MATEMATICA COMPUTACIONAL BNP.pdf LIBRO UNIVERSITARIO

.

1. MATEMÁTICA COMPUTACIONAL

pág. 1
































COMPUTACIONAL
MATEMÁTICA
Yanet Violeta Sucari Sucari
Víctor Hugo Condori Mamani

2. MATEMÁTICA COMPUTACIONAL

pág. 2
































LOS AUTORES:
Yanet Violeta Sucari Sucari
Víctor Hugo Condori Mamani

3. MATEMÁTICA COMPUTACIONAL

pág. 3
































Título: Matemática computacional

Autores:
Yanet Violeta Sucari Sucari
Víctor Hugo Condori Mamani

Editado por:
Universidad Nacional de Juliaca
Av. Nueva Zelandia N° 631 - Juliaca – San Román

1a. edición digital – octubre 2025

ISBN: 978-612-XX-XXXX-X

Depósito Legal N° 2025-12213

4. MATEMÁTICA COMPUTACIONAL

pág. 4
















I. INTRODUCCIÓN 6
1.1. Presentación del tema 7
1.2. Importancia de la enseñanza innovadora de las ciencias básicas 8
1.3. Justificación de la investigación 8
1.4. Objetivo general y específicos 9
1.5. Metodología de investigación 10

II. MARCO TEÓRICO 11
2.1. Fundamentos de la enseñanza de las ciencias básicas 12
2.1.1. Definición y propósitos formativos 12
2.1.2. Retos tradicionales en la educación universitaria 13
2.2. Tecnología digital en la educación superior 14
2.2.1. Conceptos y clasificación de herramientas digitales 15
2.2.2. Evolución de los recursos tecnológicos en la enseñanza 16
2.3. Metodologías innovadoras y estrategias activas 17
ÍNDICE:

5. MATEMÁTICA COMPUTACIONAL

pág. 5
2.3.1. Aprendizaje basado en proyectos y problemas con apoyo digital 18
2.3.2. Gamificación y realidad aumentada en ciencias básicas 18
2.3.3. Plataformas interactivas y aprendizaje personalizado 19
2.4. Impacto de la tecnología digital en el aprendizaje de ciencias 20
2.4.1. Efectos en el rendimiento académico y la motivación 20
2.4.2. Desarrollo de competencias digitales y científicas 21
2.4.3. Desafíos éticos, tecnológicos y de accesibilidad 21
2.5. Ventajas y desafíos en su implementación 22
2.5.1. Beneficios pedagógicos y organizacionales 22
2.5.2. Obstáculos técnicos y económicos 23
2.5.3. Necesidad de capacitación docente continua 24

III. DESARROLLO 26
3.1. Problemáticas del modelo tradicional de enseñanza de ciencias básicas 27
3.1.1. Baja participación y escasa interactividad 27
3.1.2. Limitaciones para adaptarse a diferentes estilos de aprendizaje 28
3.1.3. Desconexión con la realidad tecnológica de los estudiantes 29
3.2. Estrategias para la incorporación de tecnología digital 31
3.2.1. Diseño de ambientes virtuales y recursos multimedia 31
3.2.2. Integración gradual de herramientas digitales interactivas 33
3.2.3. Capacitación y sensibilización de docentes y estudiantes 34
3.3. Casos de estudio y buenas prácticas 36
3.3.1. Implementación de simuladores virtuales en física y química 36
3.3.2. Uso de plataformas colaborativas en matemáticas 40
3.3.3. Experiencias con realidad aumentada en biología 44

IV. CONCLUSIONES 49
V. RECOMENDACIONES 53
VI. REFERENCIAS BIBLIOGRAFICAS 58
VII. ANEXOS 60

6. MATEMÁTICA COMPUTACIONAL

pág. 6
































I.
INTRODUCCIÓN

7. MATEMÁTICA COMPUTACIONAL

pág. 7
1. INTRODUCCIÓN
1.1. Presentación del tema
La enseñanza de las ciencias básicas particularmente Matemáticas, Física,
Química y Biología constituye un eje fundamental en la formación universitaria.
Estas disciplinas no solo proveen conocimientos esenciales, sino que también
contribuyen al desarrollo del pensamiento crítico, la capacidad de análisis y la
resolución de problemas complejos (UNESCO, 2015).

Sin embargo, las metodologías tradicionales centradas en la transmisión pasiva
de información continúan predominando en muchos programas universitarios,
dando lugar a limitaciones en la motivación, la comprensión profunda y la
aplicabilidad del conocimiento adquirido (Mayer, 2009). Este modelo,
caracterizado por clases expositivas y evaluaciones memorísticas, se encuentra
en tensión con los nuevos perfiles de estudiantes, quienes han crecido inmersos
en entornos digitales y demandan experiencias de aprendizaje más interactivas
y personalizadas (Prensky, 2011).

La incorporación de tecnologías digitales interactivas en la enseñanza de las
ciencias básicas representa una vía para transformar esta realidad. Herramientas
como simuladores virtuales, laboratorios en línea, aplicaciones de realidad
aumentada, entornos de aprendizaje colaborativo y recursos multimedia ofrecen
oportunidades sin precedentes para dinamizar el proceso educativo, mejorar la
comprensión conceptual y potenciar la motivación estudiantil (Salinas, 2012).

Así, el presente trabajo explora cómo la integración estratégica de estas
tecnologías puede innovar la enseñanza universitaria de las ciencias básicas,
contribuyendo a una educación más inclusiva, activa y relevante para los desafíos
del siglo XXI.

8. MATEMÁTICA COMPUTACIONAL

pág. 8
1.2. Importancia de la enseñanza innovadora de las ciencias básicas
La enseñanza innovadora de las ciencias básicas cobra especial relevancia en el
contexto universitario actual, donde el conocimiento científico y tecnológico se
convierte en un recurso estratégico para el progreso económico y social (OCDE,
2018). La capacidad de los estudiantes para comprender, aplicar y transferir
conceptos científicos básicos está directamente relacionada con su éxito
académico y profesional en múltiples disciplinas (Bransford, Brown & Cocking,
2000).

Según Cabero-Almenara y Llorente-Cejudo (2015), las tecnologías digitales
posibilitan nuevos escenarios de aprendizaje caracterizados por la interactividad,
la ubicuidad y la personalización de los contenidos. Estas características no solo
enriquecen las prácticas docentes, sino que también fomentan el compromiso
activo de los estudiantes, elemento clave para lograr aprendizajes significativos
y duraderos.

Por otro lado, diversos estudios muestran que el uso de recursos digitales
contribuye a la mejora del rendimiento académico y de habilidades transversales
como la comunicación, la colaboración y el pensamiento crítico (Johnson et al.,
2016). En este sentido, la innovación educativa en ciencias básicas no es
únicamente una opción metodológica, sino una necesidad impostergable para
responder a los retos que plantean la globalización, la transformación digital y
las demandas de la sociedad del conocimiento.

1.3. Justificación de la investigación
La justificación de este estudio se fundamenta en múltiples factores. En primer
lugar, la persistencia de prácticas docentes tradicionales dificulta la adquisición
de competencias científicas que requieren un aprendizaje activo y
contextualizado (UNESCO, 2015). La baja motivación, el abandono de asignaturas
básicas y la percepción negativa hacia su relevancia son problemas
documentados en diferentes universidades (Salinas, 2012).

9. MATEMÁTICA COMPUTACIONAL

pág. 9
En segundo lugar, existe una brecha importante entre las potencialidades
pedagógicas de las tecnologías digitales y su uso real en las aulas universitarias
(Cabero-Almenara & Barroso-Osuna, 2016). Si bien muchas instituciones cuentan
con infraestructura tecnológica, su aprovechamiento efectivo depende de
estrategias metodológicas sólidas y de la capacitación docente.

Por estas razones, resulta prioritario analizar experiencias, identificar buenas
prácticas y generar propuestas que contribuyan a orientar la incorporación de
tecnologías digitales en la enseñanza de las ciencias básicas. Este estudio
pretende aportar conocimiento relevante que sirva de guía a docentes,
responsables institucionales y estudiantes interesados en transformar los
procesos educativos.

1.4. Objetivo general y especifico
Objetivo general
− Analizar el impacto de la utilización de tecnologías digitales
interactivas en la enseñanza universitaria de las ciencias básicas,
destacando su contribución al aprendizaje activo, la motivación
estudiantil y el desarrollo de competencias científicas y digitales.

Objetivo especifico
− Identificar y describir las principales herramientas digitales aplicadas
a la enseñanza de las ciencias básicas en entornos universitarios.
− Analizar metodologías innovadoras que integren recursos
tecnológicos con enfoques pedagógicos activos.
− Evaluar los beneficios y limitaciones de la implementación de
tecnologías digitales interactivas en las asignaturas de ciencias
básicas.
− Formular recomendaciones prácticas para el uso efectivo de
tecnologías en contextos educativos superiores.

10. MATEMÁTICA COMPUTACIONAL

pág. 10
1.5. Metodología de investigación
La presente investigación adopta un enfoque cualitativo de tipo documental y
descriptivo. La metodología comprende la revisión sistemática de fuentes
bibliográficas actualizadas: artículos académicos, informes de organismos
internacionales, tesis de posgrado, estudios de caso y literatura especializada
sobre innovación educativa y tecnologías digitales en la enseñanza de las ciencias
básicas.

El proceso incluye las siguientes fases:
− Revisión y selección de literatura científica sobre tendencias,
experiencias y resultados de la integración de tecnologías digitales en la
educación superior.
− Análisis comparativo de enfoques metodológicos y herramientas
utilizadas en distintos contextos universitarios.
− Síntesis de hallazgos, identificando fortalezas, debilidades y factores
críticos de éxito en la innovación educativa con apoyo digital.

Los resultados de este análisis servirán como base para proponer
recomendaciones orientadas a potenciar la calidad de la enseñanza universitaria
de las ciencias básicas.

11. MATEMÁTICA COMPUTACIONAL

pág. 11
































II.
MARCO TEÓRICO

12. MATEMÁTICA COMPUTACIONAL

pág. 12
2. MARCO TEÓRICO
2.1. Fundamentos de la enseñanza de las ciencias básicas
Las ciencias básicas constituyen el conjunto de disciplinas que proporcionan los
principios, conceptos y métodos que sustentan otras áreas del conocimiento y la
práctica profesional. Matemáticas, Física, Química y Biología desempeñan un rol
transversal en la formación universitaria, pues su dominio es esencial tanto para
comprender fenómenos complejos como para el desarrollo del pensamiento lógico, la
capacidad de análisis y la resolución de problemas (Bransford, Brown & Cocking, 2000).

Desde una perspectiva educativa, el aprendizaje de las ciencias básicas cumple un doble
propósito: el primero, formar una base conceptual sólida que permita la profundización
disciplinar en etapas avanzadas; y el segundo, promover competencias cognitivas de
orden superior, tales como el razonamiento crítico, la argumentación basada en
evidencias y la transferencia de conocimientos a contextos reales (Mayer, 2009).

Para Bruner (1960), el aprendizaje significativo en estas disciplinas requiere que los
estudiantes sean capaces de estructurar el conocimiento en esquemas mentales que
faciliten su comprensión y aplicación. Este enfoque implica ir más allá de la simple
memorización de datos, favoreciendo el aprendizaje activo y el compromiso cognitivo
profundo.

2.1.1. Definición y propósitos formativos
La enseñanza de las ciencias básicas puede definirse como el proceso educativo
orientado a desarrollar en los estudiantes las competencias necesarias para
comprender los fundamentos científicos y utilizarlos de manera crítica y creativa
en la interpretación de fenómenos, la solución de problemas y la toma de
decisiones informadas (UNESCO, 2015).

Los principales propósitos formativos son:
− Comprensión conceptual: lograr que los estudiantes comprendan las
leyes, teorías y modelos que explican los fenómenos naturales y
matemáticos (Ausubel, 1968).

13. MATEMÁTICA COMPUTACIONAL

pág. 13
− Desarrollo de habilidades científicas: fomentar el uso de metodologías
propias de la ciencia, como la observación, la experimentación, el análisis
de datos y la argumentación lógica (Johnson et al., 2016).

− Formación de pensamiento crítico: promover la capacidad de cuestionar,
evaluar evidencias y construir juicios fundamentados (Bransford et al.,
2000).

− Preparación para la innovación: dotar a los futuros profesionales de
herramientas para aplicar los conocimientos científicos en la resolución
de problemas complejos y el diseño de soluciones innovadoras (OCDE,
2018).

Estos propósitos reflejan una visión educativa que concibe las ciencias
básicas no solo como un requisito curricular, sino como un componente
esencial de la cultura científica y la ciudadanía responsable.

2.1.2. Retos tradicionales en la educación universitaria
A pesar de su importancia, la enseñanza de las ciencias básicas en la educación
superior enfrenta numerosos desafíos que limitan su eficacia e impacto en el
aprendizaje. Entre los principales retos se destacan:

− Predominio de metodologías expositivas: el modelo tradicional centrado
en la transmisión pasiva de contenidos sigue siendo predominante,
reduciendo las oportunidades para la participación activa y la
construcción significativa del conocimiento (Cabero-Almenara &
Llorente-Cejudo, 2015).

− Desconexión con el contexto y la vida real: muchos programas presentan
los contenidos de manera descontextualizada, lo que dificulta la
percepción de su relevancia y aplicación práctica (Salinas, 2012).

14. MATEMÁTICA COMPUTACIONAL

pág. 14
− Heterogeneidad de niveles previos: los estudiantes universitarios suelen
tener conocimientos de base y competencias muy diferentes, lo que
plantea dificultades para un aprendizaje homogéneo (Area, 2018).

− Falta de motivación e interés: diversos estudios evidencian que las
asignaturas básicas son percibidas como difíciles y poco atractivas, lo que
incrementa los índices de deserción o bajo rendimiento (Prensky, 2011).

− Uso limitado de tecnologías: a pesar del avance de la digitalización
educativa, la incorporación de tecnologías digitales interactivas sigue
siendo escasa o superficial en muchos entornos universitarios (Cabero-
Almenara & Barroso-Osuna, 2016).

Abordar estos retos requiere repensar los enfoques pedagógicos y adoptar
estrategias innovadoras que combinen la solidez conceptual con el uso
pertinente de recursos digitales, para potenciar el aprendizaje activo y la
motivación de los estudiantes universitarios (Johnson et al., 2016).

2.2. Tecnología digital en la educación superior
La tecnología digital en la educación superior se ha convertido en un eje transformador
que redefine los procesos de enseñanza y aprendizaje, así como las formas de
interacción entre docentes, estudiantes y contenidos. La incorporación de recursos
tecnológicos no solo amplía las posibilidades de acceso al conocimiento, sino que
también genera entornos más flexibles, dinámicos y personalizados (Salinas, 2012).

En el caso específico de las ciencias básicas, el uso de herramientas digitales contribuye
a la visualización de fenómenos complejos, al desarrollo de experiencias prácticas a
través de simuladores y laboratorios virtuales, y a la creación de escenarios de
aprendizaje activo y colaborativo (Mayer, 2009).

El avance de las tecnologías de la información y la comunicación (TIC) ha dado lugar a
un nuevo paradigma educativo que combina metodologías innovadoras con plataformas

15. MATEMÁTICA COMPUTACIONAL

pág. 15
digitales, dispositivos móviles y recursos multimedia interactivos (Area, 2018). Según
Cabero-Almenara y Llorente-Cejudo (2015), el uso efectivo de estas tecnologías exige no
solo disponer de infraestructura, sino también un cambio en la cultura pedagógica y la
formación continua del profesorado.

2.2.1. Conceptos y clasificación de herramientas digitales
El concepto de tecnología digital educativa hace referencia al conjunto de
medios, dispositivos y aplicaciones basadas en tecnologías de información y
comunicación que se utilizan con fines pedagógicos, tanto en entornos
presenciales como virtuales (Cabero-Almenara, 2013). Estas herramientas
permiten crear contenidos, gestionar procesos de enseñanza-aprendizaje,
interactuar y evaluar, así como personalizar las experiencias educativas según las
necesidades de cada estudiante (Johnson et al., 2016).

De acuerdo con diferentes autores (Area, 2018; Salinas, 2012), las principales
categorías de herramientas digitales que se utilizan en la educación superior
pueden clasificarse de la siguiente forma:

− Plataformas de gestión del aprendizaje (LMS): entornos virtuales como
Moodle, Blackboard o Canvas, que facilitan la distribución de contenidos, la
comunicación y la evaluación en línea.

− Simuladores y laboratorios virtuales: aplicaciones interactivas que permiten
experimentar fenómenos o procesos sin requerir un laboratorio físico. Son
especialmente relevantes en Física, Química y Biología (Mayer, 2009).

− Recursos multimedia: videos educativos, animaciones, infografías y otros
materiales visuales que apoyan la comprensión conceptual.

− Herramientas de colaboración y comunicación: foros, wikis, chats y
videoconferencias que favorecen el aprendizaje cooperativo.

16. MATEMÁTICA COMPUTACIONAL

pág. 16
− Aplicaciones móviles y entornos gamificados: recursos que incorporan
elementos lúdicos y de interacción en tiempo real, contribuyendo a la
motivación y el compromiso estudiantil (Prensky, 2011).

− Recursos de realidad aumentada y realidad virtual: entornos inmersivos que
permiten la exploración y manipulación de objetos virtuales en tres
dimensiones.

Esta clasificación evidencia la diversidad de recursos disponibles para
transformar las prácticas docentes y enriquecer el aprendizaje de las ciencias
básicas.

2.2.2. Evolución de los recursos tecnológicos en la enseñanza
La evolución de los recursos tecnológicos en la educación superior ha estado
marcada por varias etapas que reflejan el progreso de la digitalización y el
surgimiento de nuevas demandas educativas. Según Salinas (2012) y Cabero-
Almenara (2013), este desarrollo puede sintetizarse en los siguientes momentos:

− Digitalización inicial y uso de recursos audiovisuales: En los años 80 y 90,
se introdujeron ordenadores personales, proyectores y programas de
ofimática básica que complementaron la enseñanza presencial.

− Aparición de Internet y plataformas virtuales: A finales de los 90 e inicios
de los 2000, la expansión de Internet permitió crear campus virtuales,
democratizar el acceso a materiales y desarrollar los primeros entornos
de aprendizaje online.

− Consolidación de los entornos virtuales de aprendizaje (LMS): Durante
la década de 2000 y 2010, plataformas como Moodle se consolidaron
como soportes clave de la gestión académica y la enseñanza a distancia.

17. MATEMÁTICA COMPUTACIONAL

pág. 17
− Movilidad y ubicuidad: El avance de los dispositivos móviles y el
aprendizaje ubicuo (ubiquitous learning) amplió las posibilidades de
acceder a contenidos en cualquier momento y lugar (Johnson et al.,
2016).

− Incorporación de la realidad aumentada, la gamificación y el
aprendizaje adaptativo: En los últimos años, tecnologías emergentes han
dado lugar a modelos más personalizados, inmersivos y orientados a la
experiencia del estudiante (Area, 2018).

En este contexto, la educación universitaria enfrenta el desafío de integrar de
manera efectiva estos recursos para responder a las expectativas de una
generación de estudiantes nativos digitales y contribuir a la calidad y pertinencia
de la formación académica (Prensky, 2011).

2.3. Metodologías innovadoras y estrategias activas
En los últimos años, la educación superior ha transitado de modelos centrados en la
transmisión del conocimiento hacia enfoques donde el estudiante se convierte en el
protagonista de su proceso de aprendizaje. Este cambio ha sido impulsado por el auge
de las metodologías activas, que priorizan la exploración, la experimentación, el trabajo
colaborativo y la resolución de problemas reales (Bonwell & Eison, 1991).

Las tecnologías digitales juegan un papel fundamental en la implementación efectiva de
estas metodologías. Herramientas como plataformas interactivas, simuladores,
aplicaciones móviles y recursos de realidad aumentada permiten crear ambientes de
aprendizaje dinámicos que favorecen el compromiso, la autonomía y la construcción
significativa del conocimiento (Salinas, 2012).

En el contexto de las ciencias básicas, estas metodologías son especialmente útiles para
abordar la complejidad de los conceptos abstractos, facilitar la aplicación práctica de
teorías científicas y fomentar habilidades de razonamiento y análisis.

18. MATEMÁTICA COMPUTACIONAL

pág. 18
2.3.1. Aprendizaje basado en proyectos y problemas con apoyo digital
El aprendizaje basado en proyectos (ABP) y el aprendizaje basado en problemas
(PBL) son dos metodologías centradas en el estudiante que promueven la
investigación, la autonomía, el trabajo en equipo y la resolución de situaciones
auténticas. Estas estrategias han demostrado ser altamente efectivas en la
enseñanza de las ciencias básicas, ya que permiten integrar conocimientos
teóricos con aplicaciones prácticas (Prince & Felder, 2006).

Con el apoyo de tecnologías digitales, el ABP y el PBL se potencian
significativamente. Las plataformas colaborativas, los simuladores virtuales y las
herramientas de modelado digital permiten a los estudiantes investigar,
experimentar y presentar sus hallazgos de forma creativa e interactiva (Bell,
2010). Por ejemplo, en una clase de química, los estudiantes pueden diseñar una
solución experimental a un problema ambiental utilizando simuladores de
reacciones químicas y presentarla mediante una infografía o video interactivo.

Además, el uso de entornos virtuales facilita el seguimiento del proceso por parte
del docente y permite la retroalimentación continua, aspecto clave para el
desarrollo progresivo del aprendizaje.

2.3.2. Gamificación y realidad aumentada en ciencias básicas
La gamificación es la aplicación de elementos propios del diseño de juegos
(recompensas, niveles, desafíos, narrativa, puntuación) en contextos educativos
con el objetivo de aumentar la motivación y el compromiso del estudiante
(Deterding et al., 2011). Esta estrategia es especialmente efectiva en la
enseñanza de ciencias básicas, que tradicionalmente han sido percibidas como
materias difíciles o abstractas.

La incorporación de videojuegos educativos, plataformas gamificadas y sistemas
de retos y recompensas permite transformar la experiencia de aprendizaje en
una dinámica lúdica, participativa y emocionalmente positiva (Domínguez et al.,
2013). Estudios recientes demuestran que la gamificación mejora el rendimiento

19. MATEMÁTICA COMPUTACIONAL

pág. 19
académico, favorece la retención de contenidos y potencia habilidades
cognitivas en asignaturas como matemáticas, física y biología (Sánchez-Mena &
Martí-Parreño, 2017).

Por otro lado, la realidad aumentada (RA) permite superponer información
digital como modelos 3D, imágenes o datos sobre el entorno físico, facilitando la
exploración de estructuras y fenómenos complejos de manera visual e
interactiva (Bacca et al., 2014). En biología, por ejemplo, se pueden visualizar
células y órganos en 3D; en física, se puede simular el comportamiento de un
circuito eléctrico en tiempo real. Estas experiencias inmersivas aumentan la
comprensión y el interés de los estudiantes.

2.3.3. Plataformas interactivas y aprendizaje personalizado
El uso de plataformas digitales interactivas ha permitido implementar modelos
de aprendizaje personalizado, en los que el estudiante avanza a su propio ritmo,
accede a recursos según su estilo cognitivo y recibe retroalimentación inmediata.
Este enfoque es coherente con los principios del aprendizaje adaptativo y
responde a la diversidad de niveles de conocimiento que existe en las aulas
universitarias (Johnson et al., 2016).

Plataformas como Khan Academy, PhET Interactive Simulations, Edpuzzle,
GeoGebra y otras permiten explorar contenidos científicos mediante
simulaciones, ejercicios interactivos y videos explicativos. Estas herramientas no
solo apoyan la adquisición de conocimientos, sino que también desarrollan
habilidades de autoevaluación y autorregulación del aprendizaje (Mayer, 2009).

El docente, en este modelo, asume el rol de facilitador y orientador del proceso,
diseñando trayectorias formativas flexibles que integran recursos tecnológicos
con actividades presenciales o virtuales. Así, se rompe la rigidez del currículo
uniforme y se promueve un enfoque más centrado en las necesidades y
capacidades de cada estudiante (Salinas, 2012).

20. MATEMÁTICA COMPUTACIONAL

pág. 20
2.4. Impacto de la tecnología digital en el aprendizaje de ciencias
La incorporación de tecnologías digitales en la enseñanza de las ciencias básicas ha
generado una transformación profunda en los procesos formativos universitarios. Estas
tecnologías han impactado no solo en las estrategias pedagógicas, sino también en el
rendimiento académico, la motivación estudiantil, el desarrollo de competencias clave
y el acceso equitativo al conocimiento científico.

2.4.1. Efectos en el rendimiento académico y la motivación
Diversos estudios han demostrado que el uso de tecnologías digitales
interactivas tiene efectos positivos sobre el rendimiento académico. Mayer
(2009) plantea que los recursos multimedia favorecen la comprensión profunda
al reducir la sobrecarga cognitiva y facilitar la integración de información verbal
y visual. Herramientas como simuladores virtuales, plataformas gamificadas o
videos interactivos permiten explicar fenómenos abstractos con mayor claridad
y aumentar la participación activa del estudiante.

En este mismo sentido, Johnson et al. (2016) sostienen que las plataformas
adaptativas, que ofrecen contenidos personalizados y retroalimentación
inmediata, contribuyen al progreso académico al respetar el ritmo de
aprendizaje individual. Por su parte, Prensky (2011) argumenta que los
estudiantes universitarios, en su mayoría nativos digitales, encuentran más
motivadoras aquellas actividades que incorporan tecnología, lo cual mejora su
disposición hacia asignaturas como Física, Química o Matemáticas.

Además, la gamificación ha demostrado ser eficaz para incrementar la
motivación intrínseca de los estudiantes. Al integrar elementos lúdicos como
recompensas, niveles y desafíos, se transforma la experiencia educativa en una
actividad más atractiva y emocionalmente positiva (Domínguez et al., 2013;
Sánchez-Mena & Martí-Parreño, 2017). En consecuencia, los estudiantes no solo
se sienten más comprometidos con el proceso de aprendizaje, sino que también
mejoran su desempeño en evaluaciones formales.

21. MATEMÁTICA COMPUTACIONAL

pág. 21
2.4.2. Desarrollo de competencias digitales y científicas
La tecnología digital no solo mejora la comprensión de contenidos, sino que
también facilita el desarrollo de competencias esenciales para el siglo XXI.
Cabero-Almenara y Llorente-Cejudo (2015) destacan que las TIC fomentan el
desarrollo de habilidades como la búsqueda crítica de información, la
comunicación digital, la colaboración en línea y la autorregulación del
aprendizaje.

En el ámbito científico, herramientas como los laboratorios virtuales,
simuladores y recursos de realidad aumentada permiten a los estudiantes
participar en experiencias experimentales complejas sin necesidad de
infraestructura física. Esto favorece la adquisición de competencias científicas
como la observación, la formulación de hipótesis, el análisis de datos y la
interpretación de resultados (Bacca et al., 2014; Johnson et al., 2016).

Además, el trabajo con tecnologías promueve la integración de saberes, el
pensamiento crítico y la creatividad, al exigir que los estudiantes utilicen los
conocimientos adquiridos en contextos auténticos y desafiantes (Bransford,
Brown & Cocking, 2000). Así, las tecnologías digitales actúan como mediadoras
del aprendizaje activo, fomentando tanto el pensamiento científico como las
habilidades digitales.

2.4.3. Desafíos éticos, tecnológicos y de accesibilidad
Si bien las tecnologías digitales ofrecen múltiples beneficios, su integración
también implica enfrentar diversos desafíos. Desde una perspectiva ética, es
fundamental considerar aspectos como la protección de datos personales, el uso
responsable de plataformas comerciales y la transparencia en los algoritmos que
median el acceso al conocimiento (Area, 2018; Cabero-Almenara & Barroso-
Osuna, 2016).

En cuanto a la accesibilidad, la brecha digital persiste como una de las principales
limitaciones en el uso equitativo de la tecnología. Estudiantes con escaso acceso

22. MATEMÁTICA COMPUTACIONAL

pág. 22
a internet, equipos de baja calidad o escasas habilidades digitales corren el riesgo
de quedar excluidos de las oportunidades que brindan los entornos virtuales
(UNESCO, 2015; OCDE, 2018). Esta situación puede agravar las desigualdades
educativas ya existentes, especialmente en contextos rurales o de bajos
recursos.

Finalmente, desde el plano institucional, muchos docentes enfrentan barreras
técnicas y pedagógicas. Salinas (2012) señala que la falta de formación docente,
la resistencia al cambio y la sobrecarga laboral dificultan la integración efectiva
de las tecnologías. Para superar estos obstáculos, se requieren políticas
institucionales sostenidas que contemplen la capacitación permanente, el
acceso universal a los recursos digitales y un marco ético y pedagógico sólido.

2.5. Ventajas y desafíos en su implementación
La incorporación de tecnologías digitales en la enseñanza de las ciencias básicas
representa una oportunidad transformadora, pero también plantea desafíos
estructurales, técnicos y humanos. Su implementación efectiva exige una planificación
estratégica que considere tanto los beneficios pedagógicos como las limitaciones
operativas, institucionales y económicas. Este apartado analiza en profundidad los
principales factores que influyen en el éxito o fracaso de las iniciativas digitales en la
educación superior.

2.5.1. Beneficios pedagógicos y organizacionales
Las tecnologías digitales han demostrado ofrecer múltiples beneficios en la
enseñanza universitaria, especialmente en el ámbito de las ciencias básicas. En
términos pedagógicos, permiten crear entornos de aprendizaje más dinámicos,
visuales e interactivos que promueven la comprensión profunda de conceptos
complejos, estimulan el pensamiento crítico y favorecen el aprendizaje
autónomo (Mayer, 2009; Area, 2018).

El uso de simuladores virtuales, recursos de realidad aumentada, laboratorios en
línea y herramientas de modelado digital posibilita la exploración de fenómenos

23. MATEMÁTICA COMPUTACIONAL

pág. 23
que, de otro modo, serían inaccesibles por razones de seguridad, costo o
complejidad. Esto resulta especialmente útil en asignaturas como Física, Química
o Biología, donde los procesos experimentales son esenciales para el desarrollo
del pensamiento científico (Bacca et al., 2014).

Desde el punto de vista organizacional, las plataformas de gestión del
aprendizaje (como Moodle, Canvas o Blackboard) han mejorado la
administración académica, facilitando la planificación de cursos, el seguimiento
individualizado del progreso estudiantil y la implementación de evaluaciones
formativas. Estas plataformas también posibilitan la combinación de
modalidades presenciales y virtuales, lo que amplía la flexibilidad y adaptabilidad
de la oferta educativa (Cabero-Almenara & Llorente-Cejudo, 2015).

Además, la digitalización favorece la transparencia en los procesos educativos y
la disponibilidad de datos para la toma de decisiones basadas en evidencias. Las
instituciones que integran tecnologías en su sistema de enseñanza suelen
desarrollar una cultura organizacional orientada a la mejora continua, la
innovación metodológica y la colaboración interdisciplinaria (Salinas, 2012;
OCDE, 2018).

2.5.2. Obstáculos técnicos y económicos
A pesar del avance tecnológico y la creciente disponibilidad de recursos digitales,
la implementación efectiva en entornos universitarios presenta importantes
obstáculos. Uno de los más notorios es la limitación en la infraestructura
tecnológica. En muchas universidades, especialmente en regiones con menor
inversión educativa, los recursos tecnológicos son insuficientes, obsoletos o mal
distribuidos (Cabero-Almenara & Barroso-Osuna, 2016).

El acceso a dispositivos adecuados, conectividad de calidad y mantenimiento
técnico constante son condiciones necesarias para una integración funcional de
la tecnología. Sin estos elementos, las herramientas digitales pierden efectividad

24. MATEMÁTICA COMPUTACIONAL

pág. 24
y pueden incluso generar frustración tanto en docentes como en estudiantes
(UNESCO, 2015).

Desde la perspectiva económica, los costos asociados a la implementación de
tecnología educativa pueden ser elevados: adquisición de licencias de software,
desarrollo de contenidos digitales, capacitación docente, y contratación de
personal técnico especializado. En muchos casos, las universidades dependen de
presupuestos estatales restringidos o de proyectos de cooperación externa, lo
que limita la sostenibilidad de las iniciativas (OCDE, 2018).

Además, existe un riesgo de dependencia excesiva de soluciones comerciales que
no siempre responden a las necesidades pedagógicas locales. La falta de
autonomía tecnológica puede afectar la capacidad de adaptación y
personalización de los recursos educativos (Area, 2018).

2.5.3. Necesidad de capacitación docente continua
Uno de los factores más determinantes para el éxito de la transformación digital
en la enseñanza de ciencias es la formación del profesorado. La mayoría de los
docentes universitarios no ha sido preparada para integrar tecnologías en su
práctica pedagógica, ni para utilizar metodologías activas centradas en el
estudiante. Esto genera una resistencia natural al cambio, inseguridad técnica o
uso limitado de los recursos disponibles (Cabero-Almenara & Llorente-Cejudo,
2015; Salinas, 2012).

La capacitación docente debe ser permanente, contextualizada y
multidimensional. No basta con aprender a manejar una herramienta
tecnológica: es necesario desarrollar competencias pedagógicas para diseñar
actividades interactivas, integrar tecnología en la evaluación, adaptarse a
diferentes estilos de aprendizaje y gestionar la diversidad digital del aula
(Johnson et al., 2016).

25. MATEMÁTICA COMPUTACIONAL

pág. 25
Además, la formación docente debe abordar aspectos éticos y de inclusión
digital. Esto implica fomentar la conciencia crítica sobre la protección de datos
personales, el uso responsable de las redes, la accesibilidad para estudiantes con
discapacidad, y la equidad en el acceso a recursos tecnológicos (Area, 2018;
UNESCO, 2015).

El desarrollo profesional del docente debe ser apoyado institucionalmente
mediante programas formales, acompañamiento pedagógico, comunidades de
aprendizaje y políticas que reconozcan el valor de la innovación educativa. La
capacitación no debe ser vista como una tarea individual, sino como una
responsabilidad colectiva y estratégica para la mejora continua de la calidad
educativa.

26. MATEMÁTICA COMPUTACIONAL

pág. 26
































III.
DESARROLLO

27. MATEMÁTICA COMPUTACIONAL

pág. 27
3. DESARROLLO
3.1. Problemáticas del modelo tradicional de enseñanza de ciencias básicas
El modelo tradicional de enseñanza de las ciencias básicas en la educación superior ha
sido, durante décadas, el eje dominante en la formación universitaria. Este modelo,
basado en la transmisión de conocimientos desde el docente hacia el estudiante
mediante clases expositivas y evaluación memorística, ha mostrado serios límites frente
a las demandas de una sociedad compleja, tecnológica y cambiante. En el contexto
actual, caracterizado por una creciente digitalización, la globalización del conocimiento
y la diversidad del alumnado, este enfoque se percibe como insuficiente para generar
aprendizajes profundos, desarrollar competencias científicas y preparar a los
estudiantes para enfrentar los desafíos del siglo XXI (UNESCO, 2015; Prensky, 2011).

La persistencia de este paradigma responde a factores históricos, institucionales y
culturales, pero también a la falta de formación docente en metodologías activas y al
escaso aprovechamiento de las tecnologías emergentes. A continuación, se analizan en
detalle tres de las principales problemáticas del modelo tradicional: la baja participación
estudiantil, la escasa adaptación a los estilos de aprendizaje diversos y la desconexión
con la realidad tecnológica de los estudiantes.

3.1.1. Baja participación y escasa interactividad
Uno de los mayores inconvenientes del modelo tradicional es el rol pasivo que
asigna al estudiante dentro del proceso educativo. Las clases magistrales,
centradas en la exposición del profesor, suelen limitar las oportunidades de
participación activa, reflexión crítica o construcción colaborativa del
conocimiento (Bonwell & Eison, 1991). En este esquema, el estudiante se
convierte en un receptor de información, lo que reduce su motivación, atención
sostenida y compromiso con la materia.

Bransford, Brown y Cocking (2000) señalan que el aprendizaje significativo
requiere la implicación activa del estudiante en experiencias que desafíen sus
ideas previas, fomenten la exploración y faciliten la transferencia del
conocimiento a contextos reales. En contraposición, el modelo expositivo

28. MATEMÁTICA COMPUTACIONAL

pág. 28
promueve una lógica reproductiva, en la que el éxito académico depende más
de la capacidad memorística que del desarrollo de habilidades analíticas o
experimentales.

Esta situación resulta especialmente problemática en el caso de las ciencias
básicas, donde los conceptos son a menudo abstractos y requieren ser
vinculados con la observación, la manipulación de variables y la resolución de
problemas complejos. Cuando estos elementos se ausentan, la comprensión
conceptual se ve seriamente afectada, y los estudiantes suelen experimentar
frustración, ansiedad y baja autoestima académica.

Por otro lado, la evaluación en este tipo de enfoque suele limitarse a pruebas
escritas centradas en la repetición de contenidos, sin considerar otras formas de
evidenciar el aprendizaje, como proyectos, experimentos, modelado o
simulaciones. La ausencia de diversidad evaluativa limita la posibilidad de que los
estudiantes desarrollen una visión integrada de la ciencia y adquieran
habilidades transversales como la comunicación, el trabajo en equipo o la toma
de decisiones.

Además, la interacción entre pares también se ve restringida en este modelo. Al
privilegiar la voz del docente, se reducen las instancias de diálogo horizontal,
retroalimentación mutua o construcción colectiva de ideas. Este tipo de
interacción ha demostrado ser clave para el aprendizaje profundo y la
consolidación de comunidades académicas (Johnson et al., 2016).

3.1.2. Limitaciones para adaptarse a diferentes estilos de aprendizaje
Otro problema crítico del modelo tradicional es su incapacidad para atender la
diversidad de estilos, ritmos y formas de aprender que existen en el aula
universitaria. Asume que todos los estudiantes poseen las mismas capacidades,
intereses y niveles de comprensión, y por tanto les ofrece un único camino para
aprender: la exposición oral del docente, acompañada de textos impresos o
presentaciones lineales (Mayer, 2009).

29. MATEMÁTICA COMPUTACIONAL

pág. 29
Esta homogeneidad metodológica excluye a un gran número de estudiantes que
requieren otras vías para acceder al conocimiento. Por ejemplo, aquellos con un
estilo de aprendizaje visual o kinestésico pueden tener mayores dificultades para
captar conceptos a través de explicaciones verbales, mientras que quienes
poseen un ritmo más lento de procesamiento necesitan recursos diferenciados,
espacios de consulta y más tiempo para integrar la información (Area, 2018).

En este contexto, se generan brechas de aprendizaje que no responden
necesariamente a la capacidad intelectual, sino a la falta de adecuación
pedagógica. Estudiantes con gran potencial pueden obtener bajos resultados si
el entorno de aprendizaje no se adapta a sus características, lo que puede derivar
en deserción, frustración o desapego por las ciencias.

A su vez, este modelo limita la posibilidad de trabajar de forma personalizada, ya
que no contempla trayectorias formativas diferenciadas ni retroalimentación
individualizada. Tampoco promueve el desarrollo de habilidades metacognitivas,
como la autorregulación, la planificación del estudio o la reflexión sobre el propio
aprendizaje, aspectos fundamentales para el éxito académico y profesional
(Bransford et al., 2000).

Frente a estas carencias, Prensky (2011) sostiene que es necesario migrar hacia
entornos de aprendizaje más personalizados, donde el estudiante pueda asumir
un rol activo, interactuar con los contenidos a través de múltiples formatos, y
recibir orientación y apoyo ajustado a sus necesidades. Las tecnologías digitales
ofrecen un enorme potencial en este sentido, pero su implementación en el aula
sigue siendo limitada o superficial en muchos casos.

3.1.3. Desconexión con la realidad tecnológica de los estudiantes
En una época donde la tecnología digital permea todos los aspectos de la vida,
resulta contradictorio que muchas aulas universitarias se mantengan al margen
de esta transformación. El modelo tradicional no ha logrado incorporar de
manera efectiva las herramientas tecnológicas disponibles, lo que genera una

30. MATEMÁTICA COMPUTACIONAL

pág. 30
desconexión profunda entre las experiencias de aprendizaje formales y las
prácticas cotidianas de los estudiantes (Salinas, 2012).

Los jóvenes universitarios, en su mayoría nativos digitales, están habituados a
aprender a través de videos, aplicaciones interactivas, plataformas de
simulación, tutoriales online y redes colaborativas. Cuando ingresan a clases
donde predomina el discurso monológico, los libros de texto impresos y los
esquemas de evaluación tradicionales, se produce una ruptura entre sus
expectativas y la realidad académica (Prensky, 2011).

Esta brecha no solo afecta la motivación, sino también la relevancia percibida del
aprendizaje. Muchos estudiantes cuestionan la utilidad de los contenidos
enseñados, al no ver su aplicación en contextos reales o tecnológicos. En
consecuencia, se incrementa el riesgo de abandono, el bajo rendimiento y la
desvinculación emocional con las ciencias (UNESCO, 2015).

Asimismo, la falta de integración tecnológica limita el desarrollo de
competencias digitales, cada vez más demandadas en el mundo profesional. En
disciplinas como la Física, la Química o la Biología, el uso de simuladores,
sensores digitales, software de análisis de datos y entornos de realidad
aumentada ya forma parte del quehacer científico. Excluir estas herramientas de
la formación universitaria implica preparar a los estudiantes con una visión
obsoleta de la ciencia y limitar su capacidad de inserción laboral (OCDE, 2018).

Por otra parte, esta desconexión también refleja una resistencia institucional al
cambio. Muchas universidades carecen de políticas claras para la innovación
pedagógica, o bien no ofrecen formación docente adecuada para el uso
pedagógico de la tecnología. Esto refuerza un círculo vicioso donde los docentes
siguen utilizando los mismos métodos, los estudiantes pierden interés y la
calidad del aprendizaje no mejora sustancialmente (Cabero-Almenara & Barroso-
Osuna, 2016).

31. MATEMÁTICA COMPUTACIONAL

pág. 31
En resumen, la falta de actualización tecnológica en la enseñanza de ciencias
básicas no solo representa un desfase metodológico, sino que pone en riesgo la
pertinencia, la equidad y la calidad de la educación superior.

3.2. Estrategias para la incorporación de tecnología digital
La transformación educativa en el ámbito universitario no puede ser concebida
únicamente como la digitalización de contenidos o el uso superficial de herramientas
tecnológicas. En el caso de la enseñanza de ciencias básicas, que demanda altos niveles
de abstracción, precisión conceptual y vinculación con la realidad experimental, la
incorporación de tecnología debe partir de una estrategia bien fundamentada. Esta
debe considerar aspectos pedagógicos, institucionales, metodológicos y éticos, a fin de
garantizar un impacto positivo, sostenible y contextualizado (Cabero-Almenara &
Llorente-Cejudo, 2015).

Frente a los desafíos que plantea el modelo tradicional de enseñanza (como la escasa
participación, la desconexión tecnológica y la falta de personalización), resulta
indispensable adoptar una perspectiva holística que combine innovación metodológica,
fortalecimiento docente, desarrollo de competencias digitales y creación de entornos
virtuales de calidad. En esta línea, se proponen tres estrategias fundamentales para la
incorporación efectiva de la tecnología en la enseñanza de las ciencias básicas.

3.2.1. Diseño de ambientes virtuales y recursos multimedia
Una estrategia esencial para la transformación pedagógica es el diseño de
ambientes virtuales de aprendizaje que no se limiten a replicar la lógica
presencial, sino que aprovechen las posibilidades que brinda el entorno digital
para promover una experiencia educativa más interactiva, flexible y significativa.

Los entornos virtuales permiten superar las limitaciones de tiempo y espacio
propias de la educación tradicional, al facilitar el acceso continuo a recursos
educativos, la comunicación asincrónica y la construcción de aprendizajes en
comunidad. Sin embargo, su eficacia depende en gran medida de la calidad de
los contenidos y de su estructura pedagógica (Johnson et al., 2016).

32. MATEMÁTICA COMPUTACIONAL

pág. 32
En el contexto de las ciencias básicas, resulta fundamental que estos ambientes
incorporen recursos multimedia visuales e interactivos que favorezcan la
comprensión de fenómenos complejos. Las simulaciones científicas, los videos
explicativos, los mapas conceptuales dinámicos, las infografías y los laboratorios
virtuales son herramientas que permiten a los estudiantes explorar conceptos
como la ley de conservación de la energía, la cinética química, la estructura del
ADN o las ecuaciones diferenciales en un formato accesible y atractivo (Mayer,
2009).

El diseño de estos recursos debe responder a principios de usabilidad, coherencia
pedagógica y accesibilidad. Por ejemplo, es fundamental considerar que no
todos los estudiantes aprenden de la misma manera ni disponen de los mismos
recursos tecnológicos, por lo que los contenidos deben estar disponibles en
diferentes formatos (visual, auditivo, textual) y ser compatibles con múltiples
dispositivos (Área, 2018).

Asimismo, el uso de tecnologías emergentes como la realidad aumentada (RA) o
la realidad virtual (RV) amplía las fronteras de la enseñanza experimental. Estas
tecnologías ofrecen experiencias inmersivas que permiten explorar organismos
microscópicos, manipular modelos moleculares tridimensionales o simular
trayectorias físicas en entornos controlados. Según Bacca et al. (2014), estas
experiencias favorecen el aprendizaje experiencial y la motivación,
especialmente en estudiantes con estilos de aprendizaje visual o espacial.

Por otro lado, un ambiente virtual eficaz también debe promover la interacción
entre los actores educativos. Esto implica integrar foros, chats, wikis, blogs o
videoconferencias que favorezcan el diálogo académico, la retroalimentación
entre pares y el trabajo colaborativo. La interacción social es clave para la
construcción del conocimiento científico, ya que estimula el debate, la
argumentación basada en evidencias y la co-creación de soluciones (Salinas,
2012).

33. MATEMÁTICA COMPUTACIONAL

pág. 33
Para garantizar la calidad de estos entornos virtuales, es recomendable que su
diseño se realice de manera colaborativa, con la participación de equipos
multidisciplinarios que integren especialistas en pedagogía, tecnologías
educativas, diseño gráfico y contenidos disciplinares. Solo así se podrán
desarrollar materiales significativos, rigurosos y alineados con los objetivos de
aprendizaje.

3.2.2. Integración gradual de herramientas digitales interactivas
Incorporar tecnologías en la enseñanza de manera efectiva requiere un enfoque
progresivo y adaptativo. Muchas experiencias fallidas en innovación educativa se
deben a intentos abruptos o poco planificados que terminan generando
frustración, rechazo y resultados contraproducentes. Por ello, se propone una
integración gradual, que parta de un diagnóstico institucional y docente, y que
contemple fases de experimentación, ajuste y consolidación.

Esta integración progresiva permite a los docentes familiarizarse con las
herramientas digitales, reflexionar sobre su valor pedagógico y adaptarlas a su
contexto particular. No todas las tecnologías son adecuadas para todos los
temas, niveles o estilos docentes, por lo que resulta necesario avanzar desde
soluciones simples (como la incorporación de videos o cuestionarios interactivos)
hacia estrategias más complejas (como la gamificación, el aprendizaje adaptativo
o los simuladores científicos).

Cabero-Almenara y Llorente-Cejudo (2015) sostienen que el proceso de
integración debe estar acompañado de apoyos técnicos y pedagógicos. Estos
pueden incluir tutoriales, manuales, asesoría personalizada o comunidades
virtuales de práctica donde los docentes compartan experiencias, errores y
aprendizajes. Esta red de apoyo es clave para construir confianza, evitar el
aislamiento y fomentar una cultura de innovación sostenida.

Una práctica efectiva es iniciar con proyectos piloto en determinadas asignaturas
o módulos, evaluando sus resultados mediante indicadores claros (motivación,

34. MATEMÁTICA COMPUTACIONAL

pág. 34
rendimiento, participación) y ajustando en función de los hallazgos. Esta lógica
de ensayo y mejora continua permite escalar las buenas prácticas a otros
espacios curriculares, con mayor aceptación y evidencia acumulada.

Asimismo, es importante que las herramientas seleccionadas respondan a
principios de interactividad, usabilidad y pertinencia pedagógica. No se trata de
digitalizar por digitalizar, sino de enriquecer las experiencias de aprendizaje. Por
ejemplo, una plataforma que permite la resolución colaborativa de problemas
de física con retroalimentación inmediata tiene mayor valor formativo que una
presentación estática de PowerPoint digitalizada.

En este contexto, destacan plataformas como PhET Interactive Simulations,
GeoGebra, Khan Academy o Edpuzzle, que ofrecen contenidos científicos
interactivos, adaptables a distintos niveles y accesibles de forma gratuita. Su uso
permite diversificar las actividades de aula, fomentar la participación activa y
atender la diversidad de ritmos de aprendizaje (Johnson et al., 2016).

La implementación gradual también requiere una política institucional clara. Las
universidades deben facilitar el acceso a plataformas, licencias, infraestructura,
y sobre todo, tiempo para la innovación. Muchas veces, los docentes no innovan
por falta de condiciones estructurales, carga horaria excesiva o ausencia de
incentivos. Sin el compromiso institucional, los cambios metodológicos tienden
a ser aislados, frágiles y poco sostenibles (OCDE, 2018).

3.2.3. Capacitación y sensibilización de docentes y estudiantes
El componente humano es, sin duda, el factor más decisivo en la incorporación
de tecnologías digitales en la enseñanza de las ciencias. Por tanto, la capacitación
y sensibilización de los docentes y estudiantes constituye una estrategia esencial
para garantizar el éxito de cualquier proceso de innovación educativa.

En el caso del profesorado, la mayoría ha sido formado en modelos tradicionales
y no posee preparación específica en el uso pedagógico de tecnologías. Esta

35. MATEMÁTICA COMPUTACIONAL

pág. 35
brecha genera inseguridad, resistencia o uso instrumental de las TIC, sin una
verdadera transformación didáctica. Por ello, es fundamental ofrecer programas
de formación continua, contextualizados, prácticos y enfocados en el diseño de
experiencias de aprendizaje con valor agregado (Salinas, 2012).

Dicha formación debe incluir al menos cinco dimensiones clave:

1. Dominio técnico de herramientas básicas y avanzadas.
2. Diseño instruccional en entornos virtuales.
3. Integración de metodologías activas (ABP, flipped learning, gamificación).
4. Evaluación digital e inclusiva.
5. Reflexión crítica sobre los aspectos éticos, legales y pedagógicos del uso
de tecnología (Cabero-Almenara & Barroso-Osuna, 2016).

Igualmente, relevante es la concientización sobre el potencial de la tecnología
para mejorar la enseñanza, más allá del entusiasmo por la novedad. Mostrar
evidencia empírica, estudios de caso y experiencias locales exitosas ayuda a
construir confianza en el cambio y genera una actitud más abierta y colaborativa
entre el profesorado.

En cuanto a los estudiantes, aunque pertenecen a generaciones digitales, no
siempre poseen competencias informacionales, académicas o éticas para un
aprendizaje autónomo en entornos virtuales. Muchos desconocen cómo evaluar
fuentes científicas, gestionar su tiempo en plataformas, interactuar con respeto
en comunidades digitales o proteger sus datos personales (Prensky, 2011;
UNESCO, 2015).

Por ello, es indispensable incluir en los planes de estudio espacios de
alfabetización digital crítica, que les permitan desarrollar una relación reflexiva,
productiva y ética con la tecnología. Estas habilidades son esenciales no solo para
su trayectoria académica, sino también para su futura vida profesional y
ciudadana.

36. MATEMÁTICA COMPUTACIONAL

pág. 36
La capacitación debe estar acompañada por un marco institucional integrador.
Las universidades tienen la responsabilidad de generar condiciones propicias:
tiempos asignados para formación, incentivos a la innovación, estructuras de
acompañamiento, espacios de experimentación y mecanismos de
reconocimiento a las buenas prácticas docentes.

3.3. Casos de estudio y buenas prácticas
En los últimos años, diversas universidades y centros educativos han desarrollado
experiencias exitosas en la incorporación de tecnologías digitales en la enseñanza de
ciencias básicas. Estos casos no solo evidencian la viabilidad de la transformación
educativa, sino que también proporcionan modelos replicables, adaptables y eficaces
que pueden orientar a otras instituciones en sus procesos de innovación. El análisis de
estas experiencias permite identificar factores de éxito, obstáculos comunes y
estrategias pedagógicas efectivas en contextos reales. A continuación, se describe una
de las prácticas más destacadas en la enseñanza universitaria de ciencias: el uso de
simuladores virtuales en física y química.

3.3.1. Implementación de simuladores virtuales en física y química
En el contexto peruano, la enseñanza de ciencias básicas en la educación
superior ha enfrentado históricamente múltiples desafíos: altos índices de
deserción, escaso acceso a laboratorios equipados, bajo rendimiento académico
y metodologías predominantemente expositivas. Frente a estas limitaciones, el
uso de simuladores virtuales se ha convertido en una alternativa pedagógica
viable para mejorar la comprensión de fenómenos físicos y químicos, ampliar el
acceso a la experimentación y motivar al estudiantado a través de recursos
tecnológicos interactivos (MINEDU, 2021).

Los simuladores virtuales son herramientas digitales que permiten representar y
manipular fenómenos científicos en entornos digitales. Estas tecnologías
resultan especialmente útiles en contextos como el peruano, donde muchas
universidades públicas carecen de infraestructura adecuada o de insumos
suficientes para realizar experimentos reales de forma sistemática (SINEACE,

37. MATEMÁTICA COMPUTACIONAL

pág. 37
2020). Su implementación no solo atiende una necesidad operativa, sino que
también responde a una visión más moderna de la enseñanza basada en el
aprendizaje activo, significativo y centrado en el estudiante.

Experiencia en universidades públicas peruanas
Un caso relevante es el de la Universidad Nacional de Ingeniería (UNI), donde se
ha incorporado el uso de simuladores virtuales en los cursos de Física General y
Química Básica como parte de su estrategia de modernización curricular. A
través de la plataforma PhET Interactive Simulations, los estudiantes pueden
interactuar con simulaciones relacionadas con movimiento rectilíneo, leyes de
Newton, circuitos eléctricos, enlaces moleculares y reacciones químicas, entre
otros temas fundamentales.

Durante la pandemia por COVID-19, la UNI, como muchas otras instituciones,
enfrentó la necesidad de migrar a la educación remota de emergencia. En este
proceso, se adoptaron herramientas como simuladores, videos interactivos y
software de laboratorio virtual para garantizar la continuidad del proceso
formativo en ciencias básicas. Según un informe de la propia universidad, el uso
de simuladores permitió reducir la brecha entre la teoría y la práctica, incluso en
contextos sin acceso físico a laboratorios (UNI, 2021).

Otra experiencia destacable es la de la Universidad Nacional de San Agustín de
Arequipa (UNSA), que ha promovido el uso de simuladores en cursos de química
mediante plataformas como ChemCollective y Avogadro. Estas aplicaciones han
sido empleadas tanto para experimentación virtual como para evaluar
habilidades prácticas, favoreciendo el desarrollo de competencias científicas en
estudiantes de carreras de ingeniería, biología y medicina.

Asimismo, universidades como la UNMSM, UNAP y UNAJ han incluido en sus
planes de estudios actividades que utilizan simuladores con fines didácticos,
muchas veces como parte de proyectos de innovación pedagógica financiados

38. MATEMÁTICA COMPUTACIONAL

pág. 38
por fondos concursables del estado o de cooperación internacional (CONCYTEC,
2020).

Beneficios observados en el contexto nacional
En el Perú, la implementación de simuladores virtuales ha generado beneficios
pedagógicos concretos, especialmente en instituciones que enfrentan
limitaciones económicas y logísticas. Entre los más relevantes destacan:

− Democratización del acceso a la experimentación: permite que estudiantes
de regiones alejadas o con escasos recursos accedan a experiencias prácticas
fundamentales en ciencias básicas.

− Mejora del rendimiento académico: varios estudios internos han registrado
una mejora en la comprensión de conceptos abstractos y en el desempeño
en evaluaciones luego de la introducción de simuladores (MINEDU, 2021).

− Fortalecimiento del aprendizaje autónomo: los estudiantes pueden
experimentar, repetir procedimientos y observar resultados en diferentes
condiciones, lo que favorece la exploración y la autorregulación del
aprendizaje (Cabero-Almenara & Llorente-Cejudo, 2015).

− Reducción del riesgo y costos: al no requerir materiales reactivos,
laboratorios físicos o equipos especializados, se minimizan riesgos y gastos,
lo cual es ideal para universidades públicas con presupuestos limitados.

Retos y aprendizajes institucionales
A pesar de los avances, la experiencia peruana también ha puesto en evidencia
una serie de retos para la implementación de estas herramientas:

− Brechas digitales: muchos estudiantes no disponen de computadoras
adecuadas o de conexión a internet estable, lo que dificulta el acceso a los

39. MATEMÁTICA COMPUTACIONAL

pág. 39
simuladores, especialmente en zonas rurales o de la sierra y selva (INEI,
2021).

− Falta de capacitación docente: algunos profesores aún muestran resistencia
al cambio o desconocimiento de cómo integrar pedagógicamente los
simuladores en sus clases. Esto se agrava por la escasez de espacios
institucionales de formación continua (Salinas, 2012).

− Necesidad de contextualización: algunos simuladores, al estar diseñados en
otros países, no siempre se ajustan a los contenidos curriculares nacionales
ni al contexto cultural del estudiantado peruano, lo cual demanda estrategias
de adaptación didáctica.

− Limitaciones en la evaluación: en muchos casos, no existen criterios claros
para evaluar el aprendizaje logrado mediante simuladores, lo que reduce su
potencial formativo y limita su inclusión en los sistemas de acreditación y
aseguramiento de la calidad (SINEACE, 2020).

Propuestas para su fortalecimiento
Para mejorar y ampliar el uso de simuladores virtuales en la enseñanza de física
y química en universidades peruanas, se proponen las siguientes estrategias:

− Inversión pública sostenida: se requiere fortalecer el financiamiento a
proyectos de innovación pedagógica que incluyan herramientas virtuales de
experimentación, especialmente en universidades públicas.

− Programas de formación docente continua: los simuladores deben ser
acompañados de programas que capaciten a los profesores no solo en su uso
técnico, sino también en el diseño de actividades y evaluación basada en
competencias.

40. MATEMÁTICA COMPUTACIONAL

pág. 40
− Desarrollo de simuladores nacionales: se recomienda promover la creación
de simuladores adaptados al currículo peruano, desarrollados por
universidades locales en colaboración con centros de investigación y
empresas tecnológicas.

− Incorporación formal en el currículo: los simuladores deben dejar de ser
considerados herramientas complementarias o experimentales, y pasar a
formar parte de las actividades oficiales de los cursos de ciencias básicas, con
créditos y evaluación incluidos.

3.3.2. Uso de plataformas colaborativas en matemáticas
La enseñanza de las matemáticas en el nivel universitario representa uno de los
mayores retos para las instituciones de educación superior en el Perú.
Asignaturas como álgebra lineal, cálculo, estadística o geometría analítica suelen
presentar elevados índices de desaprobación y deserción, tanto en universidades
públicas como privadas. Diversos estudios atribuyen esta situación a factores
como la escasa contextualización de los contenidos, el predominio de
metodologías tradicionales expositivas y la falta de vinculación entre teoría y
práctica (SINEACE, 2020; MINEDU, 2021).

En respuesta a esta problemática, diversas universidades han comenzado a
implementar plataformas colaborativas que facilitan el trabajo en equipo, el
aprendizaje entre pares y el desarrollo de competencias transversales. Estas
herramientas digitales, que permiten la construcción conjunta de conocimiento
en tiempo real o asincrónico, han demostrado ser especialmente útiles en el
ámbito de las matemáticas, donde la resolución de problemas y el razonamiento
lógico se benefician del diálogo, la discusión y la retroalimentación entre
estudiantes (Cabero-Almenara & Llorente-Cejudo, 2015).

41. MATEMÁTICA COMPUTACIONAL

pág. 41
Experiencia: implementación en la Universidad Nacional Mayor de San Marcos
(UNMSM)
Un ejemplo destacable es el de la UNMSM, que en los últimos años ha promovido
el uso de plataformas colaborativas como GeoGebra Classroom, Padlet,
Jamboard y Google Docs en los cursos de matemáticas básicas del área de
ciencias e ingeniería. La estrategia fue diseñada como parte del Proyecto de
Innovación Curricular de la Facultad de Ciencias Matemáticas, con el objetivo de
fomentar una pedagogía más activa y participativa.

En este modelo, los docentes plantean problemas abiertos que los estudiantes
deben resolver en equipos utilizando herramientas colaborativas. Por ejemplo,
en cursos de álgebra lineal, se emplea GeoGebra para representar gráficamente
sistemas de ecuaciones o transformaciones lineales, y se complementa con
documentos compartidos donde los grupos registran sus procedimientos,
reflexiones y resultados. El docente interviene de forma moderadora, brindando
orientaciones y retroalimentación a cada grupo.

Esta modalidad ha permitido que los estudiantes se involucren más activamente
en el proceso de aprendizaje, compartan distintas formas de abordar un
problema, justifiquen sus razonamientos y corrijan errores en conjunto. De
acuerdo con reportes institucionales, se ha observado una mejora en el
rendimiento académico, mayor participación en clase y una actitud más positiva
hacia las matemáticas (UNMSM, 2022).

Aplicaciones en contextos semipresenciales y remotos
El uso de plataformas colaborativas ha cobrado aún más relevancia en escenarios
de educación virtual o semipresencial. Durante la pandemia de COVID-19,
muchas universidades peruanas se vieron forzadas a migrar rápidamente a
entornos digitales, y plataformas como Moodle, Google Classroom, Microsoft
Teams y Zoom comenzaron a integrarse de manera generalizada. En este
contexto, herramientas complementarias como Desmos, GeoGebra y Kahoot

42. MATEMÁTICA COMPUTACIONAL

pág. 42
permitieron enriquecer la enseñanza de matemáticas y mantener la interacción
pedagógica.

La Universidad Nacional del Altiplano (UNAP), por ejemplo, promovió el uso de
Desmos y GeoGebra para el desarrollo de prácticas en línea en cursos de cálculo
y estadística, permitiendo que los estudiantes trabajen en simultáneo sobre una
misma interfaz y puedan visualizar las construcciones gráficas de sus
compañeros. Esta práctica colaborativa fue particularmente útil para
comprender nociones como derivadas, integrales, funciones multivariables y
correlaciones estadísticas.

Del mismo modo, la Universidad Nacional de San Antonio Abad del Cusco
(UNSAAC) reportó que el uso de pizarras colaborativas digitales como Jamboard
permitió dinamizar la enseñanza de razonamiento matemático en el primer ciclo,
promoviendo la participación activa incluso entre estudiantes con bajo
rendimiento previo (UNSAAC, 2021).

Beneficios pedagógicos observados
La implementación de plataformas colaborativas en la enseñanza de
matemáticas ha mostrado una serie de beneficios, especialmente en
instituciones que combinan innovación metodológica con acompañamiento
docente. Entre los principales beneficios se encuentran:

− Fomento del aprendizaje entre pares: permite que los estudiantes
construyan conocimiento de manera conjunta, discutan estrategias y validen
resultados con sus compañeros, promoviendo un aprendizaje más profundo
(Bonwell & Eison, 1991).

− Estimulación del pensamiento crítico: la resolución colaborativa de
problemas complejos obliga a los estudiantes a justificar sus ideas, considerar
puntos de vista alternativos y tomar decisiones fundamentadas.

43. MATEMÁTICA COMPUTACIONAL

pág. 43
− Desarrollo de competencias transversales: se fortalecen habilidades como el
trabajo en equipo, la comunicación efectiva, la gestión del tiempo y la
responsabilidad compartida.

− Mayor motivación y compromiso: al sentirse parte activa del proceso, los
estudiantes desarrollan una actitud más positiva hacia las matemáticas,
superando barreras afectivas como el miedo o la ansiedad.

− Inclusión de estudiantes con distintos niveles: al permitir múltiples formas
de participación, estas plataformas benefician tanto a estudiantes avanzados
como a aquellos con dificultades, creando entornos más equitativos.

Desafíos para su consolidación
No obstante, la implementación de plataformas colaborativas también implica
enfrentar varios desafíos. Entre los más comunes en el contexto peruano se
encuentran:

− Falta de formación docente en metodologías colaborativas: muchos
profesores dominan el contenido matemático, pero no han sido capacitados
en la gestión pedagógica de grupos colaborativos ni en el uso de
herramientas digitales.

− Acceso desigual a tecnología: persisten brechas en el acceso a internet y
dispositivos, especialmente en universidades de provincias o en estudiantes
de bajos recursos (INEI, 2021).

− Resistencia cultural al trabajo en equipo: algunos estudiantes y docentes
siguen prefiriendo el trabajo individual, y consideran que las plataformas
colaborativas pueden diluir la responsabilidad individual o generar
desorganización.

44. MATEMÁTICA COMPUTACIONAL

pág. 44
− Evaluación compleja: resulta más difícil evaluar de manera objetiva el
desempeño individual en trabajos colaborativos, por lo que se requieren
nuevos instrumentos y criterios de evaluación formativa.

Recomendaciones para su fortalecimiento
Para consolidar el uso de plataformas colaborativas en la enseñanza de
matemáticas en universidades peruanas, se proponen las siguientes acciones:

− Desarrollar programas de formación docente continua, con énfasis en diseño
de actividades colaborativas, gestión de grupos, evaluación formativa y uso
didáctico de herramientas digitales.

− Incorporar estas plataformas de forma sistemática en los planes de estudio,
asegurando su integración curricular y no su uso aislado o voluntario.

− Promover el diseño de actividades auténticas y contextualizadas, que
vinculen los conceptos matemáticos con situaciones reales o problemas
interdisciplinarios.

− Garantizar el acceso tecnológico básico para todos los estudiantes, mediante
políticas institucionales de conectividad, préstamo de equipos o apoyo
económico.

3.3.3. Experiencias con realidad aumentada en biología
La enseñanza de la biología en la educación superior peruana ha enfrentado
durante décadas el reto de explicar conceptos altamente visuales, estructurales
y dinámicos como procesos celulares, sistemas orgánicos o mecanismos
evolutivos mediante métodos mayormente expositivos y recursos limitados.
Ante ello, la realidad aumentada (RA) ha surgido como una alternativa
pedagógica innovadora que permite superar las restricciones del aula tradicional,
al ofrecer experiencias de aprendizaje inmersivas, interactivas y altamente
motivadoras.

45. MATEMÁTICA COMPUTACIONAL

pág. 45

La RA es una tecnología que superpone elementos virtuales tridimensionales al
entorno físico real, permitiendo a los estudiantes observar, manipular y explorar
estructuras biológicas en tiempo real, mediante dispositivos móviles, tabletas o
gafas inteligentes. Este tipo de experiencias no solo facilita la comprensión de
fenómenos complejos, sino que también estimula el aprendizaje activo, la
motivación y la conexión emocional con el contenido (Bacca et al., 2014).

Experiencia: Universidad Nacional de Trujillo (UNT)
Una experiencia relevante en el contexto peruano es la implementada por la
Facultad de Ciencias Biológicas de la Universidad Nacional de Trujillo (UNT), que
desde el año 2021 ha desarrollado un proyecto piloto con el uso de realidad
aumentada para la enseñanza de anatomía comparada y fisiología vegetal.

Mediante la aplicación Human Anatomy AR y recursos desarrollados con
plataformas como Unity 3D y HP Reveal, los docentes crearon actividades donde
los estudiantes podían interactuar con modelos tridimensionales de órganos,
tejidos y células, visualizándolos desde distintos ángulos y escalas. Estas
experiencias se complementaron con cuestionarios interactivos y tareas
colaborativas en línea.

Los resultados preliminares indicaron una mejora en el rendimiento académico
de los estudiantes y una actitud más positiva hacia los contenidos de biología.
Asimismo, los docentes reportaron mayor participación, preguntas más
elaboradas en clase y una reducción en el ausentismo (UNT, 2022).

Experiencia: Universidad Nacional de San Antonio Abad del Cusco (UNSAAC)
La UNSAAC también ha iniciado procesos de innovación en sus cursos de biología
utilizando realidad aumentada. En 2022, se desarrolló un proyecto con
estudiantes de primer ciclo de la carrera de Ciencias Biológicas, en el que se
utilizó la aplicación Merge EDU y modelos interactivos de células eucariotas,
bacterias, estructuras del ADN y sistemas digestivos animales.

46. MATEMÁTICA COMPUTACIONAL

pág. 46

Esta implementación tuvo un enfoque constructivista y participativo: los
estudiantes no solo visualizaban los modelos, sino que también realizaban
presentaciones grupales explicando las funciones de cada estructura, generando
mayor apropiación del contenido. Los informes del proyecto destacaron que esta
metodología ayudó a los estudiantes a integrar conocimientos anatómicos con
procesos fisiológicos de manera más clara y duradera (UNSAAC, 2022).

Ventajas observadas en el contexto peruano
El uso de RA en cursos universitarios de biología ha reportado múltiples
beneficios, incluso en contextos de recursos limitados:

− Visualización tridimensional: permite explorar con detalle estructuras
microscópicas o anatómicas difíciles de comprender a partir de imágenes
estáticas.

− Aprendizaje significativo: la experiencia activa y multisensorial
contribuye a una comprensión más profunda y duradera (Mayer, 2009).

− Motivación y curiosidad científica: los estudiantes se sienten atraídos
por la novedad tecnológica, lo que incrementa su participación y
disposición al aprendizaje (Bacca et al., 2014).

− Flexibilidad pedagógica: los recursos de RA pueden ser utilizados tanto
en clases presenciales como virtuales, de manera individual o grupal.

− Accesibilidad creciente: gracias al uso de aplicaciones móviles gratuitas y
la compatibilidad con smartphones de gama media, la RA ya no es una
herramienta exclusiva de instituciones con altos presupuestos.

47. MATEMÁTICA COMPUTACIONAL

pág. 47
Desafíos y limitaciones
A pesar de su potencial, la implementación de RA en biología también presenta
dificultades:

− Formación docente limitada: muchos docentes no han sido capacitados
en el diseño ni uso pedagógico de experiencias de RA, lo que puede
generar una subutilización de la herramienta (Cabero-Almenara &
Barroso-Osuna, 2016).

− Falta de conectividad y dispositivos: en regiones rurales o universidades
con pocos recursos, el acceso a dispositivos móviles adecuados y
conectividad estable sigue siendo un problema (INEI, 2021).

− Resistencia institucional al cambio: en algunos casos, las innovaciones
tecnológicas no están integradas formalmente en el currículo, lo que
limita su continuidad y sistematización.

− Escasa producción local de contenidos: la mayoría de aplicaciones
disponibles están en inglés y responden a modelos internacionales, lo que
puede generar barreras lingüísticas y culturales.

Recomendaciones para su fortalecimiento
Para potenciar el uso de RA en la enseñanza de biología en universidades
peruanas, se sugiere:

1. Capacitar al profesorado en el diseño didáctico de experiencias con RA,
integrando cursos de formación continua en metodologías activas y
tecnologías educativas.

2. Incentivar la producción de contenidos digitales en castellano, con el
apoyo de instituciones como CONCYTEC, MINEDU o el Fondo Nacional de
Desarrollo de la Educación Peruana (FONDEP).

48. MATEMÁTICA COMPUTACIONAL

pág. 48

3. Integrar la RA como parte de los planes de estudio oficiales, con criterios
de evaluación que reconozcan sus beneficios pedagógicos.

4. Generar alianzas interuniversitarias para compartir experiencias,
contenidos y buenas prácticas en el uso de RA en ciencias básicas.

5. Fomentar la investigación educativa aplicada, evaluando el impacto real
de estas tecnologías en el rendimiento académico, la motivación y la
equidad educativa.

49. MATEMÁTICA COMPUTACIONAL

pág. 49
































IV.
CONCLUSIONES

50. MATEMÁTICA COMPUTACIONAL

pág. 50
4. CONCLUSIONES
La presente monografía ha permitido analizar de manera profunda y
contextualizada el impacto que tiene la utilización de tecnologías digitales
interactivas en la enseñanza universitaria de las ciencias básicas, tomando como
referencia tanto estudios teóricos como experiencias concretas en universidades
del Perú. A partir de este análisis, se constata que la integración de herramientas
digitales contribuye significativamente a la mejora del proceso educativo, al
fortalecer el aprendizaje activo, estimular la motivación del estudiantado y
favorecer el desarrollo de competencias científicas y digitales esenciales para el
contexto contemporáneo.

Las herramientas digitales aplicadas a la enseñanza de las ciencias básicas
comprenden una amplia gama de recursos como simuladores virtuales,
plataformas colaborativas, ambientes virtuales de aprendizaje, recursos
multimedia y tecnologías inmersivas como la realidad aumentada. Cada una de
estas herramientas ofrece características particulares que, cuando son
incorporadas con sentido pedagógico, permiten representar fenómenos
abstractos, realizar prácticas experimentales seguras y personalizar el
aprendizaje según las necesidades de los estudiantes. La revisión de experiencias
nacionales evidenció que instituciones como la Universidad Nacional de
Ingeniería, la Universidad Nacional Mayor de San Marcos y la Universidad
Nacional de Trujillo han logrado implementar con éxito estas herramientas,
observándose mejoras en la comprensión conceptual, la participación estudiantil
y el rendimiento académico.

En relación con las metodologías pedagógicas, el estudio ha revelado que la mera
disponibilidad de tecnología no garantiza el mejoramiento de la enseñanza, sino
que es necesaria su integración con enfoques metodológicos activos. En este
sentido, prácticas como el aprendizaje basado en problemas, el aula invertida, el
trabajo colaborativo y el uso de simulaciones interactivas potencian el desarrollo
del pensamiento científico, la autonomía del estudiante y el trabajo en equipo.
Estas metodologías, cuando se articulan con tecnología, ofrecen entornos más

51. MATEMÁTICA COMPUTACIONAL

pág. 51
dinámicos, retadores y motivadores, lo que favorece un aprendizaje más
profundo y duradero.

A pesar de estos avances, también se identificaron importantes limitaciones que
dificultan una implementación efectiva y equitativa de la tecnología en la
enseñanza de ciencias. Entre los principales obstáculos destacan las deficiencias
en infraestructura tecnológica, especialmente en universidades públicas de
regiones rurales, la falta de formación específica del profesorado en el uso
pedagógico de herramientas digitales y la resistencia institucional a modificar
modelos educativos arraigados en prácticas tradicionales. Estas limitaciones, si
no son abordadas de forma estructural, corren el riesgo de acentuar las brechas
de aprendizaje y limitar el acceso igualitario a una educación científica de calidad.

Por otro lado, el análisis de los beneficios permitió reconocer que el uso
adecuado de tecnologías digitales puede democratizar el acceso a experiencias
de aprendizaje que antes estaban reservadas a instituciones con mayores
recursos. Las simulaciones científicas, los modelos tridimensionales interactivos
y las plataformas de trabajo colaborativo brindan oportunidades para que
estudiantes de distintas regiones puedan experimentar, visualizar y comprender
contenidos complejos, sin depender de la infraestructura física tradicional. De
igual forma, estas herramientas permiten adaptar el ritmo y la profundidad del
aprendizaje a las características individuales de los estudiantes, promoviendo así
una educación más inclusiva y personalizada.

En el contexto peruano, los casos analizados evidencian que la innovación
educativa con tecnología no solo es posible, sino que puede lograrse de manera
efectiva incluso en escenarios con limitaciones presupuestarias, siempre que
exista liderazgo docente, apoyo institucional y políticas orientadas al
mejoramiento continuo. Las experiencias de la Universidad Nacional de San
Antonio Abad del Cusco y de la Universidad Nacional del Altiplano demuestran
que, mediante proyectos piloto bien diseñados, es posible integrar tecnologías
emergentes como la realidad aumentada o los simuladores virtuales con

52. MATEMÁTICA COMPUTACIONAL

pág. 52
resultados pedagógicos positivos, incluso durante periodos de virtualidad
forzada como el vivido durante la pandemia de COVID-19.

Asimismo, la investigación evidenció que el uso de tecnologías no debe
entenderse como una solución aislada ni como una moda educativa. Su
implementación efectiva requiere una visión estratégica que considere la
formación docente continua, el diseño instruccional basado en competencias, la
creación de contenidos pertinentes, la evaluación formativa y la integración
curricular. Cuando estos elementos se articulan de manera coherente, la
tecnología no solo complementa la enseñanza, sino que la transforma,
generando entornos de aprendizaje más ricos, colaborativos y orientados al
desarrollo de habilidades del siglo XXI.

Finalmente, se concluye que el verdadero potencial de las tecnologías digitales
interactivas en la enseñanza de las ciencias básicas no reside únicamente en su
capacidad técnica, sino en su valor pedagógico. Las TIC deben estar al servicio de
una enseñanza centrada en el estudiante, orientada al desarrollo de
competencias científicas y comprometida con la mejora de la calidad educativa
en el país. Para que este cambio sea sostenible, es indispensable promover una
cultura institucional abierta a la innovación, fortalecer la infraestructura
tecnológica, reducir las desigualdades en el acceso y consolidar políticas públicas
que impulsen el uso responsable y estratégico de la tecnología en la educación
superior peruana.

53. MATEMÁTICA COMPUTACIONAL

pág. 53
































V.
RECOMENDACIONES

54. MATEMÁTICA COMPUTACIONAL

pág. 54
5. RECOMENDACIONES
A partir del análisis realizado, se recomienda a las instituciones de educación
superior en el Perú adoptar una visión estratégica, sistemática y contextualizada
en la integración de tecnologías digitales interactivas en la enseñanza de ciencias
básicas. Esta visión debe considerar tanto los aspectos técnicos como los
pedagógicos, humanos y organizacionales, garantizando su alineación con los
objetivos de aprendizaje, la mejora de la calidad educativa y la equidad en el
acceso.

En primer lugar, es fundamental que las universidades desarrollen e
implementen programas de formación docente continua y especializada en
competencias tecnopedagógicas. La incorporación exitosa de herramientas
digitales requiere que los profesores no solo dominen el uso instrumental de la
tecnología, sino que comprendan cómo integrarla en el diseño didáctico, la
evaluación formativa y el desarrollo de competencias científicas. Estos
programas deben incluir metodologías activas, estrategias de aula invertida,
recursos multimedia, diseño de ambientes virtuales y uso de tecnologías
emergentes como simuladores o realidad aumentada. Esta formación debe ser
obligatoria, con seguimiento, evaluación y reconocimiento institucional.

De igual manera, se recomienda que las universidades elaboren lineamientos
institucionales claros para la selección, uso y evaluación de recursos digitales
aplicados a la enseñanza de ciencias. Esto implica establecer criterios de calidad
pedagógica, accesibilidad, pertinencia cultural y sostenibilidad técnica para la
adopción de plataformas, aplicaciones o recursos multimedia. Las decisiones
tecnológicas deben ser tomadas en función de su valor educativo y no por
razones exclusivamente técnicas o comerciales.

Asimismo, es prioritario que las instituciones generen condiciones para el acceso
equitativo a la tecnología entre los estudiantes. Esto incluye asegurar la
conectividad en los campus, implementar políticas de préstamo de dispositivos,
crear laboratorios virtuales accesibles y considerar las necesidades de los

55. MATEMÁTICA COMPUTACIONAL

pág. 55
estudiantes de zonas rurales o con escasos recursos. La inclusión digital debe ser
un principio orientador en todas las decisiones vinculadas al uso de tecnologías
en la educación superior.

En cuanto al diseño curricular, se recomienda integrar de forma explícita el uso
de tecnologías digitales interactivas en los planes de estudio de las asignaturas
de ciencias básicas. Esto requiere articular los recursos tecnológicos con las
competencias específicas del área, incorporar actividades evaluables que utilicen
dichas herramientas y adaptar los contenidos a formatos digitales interactivos.
Las metodologías activas potenciadas por TIC deben formar parte del currículo y
no depender únicamente de la voluntad individual de los docentes.

También es necesario promover la producción de contenidos educativos
digitales contextualizadas, desarrollados en el ámbito local y en lengua
castellana. Estos contenidos deben responder al currículo universitario nacional
y considerar las características socioculturales de los estudiantes peruanos. Para
ello, se sugiere fomentar alianzas entre universidades, centros de investigación,
especialistas en tecnología educativa y profesionales del área científica, con el
apoyo de fondos estatales y organismos de cooperación internacional.

Otra recomendación importante es incentivar la documentación, sistematización
y difusión de experiencias innovadoras en el uso de tecnología en ciencias
básicas. Las universidades deben valorar las buenas prácticas docentes,
promover la publicación de resultados de innovación pedagógica y generar
comunidades de aprendizaje entre profesores. Esta cultura institucional del
intercambio y la mejora continua puede ser clave para la sostenibilidad de los
procesos de transformación educativa.

Finalmente, se sugiere que el Estado, a través del Ministerio de Educación,
CONCYTEC y el SINEACE, desarrolle políticas públicas de fomento a la innovación
educativa con tecnología, dirigidas específicamente a la mejora de la enseñanza
de ciencias en la universidad pública. Estas políticas deben incluir líneas de

56. MATEMÁTICA COMPUTACIONAL

pág. 56
financiamiento, estándares de calidad, criterios de evaluación, marcos éticos y
acciones afirmativas para reducir las brechas regionales y sociales que afectan el
acceso a una educación científica de calidad.

El uso efectivo de tecnologías digitales en la enseñanza de las ciencias básicas no
puede depender de acciones aisladas o individuales, sino que requiere una
acción articulada, planificada y sostenida por parte de todos los actores del
sistema universitario peruano. Solo así será posible consolidar un modelo
educativo que prepare a los estudiantes para enfrentar los desafíos científicos,
tecnológicos y sociales del siglo XXI, con equidad, calidad y sentido crítico.

57. MATEMÁTICA COMPUTACIONAL

pág. 57
































VI.
REFERENCIAS BIBLIOGRÁFICAS

58. MATEMÁTICA COMPUTACIONAL

pág. 58
6. REFERENCIAS BIBLIOGRÁFICAS
Area, M. (2018). La innovación educativa en la era digital. Editorial Octaedro.
Bacca, J., Baldiris, S., Fabregat, R., Graf, S., & Kinshuk. (2014). Augmented reality trends
in education: A systematic review of research and applications. Educational
Technology & Society, 17(4), 133–149.
Bonwell, C. C., & Eison, J. A. (1991). Active learning: Creating excitement in the
classroom. ASHE-ERIC Higher Education Report No. 1.
Cabero-Almenara, J., & Barroso-Osuna, J. (2016). La utilización del aprendizaje móvil en
educación: experiencias de uso con estudiantes universitarios. Comunicar,
24(48), 9–18. https://doi.org/10.3916/C48-2016-01
Cabero-Almenara, J., & Llorente-Cejudo, M. C. (2015). La aplicación de las tecnologías
de la información y la comunicación en la enseñanza universitaria: Retos y
oportunidades. RIED. Revista Iberoamericana de Educación a Distancia, 18(2),
25–40. https://doi.org/10.5944/ried.18.2.13889
CONCYTEC. (2020). Buenas prácticas de innovación educativa en universidades públicas
peruanas. Lima: Consejo Nacional de Ciencia, Tecnología e Innovación
Tecnológica.
INEI. (2021). Informe Técnico: Tecnologías de la Información y Comunicación en los
Hogares. Lima: Instituto Nacional de Estadística e Informática.
Johnson, L., Adams Becker, S., Estrada, V., & Freeman, A. (2016). NMC Horizon Report:
2016 Higher Education Edition. The New Media Consortium.
Mayer, R. E. (2009). Multimedia Learning (2nd ed.). Cambridge University Press.
MINEDU. (2021). Informe de evaluación sobre experiencias de innovación educativa
durante la pandemia. Dirección General de Educación Superior Universitaria.
MINEDU. (2021). Informe sobre desempeño académico en matemáticas en educación
superior. Dirección General de Educación Superior Universitaria.
OCDE. (2018). Education at a Glance 2018: OECD Indicators. OECD Publishing.
https://doi.org/10.1787/eag-2018-en
Prensky, M. (2011). Enseñar a nativos digitales. SM.
Salinas, J. (2012). Innovación educativa y uso de las TIC. Profesorado. Revista de
Currículum y Formación del Profesorado, 16(1), 247–268.

59. MATEMÁTICA COMPUTACIONAL

pág. 59
SINEACE. (2020). Estándares para la enseñanza universitaria de ciencias básicas. Lima:
Sistema Nacional de Evaluación, Acreditación y Certificación de la Calidad
Educativa.
UNI. (2021). Informe sobre uso de tecnologías educativas en la enseñanza de ciencias
básicas durante la emergencia sanitaria. Dirección Académica.
UNESCO. (2015). Rethinking Education: Towards a Global Common Good? UNESCO
Publishing.
UNMSM. (2022). Informe de buenas prácticas pedagógicas en matemáticas básicas.
Vicerrectorado Académico.
UNSAAC. (2021). Uso de tecnologías colaborativas en cursos de ciencias básicas durante
la virtualidad. Oficina de Calidad Académica.
Universidad de Colorado Boulder. (s.f.). PhET Interactive Simulations.
https://phet.colorado.edu/

60. MATEMÁTICA COMPUTACIONAL

pág. 60
































VII.
ANEXOS

61. MATEMÁTICA COMPUTACIONAL

pág. 61
7. ANEXOS
Glosario de términos
− Ciencias Básicas Disciplinas fundamentales como Matemáticas, Física, Química
y Biología que sustentan el conocimiento científico y tecnológico, y promueven
el pensamiento lógico, crítico y analítico.
− Aprendizaje Activo Modelo pedagógico centrado en la participación del
estudiante mediante exploración, resolución de problemas y aplicación práctica
del conocimiento.
− Pensamiento Crítico Capacidad de analizar, cuestionar, interpretar información
y tomar decisiones fundamentadas, esencial en la formación científica.
− Simuladores Virtuales Aplicaciones digitales que recrean fenómenos científicos
o procesos experimentales, permitiendo la práctica en entornos seguros y
controlados.
− Laboratorios en Línea Espacios digitales que permiten realizar prácticas
experimentales remotamente mediante simulaciones o conexiones a
dispositivos reales.
− Realidad Aumentada (RA) Tecnología que superpone elementos digitales
(imágenes, modelos 3D, datos) sobre el entorno físico, facilitando la visualización
interactiva.
− Realidad Virtual (RV) Entornos digitales completamente inmersivos que simulan
experiencias científicas, físicas o químicas para una comprensión profunda.
− Entornos de Aprendizaje Colaborativo Plataformas o métodos que promueven
el trabajo en equipo, la co-creación de conocimiento y la resolución conjunta de
problemas.
− Plataformas de Gestión del Aprendizaje (LMS) Sistemas como Moodle,
Blackboard o Canvas que organizan, distribuyen y gestionan contenidos
educativos, evaluaciones y comunicaciones.
− Gamificación Uso de dinámicas de juego (retos, puntuaciones, recompensas) en
contextos educativos para aumentar la motivación y el compromiso del
estudiante.

62. MATEMÁTICA COMPUTACIONAL

pág. 62
− Nativos Digitales Generación de estudiantes que han crecido en entornos
tecnológicos, acostumbrados a interactuar con dispositivos y redes digitales.
− Multimedia Educativo Conjunto de recursos como videos, animaciones,
infografías o podcasts utilizados para facilitar el aprendizaje de conceptos
complejos.
− Competencias Científicas Conjunto de habilidades necesarias para comprender,
aplicar y comunicar conocimientos científicos de forma crítica y responsable.
− Aprendizaje Basado en Proyectos (ABP) Metodología que plantea retos reales o
hipotéticos que el estudiante debe resolver integrando conocimientos y
habilidades multidisciplinarias.
− Aprendizaje Basado en Problemas (PBL) Estrategia centrada en el análisis y
resolución de situaciones problemáticas reales, fomentando el pensamiento
crítico y colaborativo.
− Aprendizaje Personalizado Enfoque que adapta los contenidos, tiempos y
recursos a las características, ritmos y estilos de cada estudiante.
− Aprendizaje Adaptativo Sistema que ajusta automáticamente la dificultad y los
recursos en función del desempeño del estudiante.
− Retroalimentación Inmediata Respuesta automatizada o docente que permite
al estudiante conocer su desempeño y corregir errores al instante.
− Deserción Académica Abandono de asignaturas o programas por desmotivación,
dificultad o percepción negativa de su utilidad.
− Tecnologías de la Información y Comunicación (TIC) Herramientas tecnológicas
aplicadas al procesamiento, almacenamiento y transmisión de información
educativa.
− Infraestructura Digital Educativa Conjunto de dispositivos, redes, plataformas y
software necesarios para implementar tecnologías en la educación.
− Estilos de Aprendizaje Preferencias individuales en la forma de procesar
información: visual, auditiva, kinestésica, etc.
− Desempeño Académico Medida del rendimiento de los estudiantes en relación
con los objetivos de aprendizaje propuestos.

63. MATEMÁTICA COMPUTACIONAL

pág. 63
− Habilidades Transversales Competencias como la comunicación, trabajo en
equipo, gestión del tiempo, pensamiento crítico, aplicables a cualquier disciplina.
− Constructivismo Enfoque pedagógico que considera que el conocimiento se
construye activamente por el estudiante a partir de su experiencia.
− Recurso Educativo Digital Material de aprendizaje disponible en formato digital:
guías, ejercicios interactivos, simulaciones, entre otros.
− Capacitación Docente Continua Proceso de formación permanente del
profesorado para adaptarse a los cambios tecnológicos y pedagógicos.
− Evaluación Formativa Estrategia que permite monitorear el aprendizaje en
tiempo real para ajustarlo y mejorarlo durante el proceso.
− Educación Inclusiva Modelo educativo que garantiza la participación y el
aprendizaje de todos, sin importar capacidades, contexto o nivel.
− Ubiquidad del Aprendizaje Posibilidad de aprender en cualquier momento y
lugar gracias a dispositivos móviles y plataformas online.
− Educación Híbrida Modelo que combina actividades presenciales con recursos y
experiencias virtuales.
− Entorno Virtual de Aprendizaje (EVA) Espacio digital estructurado para la
interacción, entrega de contenidos y evaluación del aprendizaje.
− Modelado Digital Técnica computacional para representar visualmente
fenómenos científicos o procesos mediante gráficos 3D y simulaciones.
− Accesibilidad Digital Diseño de recursos y plataformas educativas que pueden
ser utilizados por personas con diferentes capacidades.
− Tecnología Educativa Campo interdisciplinar que estudia y aplica herramientas
tecnológicas al proceso de enseñanza-aprendizaje.
− Experiencia de Usuario (UX) Educativa Calidad de la interacción del estudiante
con los recursos digitales en función de su facilidad, utilidad y satisfacción.
− Narrativa Digital Educativa Uso de historias interactivas o transmedia para
enseñar conceptos de manera contextualizada y atractiva.
− Objetos de Aprendizaje Unidades digitales reutilizables que contienen
contenidos, actividades y evaluaciones centradas en un objetivo específico.

64. MATEMÁTICA COMPUTACIONAL

pág. 64
− Visualización de Datos Científicos Representación gráfica de resultados o
fenómenos para facilitar su interpretación y análisis.
− Desarrollo de Competencias Digitales Adquisición de habilidades para usar
eficientemente herramientas tecnológicas en contextos académicos y
profesionales.
− Flipped Classroom (Clase Invertida) Modelo en el cual el contenido teórico se
estudia fuera del aula y el tiempo presencial se dedica a actividades prácticas.
− Motivación Intrínseca en el Aprendizaje Interés genuino del estudiante por
aprender, impulsado por la curiosidad y la satisfacción personal.
− Educación Basada en Evidencias Toma de decisiones pedagógicas sustentadas
en investigaciones, datos y buenas prácticas comprobadas.
− Evaluación Digital Proceso de medir el aprendizaje mediante pruebas, tareas o
proyectos realizados en plataformas tecnológicas.
− Inclusión Tecnológica en Educación Acceso equitativo de todos los estudiantes
a dispositivos, conectividad y recursos digitales.
− Obstáculos Tecnológicos Limitaciones técnicas (hardware, conectividad,
mantenimiento) que dificultan la implementación efectiva de TIC.
− Cultura Pedagógica Conjunto de creencias, actitudes y prácticas que orientan la
enseñanza y el aprendizaje en una institución.
− Docente Facilitador Rol del profesor como guía y mediador del aprendizaje más
que como transmisor de contenido.
− Interactividad Educativa Capacidad de un recurso o entorno para generar
respuestas activas del estudiante mediante retroalimentación o toma de
decisiones.
− Innovación Educativa Proceso de transformación de prácticas tradicionales
mediante la incorporación de nuevos enfoques, herramientas y metodologías.

65. MATEMÁTICA COMPUTACIONAL

pág. 65




COMPUTACIONAL
MATEMÁTICA
Yanet Violeta Sucari Sucari
Víctor Hugo Condori Mamani