El tutor se esfuerza por crear experiencias educativas gratificantes y exitosas, reconociendo los logros del cursante y asegurándose de que la vivencia de aprendizaje sea positiva y significativa. En conjunto, estas estrategias del modelo ARCS contribuyen a un enfoque integral para motivar y mantener el interés del cursante en su proceso de aprendizaje.

Fig. 022 | Los 4 factores de la motivación que debe conocer para crear cursos eLearning. Fuente: SHIFT. https://www.shiftelearning.com/blogshift/factores-diseno-elearning-motivacional

Modelo Keller: El modelo Keller se centra en el aprendizaje autodirigido. En este modelo, el cursante es responsable de su propio aprendizaje y establece sus propias metas. El instructor brinda apoyo y orientación en lugar de enseñar directamente. El modelo Keller es popular en el e-learning debido a la flexibilidad que brinda a los cursantes.

Fig. 023 | El Modelo Keller. Fuente: Researchgate. Costumer-based Brand Equity (CBBE). https://www.researchgate.net/figure/Figura-1-Costumer-based-Brand-Equity-CBBE-Tomado-de-Keller- 2001_fig1_328046293

El aprendizaje electrónico es una forma eficaz de brindar capacitación y formación a una gran cantidad de personas. Los modelos de operación son fundamentales para el diseño, desarrollo e implementación efectiva del proceso de aprendizaje.

Modelo Kolb: El Modelo de Experiencia de Aprendizaje de Kolb, desarrollado por David A. Kolb, describe el aprendizaje como un ciclo continuo que implica cuatro fases distintas: experiencia concreta, observación reflexiva, conceptualización abstracta y experimentación activa. Este modelo resalta la importancia de abordar todas estas etapas para lograr un aprendizaje completo y efectivo. Además, identifica cuatro estilos de aprendizaje: divergente, asimilador, convergente y acomodador, que se basan en las preferencias individuales durante las diferentes etapas del proceso de aprendizaje.

Fig. 024 | Estilos de Aprendizaje Modelo David Kolb. Fuente: Genially. https://view.genial.ly/5d1a10f280bda20fb1fe7d2a/horizontal-infographic-diagrams-estilos-de-aprendizaje-segun-kolb

Cada modelo tiene su enfoque y objetivo específico, y los instructores deben seleccionar el modelo que se ajuste de manera óptima a sus requerimientos y a las necesidades de sus cursantes. El aprendizaje electrónico seguirá evolucionando y mejorando en el futuro, y los modelos de operación continuarán desempeñando un papel importante en su éxito.

Fig. 025 | El más moderno simulador de vuelo de un avión A320. Fuente: ENTER.CO https://www.enter.co/empresas/colombia-digital/simulador-de-vuelo-avion-a320/

Área 3Revisión de la Literatura | Contribución a la Investigación | Área 3. Inteligencia artificial y sus avances relacionados con e-Learning

La inteligencia artificial (IA) se define como la capacidad de los sistemas informáticos para llevar a cabo funciones que, típicamente, requieren la inteligencia humana, tales como el aprendizaje, el razonamiento y la resolución de problemas. En el contexto del aprendizaje en línea, la IA puede ser una herramienta poderosa para mejorar el proceso de enseñanza - aprendizaje. En particular, se analizan tres áreas de la IA que pueden ser útiles para el aprendizaje en línea: 1. El aprendizaje automático. 2. La minería de datos. 3. La analítica de aprendizaje. Se explican los conceptos y técnicas básicas de cada una de estas áreas y se analiza su aplicación en el aprendizaje en línea: 1. El aprendizaje automático, o "Machine Learning" en inglés, es una disciplina dentro de la inteligencia artificial que se concentra en crear algoritmos y modelos estadísticos que posibilitan a las computadoras aprender de datos y ejecutar tareas sin requerir una programación específica para cada situación. Este se basa en la idea de que las computadoras pueden aprender a partir de ejemplos y experiencias, y así mejorar su desempeño en tareas específicas. En lugar de programar explícitamente a la computadora para cada tarea que se desea que realice, se suministra una extensa cantidad de datos de entrada y se entrena al algoritmo para que aprenda a partir de ellos, identificando patrones y relaciones. Con el tiempo, el algoritmo se vuelve más preciso y eficiente en la tarea en la que fue entrenado. Se aplica en diversos ámbitos de manera extensa, incluyendo la ciencia de datos, la medicina, la ingeniería, el comercio, la seguridad y muchas otras áreas. Algunos ejemplos de aplicaciones de aprendizaje automático incluyen la detección de fraude en transacciones financieras, la predicción de enfermedades en la atención médica, la clasificación de correo no deseado en el correo electrónico y la personalización de anuncios en línea.

Fig. 026 | Inteligencia Artificial y Machine Learning. Fuente: Juan Barrios. https://www.juanbarrios.com/inteligencia-artificial-y-machine-learning-para-todos/

Según Hewlett Packard, el aprendizaje automático, o "Machine Learning" (ML), es una parte de la inteligencia artificial que se centra en el desarrollo de la habilidad de las computadoras para identificar patrones y aprender de manera continua. Esto les permite hacer predicciones basadas en datos y adaptarse a nuevas circunstancias sin necesidad de ser programadas de forma específica para cada tarea. (Hewlett Packard. 2023)

2. La minería de datos es un procedimiento que se encarga de encontrar patrones y conocimiento de interés a partir de grandes conjuntos de datos. Es decir, es un proceso para descubrir información útil y potencialmente valiosa en grandes volúmenes de datos no estructurados. Se emplea en diversos campos, incluyendo la ciencia de datos, la inteligencia organizacional, la medicina, la ingeniería, la investigación académica, entre otros. Ej. Se utiliza para segmentar a los cursantes en e-Learning, predecir enfermedades en la atención médica, identificar patrones de tráfico en la red y detectar posibles riesgos en la seguridad informática. Este proceso se realiza empleando técnicas estadísticas y algoritmos de aprendizaje automático, los cuales posibilitan el análisis de datos para identificar patrones y relaciones entre ellos. El propósito es identificar información relevante y aplicable para mejorar la toma de decisiones, resolver problemas y obtener ventajas competitivas.

Fig. 027 | ¿Qué es el Data Mining? Fuente: Master Data Science. https://www.masterdatascienceucm.com/que-es-el-data-mining/

Como vimos anteriormente, hay varios métodos para descubrir las propiedades de los conjuntos de conocimiento, siendo uno de ellos el aprendizaje automático. Otro enfoque consiste en examinar los conjuntos de datos técnicos, como imágenes de victimización o análisis de información topológica. 3. La analítica del aprendizaje es una metodología que se basa en el análisis de datos y el uso de tecnología de la información para comprender y potenciar tanto la enseñanza como el proceso de aprendizaje. Se trata de una aplicación específica de la minería de datos y la inteligencia artificial en el ámbito de la formación y la capacitación. Este enfoque implica la recolección, análisis y representación visual de datos relacionados con el proceso de capacitación, como la participación de los cursantes, su rendimiento académico, las interacciones en el aula y los patrones de comportamiento. Considera Siemens G en su artículo “las redes de aprendizaje”, que aunque profesores y alumnos continúan percibiendo el aula escolar como un lugar para interactuar y socializar, se plantea la necesidad de reconsiderar esta concepción, lo que implicaría no solo revisar la disposición física de los espacios, sino también integrar otros recursos y herramientas digitales en línea. (Siemens G. 2014) La información obtenida se utiliza para identificar tendencias y patrones en la dinámica enseñanza-aprendizaje, con el objetivo de mejorar su eficacia. Entre las aplicaciones más comunes de la analítica del aprendizaje se encuentran la detección temprana de cursantes en riesgo, la adaptación personalizada del proceso de capacitación a las necesidades y estilos de aprendizaje individuales, la optimización de la retroalimentación y evaluación de los cursantes, así como la mejora continua del diseño y la impartición de los cursos. Esta herramienta proporciona valiosa información que ayuda a instructores y responsables políticos a tomar decisiones fundamentadas para mejorar la calidad del proceso de capacitación en todos sus niveles.

Fig. 028 | ¿Cómo aprovechar las analíticas para saber más de nuestros alumnos? Fuente: The Flipped Classroom. https://www.theflippedclassroom.es/como-aprovechar-analiticas-para-saber-mas-nuestros-alumnos/

Según The Flipped Classroom, las analíticas de aprendizaje desempeñan un papel fundamental en la identificación y evaluación de los estudiantes, tanto para comprender su nivel inicial como para medir su progreso y rendimiento final. Esta herramienta permite a instructores, tutores y estudiantes tomar medidas necesarias para garantizar un proceso educativo óptimo. Los instructores emplean las analíticas de aprendizaje para comprender cómo los estudiantes individuales y grupos evolucionan a lo largo de los planes de estudio digitales, lo que les permite personalizar la enseñanza según las necesidades específicas de cada estudiante. Además, los estudiantes pueden utilizar el análisis de aprendizaje para establecer metas educativas y realizar un seguimiento de su propio progreso a lo largo del tiempo. (The Flipped Classroom. 2022)

Área 4Revisión de la Literatura | Contribución a la Investigación | Área 4. Aprendizaje de seguridad y logística aeroportuaria con las tecnologías de diseño multimedia y artes digitales

Para tener un ejemplo más claro, en este estudio trabajaremos con los contenidos propios de capacitación en temas de seguridad y logística aeroportuaria, que es la especialidad más adecuada a la ejemplificación del modelo, conforme al siguiente contenido: Curso de Introducción a la seguridad y logística aeroportuaria ● Duración: 4 horas. ● Modalidad: en línea. ● Enfoque: Híbrido (constructivista con orientación a competencias laborales) ● Objetivos: o Brindar una sensibilización a la seguridad y logística aeroportuaria. o Conocer los principales riesgos y amenazas de seguridad y logística en los aeropuertos. o Identificar los protocolos de seguridad y los procedimientos a seguir para prevenir y manejar situaciones de apremio. o Entender la importancia de la seguridad en la aviación y el papel que juegan los aeropuertos en este aspecto. o Adquirir conocimientos sobre las prácticas óptimas para asegurar la seguridad de los pasajeros, el personal del aeropuerto y las instalaciones.

Contenido: 1. Definiciones de seguridad y logística aeroportuaria y su importancia. a) Definición de seguridad y logística aeroportuaria b) Importancia de la seguridad en la aviación c) Conceptos básicos de seguridad y logística aeroportuaria 2. Amenazas y riesgos de seguridad en los aeropuertos a) Tipos de amenazas y riesgos b) Ejemplos de incidentes de seguridad en aeropuertos c) Evaluación de riesgos y amenazas en los aeropuertos 3. Protocolos de seguridad en los aeropuertos a) Procedimientos de seguridad en los controles de acceso b) Inspección de equipajes de mano y de bodega c) Registro de pasajeros y tripulación d) Identificación y verificación de documentos 4. Procedimientos de emergencia en los aeropuertos a) Planes de contingencia en caso de emergencias b) Procedimientos de evacuación y seguridad en caso de incendios, terremotos, amenazas de bomba, entre otros c) Rol y responsabilidades del personal de seguridad y emergencias 5. Mejores prácticas de seguridad en los aeropuertos a) Capacitación y entrenamiento del personal de seguridad

b) Comunicación efectiva entre los departamentos de seguridad y otras áreas del aeropuerto c) Cooperación con autoridades externas y otros aeropuertos d) Monitoreo y evaluación constante de los sistemas de seguridad En los últimos tiempos, se ha observado un incremento en la solicitud de herramientas multimedia en el ámbito de la capacitación a distancia. Esto se debe a que los cursantes que estudian en línea no tienen acceso físico a un aula, por lo que necesitan herramientas multimedia para ayudarles a comprender y retener el contenido del curso. Entendamos primero la alternativa que surge en aprender con o aprender de las tecnologías multimedia. Aprender sobre las tecnologías puede proporcionar una base sólida para crear contenido digital útil en el diseño y producción de soportes en línea. Al aprender con estas tecnologías, se puede tener acceso a herramientas y recursos avanzados que pueden ayudar a crear diseños innovadores y efectivos. Por otro lado, aprender las tecnologías de la información y la comunicación (TIC), puede requerir una inversión financiera significativa en software y hardware especializados. Puede ser necesario dedicar tiempo y esfuerzo para aprender a utilizar estas herramientas adecuadamente.

Ambas opciones pueden ser útiles, pero aprender con las tecnologías de diseño multimedia y artes digitales puede ser más beneficioso en términos de oportunidades laborales y habilidades prácticas. A continuación, expongo los 12 principios del aprendizaje multimedia según Chica D…

Fig. 029 | Los Doce Principios Del Aprendizaje Multimedia. Fuente: Domingo Chica. https://domingochica.com/los-doce-principios-del-aprendizaje-multimedia/

Las herramientas multimedia, como videos de formación, animaciones, presentaciones de diapositivas y recursos interactivos, han ganado una mayor relevancia en la formación a distancia. Esto se debe a su capacidad para explicar de manera más clara y visualmente atractiva conceptos complejos en comparación con el texto escrito. Además, estas herramientas pueden ser adaptadas para cumplir con las necesidades y preferencias de aprendizaje individuales de los cursantes. (Chica D. 2023) La demanda de herramientas multimedia en la formación a distancia ha experimentado un crecimiento notable en los últimos tiempos, especialmente debido a la pandemia de COVID-19. Con la necesidad de ofrecer cursos en línea para garantizar la seguridad de los cursantes y el personal, las organizaciones que capacitan a su personal han recurrido cada vez más a estas herramientas para satisfacer las demandas de aprendizaje en línea.

Fig. 030 | La competencia digital. Fuente: Domingo Chica. https://domingochica.com/los-doce-principios-del-aprendizaje-multimedia/

Las habilidades de los instructores abarcan la capacidad de desarrollar planes de estudio efectivos, facilitar el aprendizaje de los cursantes, evaluar su desempeño y mantener un entorno de aprendizaje positivo. Por otro lado, las habilidades de los cursantes incluyen aprender de manera autónoma y colaborativa, comunicarse eficazmente, aplicar conocimientos en situaciones prácticas y reflexionar críticamente sobre su propio aprendizaje. Es importante destacar que las competencias de los instructores y los cursantes no son estáticas, sino que se desarrollan y mejoran a lo largo del tiempo a través de la práctica y el aprendizaje continuo. Las competencias pueden variar según el nivel de capacitación y el contexto en el que se encuentran. De acuerdo con Digimentore, el aprendizaje situado es un ejemplo de reivindicación en la versatilidad de las competencias de instructores y cursantes: (Digimentore. 2019)

Fig. 031 | El aprendizaje situado: ¿Cómo mejorar el índice de aplicación en la formación corporativa? Fuente: Digimentore. https://www.digimentore.com.ec/el-aprendizaje-situado-como-mejorar-el-indice-de-aplicacion-en-la-formacion-corporativa/

De acuerdo con la UAEH, el aprendizaje situado se caracteriza por ser un proceso complejo que incorpora aspectos culturales, dado que implica una experiencia en la que intervienen tanto el pensamiento como la emoción y la acción del cursante. Este tipo de aprendizaje surge y se integra en la actividad, el entorno y la cultura en la que se lleva a cabo y se aplica. (UAEH. S.F.) Este tipo de aprendizaje se desenvuelve de manera orgánica y se incorpora de forma natural en la actividad específica, el entorno y la cultura en los que ocurre. En otras palabras, no se limita a la absorción pasiva de información de manera abstracta, sino que implica una participación activa en situaciones concretas que facilitan la aplicación práctica del conocimiento. La cultura desempeña un papel fundamental en este proceso, ya que el aprendizaje se arraiga en los elementos y valores distintivos del entorno cultural del individuo. Se distingue por su enfoque multidimensional, que considera tanto el pensamiento como las emociones y la acción del aprendiz. Además, se integra de manera inherente en la actividad, el contexto y la cultura, promoviendo una apropiación más profunda y significativa del conocimiento.

Fig. 032 | Puestos de trabajo en un aeropuerto. Fuente: Escuela Superior Aeronáutica. https://www.escuelasuperioraeronautica.com/puestos-trabajo-aeropuerto/