Reto 5 – Investigación en e-learning.
1.- Mis avances hacia el TFM
En los avances hacia el TFM referentes al apartado de “investigación en e-learning”, las lecturas recomendadas y necesarias para superar los retos de las distintas asignaturas cursadas han sido una buena base sobre la que empezar a indagar. Las referencias empleadas en las mismas, junto con el mapa de ámbitos de investigación vigentes entregado como primer reto para esta asignatura y las búsquedas que para su cumplimentación se realizaron, han ayudado al desarrollo del TFM hasta el momento.
La necesidad de revisar el estado del arte mediante una matriz de síntesis de la temática que se hubo de elegir al comienzo de la asignatura (aprendizaje adaptativo y personalización del aprendizaje mediante TIC) hizo más fácil la elección de la temática a desarrollar en el TFM, pretendiendo relacionar mi experiencia laboral como docente de secundaria con alguno de los ámbitos de investigación actuales que presentara posibilidades de ampliación en su conocimiento.
Respecto a los desafíos más importantes a la hora de revisar la bibliografía existente, el uso de buscadores académicos y profesionales como Google Scholar facilitaron encontrar artículos actuales (desde 2021 en adelante) matizando las palabras clave relacionadas con la literatura (aprendizaje adaptativo, profesorado secundaria, burnout) consideradas relevantes con el tema de investigación.
En el momento del desarrollo del reto correspondiente a la formulación de los objetivos y las preguntas de investigación, estos estaban definidos en gran medida por el conocimiento personal sobre la aplicación del ámbito de estudio (formación exigida al profesorado de secundaria). Las hipótesis de investigación necesarias, sin embargo, no se establecieron hasta un punto posterior en el tiempo, a raíz de la lectura de artículos con aspiraciones similares (Romeu et al., 2025) en la asignatura “Métodos de investigación”.
Gracias a las sucesivas correcciones de los retos y el necesario feedback, tanto del profesorado como de los compañeros y compañeras estudiantes, se ha podido ir orientando la presente definición del TFM procediendo a las modificaciones pertinentes.
En el apartado “recursos de interés” se destaca lo aportado por cada una de las lecturas, artículos, sitios webs, etc. que se han considerado relevantes para la definición actual del futuro TFM.
2.- Recursos de interés
- Artículo: “Modelos Tecnológicos de Aprendizaje Adaptativo Aplicados a la Educación”.
El que se podría considerar punto de partida de mi trabajo para el TFM podría ser este artículo de Quintanar-Casillas y Hernández-López (2022). En él, se lleva a cabo una revisión de la literatura mediante una metodología analítica sobre 50 artículos diferentes sobre modelos de Aprendizaje Adaptativo aplicados entre 2012 y 2021. Se destaca la existencia de un importante nicho de información sobre el uso de estos modelos en entornos laborales.
- Legislación: “Resolución RDGECT, de 1 de Julio de 2022”.
Documento oficial que recoge definiciones y acuerdos sobre Certificación en Competencia Digital Docente a nivel estatal y europeo.
- Artículo: “Exigencias académicas en estudios de posgrado a distancia y sus vínculos con el agotamiento y la regulación de las emociones propias”.
Artículo de Mérida-López et al. (2023) donde se refuerza la idea de la escasez respecto a investigaciones empíricas con profesorado novel y además se establece una relación directa entre exigencia académica y regulación de emociones propias asociadas a los estudios a distancia.
- Artículo: “Factores determinantes en el uso del e-learning y la satisfacción docente”.
A destacar la definición de términos relacionados con el tecnoestrés y la sobrecarga tecnológica, la intolerancia a la incertidumbre o el grado de satisfacción, los cuales resultan interesantes a tener en cuenta por su posible relación con la temática desarrollada para el TFM en este artículo de investigación de Cazán y Maican (2023).
- Artículo: “Análisis cualitativo del nivel de satisfacción de la educación virtual en estudiantes universitarios en tiempos de pandemia”.
Donde Barrutia et al. (2021) indagan sobre el nivel de satisfacción del estudiantado ante la necesidad obligatoria de realizar su formación en línea debido a causas de fuerza mayor (COVID-19).
- Artículo: “Desafíos de la inteligencia artificial generativa en educación superior: fomentando su uso crítico en el estudiantado.”
Estudio llevado a cabo por Romeu et al. (2025) que realiza una asignación y relación clara entre objetivos e hipótesis de investigación con una metodología clara, que analiza paulatinamente en los resultados, los cuales ofrecen conclusiones con una justificación elaborada y sencilla a la par.
3.- Referencias
- Barrutia, I., Danielli, J., Seminario, R. y Monzón, P. (2021). Análisis cualitativo del nivel de satisfacción de la educación virtual en estudiantes universitarios en tiempos de pandemia. New Trends in Qualitative Research, 7, 220-228. https://doi.org/10.36367/ntqr.7.2021.220-228
- Cazan, A. & Maican, C. (2023). Factores determinantes en el uso del e-learning y la satisfacción docente. [Factors determining the use of e-learning and teaching satisfaction]. Comunicar, 31(74), 83–93. https://doi.org/10.3916/C74-2023-07
- Mérida-López, S., Extremera, N. & Quintana-Orts, C. (2023) Exigencias académicas en estudios de posgrado a distancia y sus vínculos con el agotamiento y la regulación de las emociones propias. Revista Internacional De Pedagogía E Innovación Educativa, 3(1), 139-154. https://doi.org/10.51660/ripie.v3i1.118
- Quintanar-Casillas, R. & Hernández-López, Ma. S. (2022). Modelos Tecnológicos de Aprendizaje Adaptativo Aplicados a la Educación: Revisión Sistemática de la Literatura. Revista Tecnológica-Educativa Docentes 2.0, 15(1), 41-58. https://doi.org/10.37843/rted.v15i1.308
- Resolución de 1 de julio de 2022, de la Dirección General de Evaluación y Cooperación Territorial, por la que se publica el Acuerdo de la Conferencia Sectorial de Educación sobre la certificación, acreditación y reconocimiento de la competencia digital docente. (BOE» núm. 166, de 12 de julio de 2022, páginas 97982 a 97986) https://www.boe.es/eli/es/res/2022/07/01/(6)
- Romeu, T., Romero, M., Guitert, M., & Baztán, P. (2025). Challenges of generative artificial intelligence in higher education: promoting its critical use among students [Desafíos de la inteligencia artificial generativa en educación superior: fomentando su uso crítico en el estudiantado]. RIED-Revista Iberoamericana de Educación a Distancia, 28(2), 209-231. https://doi.org/10.5944/ried.28.2.43535
Debate2en Reto 5 – Investigación en e-learning.
Lo siento, debes estar conectado para publicar un comentario.
Este es un espacio de trabajo personal de un/a estudiante de la Universitat Oberta de Catalunya. Cualquier contenido publicado en este espacio es responsabilidad de su autor/a.
Mis avances hacia el TFM
En el marco de mi preparación para el Trabajo Final de Máster (TFM), he avanzado en la delimitación metodológica y analítica de una investigación centrada en la generación automática de ítems de evaluación mediante inteligencia artificial, específicamente en las áreas de Lenguaje y Matemáticas en educación básica. El foco del estudio es analizar la viabilidad técnica, curricular y analítica de los ítems generados por IA en comparación con aquellos elaborados mediante procedimientos tradicionales.
A partir del trabajo realizado en las PEC del curso, he podido concretar que el enfoque metodológico más adecuado para dar respuesta a mis preguntas de investigación es mixto. Por un lado, el análisis cuantitativo permite examinar variables como la alineación curricular, la claridad del enunciado y la distribución del nivel cognitivo de los ítems, utilizando técnicas descriptivas y comparativas básicas. Por otro lado, el análisis cualitativo resulta imprescindible para interpretar los resultados de la revisión experta, identificar desajustes finos entre indicadores de logro y demanda cognitiva, y comprender las limitaciones pedagógicas de la generación automática de ítems.
En función del diseño de la investigación —de carácter exploratorio— y del tipo de datos recogidos, la combinación de ambos enfoques resulta coherente y necesaria. Los datos cuantitativos ofrecen una visión estructurada y replicable del comportamiento de los ítems generados, mientras que los datos cualitativos aportan profundidad interpretativa y permiten contextualizar los resultados desde la perspectiva del diseño evaluativo.
Las técnicas concretas de análisis de datos que he definido incluyen: análisis descriptivo (medias, distribuciones y frecuencias), matrices de correspondencia entre dominios, competencias e indicadores, y análisis comparativo entre ítems generados por IA y tradicionales. Complementariamente, se utiliza una revisión cualitativa mediante rúbricas de validación curricular y cognitiva, apoyada en el juicio experto.
Un avance relevante ha sido la integración explícita del enfoque de Evidence-Centered Design (ECD) como marco estructurante del proceso de generación y análisis de ítems. Este enfoque ha permitido reducir la variabilidad no deseada en los ítems generados por IA y ha demostrado ser un mecanismo eficaz de control de la validez de contenido, tal como se evidenció en los resultados preliminares del análisis realizado en la PEC 3 .
Finalmente, soy consciente de que estos avances constituyen una base provisional que deberá ser revisada y refinada en la fase de formulación definitiva del TFM, especialmente en lo relativo a la validación psicométrica posterior de los ítems y a la delimitación precisa del alcance del estudio, en coherencia con las exigencias metodológicas del trabajo final .
2. Recursos de interés
Guía de Trabajo del TFM – Máster Universitario de Educación y TIC (UOC)
Este documento es clave para asegurar la coherencia metodológica y formal del proyecto de investigación, así como para alinear el diseño del estudio con los criterios de evaluación del TFM .
UNESCO (2021). AI and education: Guidance for policy-makers.
Este recurso aporta un marco conceptual y ético para el uso de la inteligencia artificial en educación, útil para contextualizar el estudio y justificar su relevancia.
UNESCO (2023). Guidance for generative AI in education and research.
Resulta especialmente pertinente para fundamentar el uso responsable de IA generativa en la construcción de instrumentos de evaluación.
Zawacki-Richter, O., et al. (2019). Systematic review of research on artificial intelligence applications in higher education.
Este artículo ofrece un estado del arte riguroso sobre aplicaciones de IA en educación, y sirve como referencia para situar el estudio en la literatura académica.
Mis PECs de la asignatura (PEC 1, PEC 2 y PEC 3)
Estos materiales constituyen la base empírica y metodológica del futuro TFM, ya que contienen la formulación del problema, el diseño metodológico y los primeros resultados analizados de manera sistemática .
Hola Héctor,
Excelente trabajo! Tu reflexión muestra un avance progresivo y bien argumentado en la definición de tu Trabajo Final de Máster, así como un uso consciente de los distintos elementos trabajados en la asignatura.
En relación con la revisión de la bibliografía, es positivo que destaques el uso sistemático de buscadores académicos y la aplicación de criterios temporales y semánticos para localizar literatura reciente. La referencia a trabajos publicados a partir de 2021 indica una preocupación por la actualidad del campo, algo especialmente relevante en ámbitos como el aprendizaje adaptativo y la inteligencia artificial aplicada a la educación.
Respecto a la formulación de los objetivos, preguntas e hipótesis, es interesante que reconozcas el peso inicial de tu conocimiento profesional en la definición del problema de investigación. Este punto es comprensible y habitual en investigaciones de carácter aplicado. No obstante, conviene seguir reforzando, de cara al TFM, la derivación explícita de los objetivos y preguntas a partir de la literatura revisada, de modo que el planteamiento no dependa únicamente de la experiencia personal, sino que quede claramente anclado en vacíos o tensiones identificadas en la investigación previa.
Me alegro leer que las actividades de la asignatura y el feedback recibido han sido bien aprovechados como mecanismo de ajuste y mejora progresiva del diseño del TFM.
En cuanto a los recursos de interés, la selección es pertinente y muestra una voluntad de integrar distintos niveles de análisis.
Como punto de mejora, sería recomendable revisar la coherencia global del corpus bibliográfico en relación con el foco principal del trabajo. Algunos estudios citados se centran en educación superior o en el estudiantado, mientras que tu interés parece orientarse al profesorado de secundaria. De cara al TFM, convendría reforzar la bibliografía específica sobre aprendizaje adaptativo, personalización y carga docente en educación secundaria, así como clarificar qué aportan exactamente los estudios sobre IA generativa al núcleo del problema que deseas investigar.
Saludos cordiales,
Dimitrios