En el contexto educativo actual, persiste una concepción errónea sobre las competencias digitales de las nuevas generaciones. La noción del “nativo digital” sugiere que los jóvenes, por el mero hecho de haber nacido en la era digital, poseen inherentemente las capacidades necesarias para desenvolverse eficazmente en entornos tecnológicos complejos. Sin embargo, la evidencia demuestra que la mayoría de estos jóvenes apenas alcanzan un nivel básico (nivel 1) de destrezas digitales (Kirschner & De Bruyckere, 2017; González-Calatayud et al., 2022). Esta realidad plantea un desafío crítico para las instituciones educativas: ¿cómo desarrollar verdaderas competencias digitales que preparen a los estudiantes para un futuro tecnológicamente complejo?
El modelo de progresión de competencias digitales ilustra claramente esta problemática, revelando la brecha entre la percepción y la realidad de las habilidades digitales de los estudiantes. Las consecuencias de esta visión errónea incluyen desatención institucional, brechas invisibilizadas y responsabilidad desplazada, condiciones que comprometen gravemente la formación integral en competencias digitales fundamentales para el futuro profesional (Falloon, 2022).
Marcos de Referencia: Fundamentos para el Desarrollo de Competencias Digitales y de IA
El desarrollo efectivo de competencias digitales y de inteligencia artificial requiere marcos de referencia sólidos que orienten los procesos formativos. El marco europeo DigCompEdu proporciona una estructura comprensiva para el desarrollo de competencias digitales en educadores y estudiantes, estableciendo progresiones desde destrezas básicas hasta competencias avanzadas (Caena & Vuorikari, 2023). Este marco identifica seis áreas clave: compromiso profesional, recursos digitales, enseñanza y aprendizaje, evaluación, empoderamiento de los estudiantes y facilitación de competencias digitales.
De forma complementaria, el Marco de Competencias en IA de la UNESCO ofrece directrices para desarrollar habilidades relacionadas con la comprensión, utilización y desarrollo de sistemas de inteligencia artificial, abordando aspectos técnicos, éticos y sociales (UNESCO, 2021). Este marco enfatiza la importancia de desarrollar no solo habilidades técnicas, sino también capacidades críticas para evaluar el impacto social y ético de las tecnologías emergentes.
La integración de estos marcos proporciona una base conceptual sólida para desarrollar programas formativos que trascienden la simple exposición a herramientas digitales, promoviendo una comprensión profunda y crítica de las tecnologías y sus implicaciones (Cabero-Almenara et al., 2021).
El Semillero STEBE: Un Ecosistema Protegido para la Experimentación y Desarrollo de Competencias
El Semillero de Tecnología Educativa Basada en Evidencias (STEBE) de la iniciativa IFE Living Lab, del Institute for the Future Education (IFE) del Tecnológico de Monterrey representa una respuesta innovadora a los desafíos identificados. Esta iniciativa, integrada dentro del ecosistema del IFE Living Lab (IFE-LL), trasciende los enfoques tradicionales de formación tecnológica al establecer un ecosistema protegido donde los estudiantes participan como investigadores activos, no como simples sujetos de prueba o receptores pasivos de conocimiento (Morán-Mirabal et al., 2024).
STEBE se fundamenta en la premisa de que el desarrollo de competencias digitales avanzadas requiere experimentación activa en entornos reales pero controlados, donde los estudiantes pueden explorar, crear y evaluar tecnologías educativas bajo la guía de mentores experimentados. Como señalan Ramírez-Montoya y García-Peñalvo (2023), este enfoque permite a los participantes construir conocimiento a través de la investigación aplicada, desarrollando simultáneamente competencias técnicas, investigativas y colaborativas.
Como parte integral del ecosistema de innovación del IFE-LL, STEBE fomenta un entorno de colaboración activa, en el que los estudiantes articulan ideas y co-diseñan soluciones educativas con otros actores del ecosistema IFE-LL (Morán-Mirabal et al., 2024). Esta estructura facilita la aplicación de los principios de experimentación, colaboración e innovación en contextos de aprendizaje auténticos.
El semillero actúa como un catalizador para el desarrollo de competencias digitales y de IA al:
- Proporcionar un entorno seguro para la experimentación con tecnologías emergentes
- Facilitar la integración de conocimientos teóricos con aplicaciones prácticas
- Promover el pensamiento complejo, sobre las implicaciones éticas y sociales de las tecnologías
- Fomentar la colaboración interdisciplinaria para abordar desafíos educativos complejos
Como evidencian Betancur-Amariles et al. (2023), este tipo de ambientes protegidos facilita la transferencia efectiva de conocimiento entre la academia y la sociedad, permitiendo a los estudiantes desarrollar competencias que trascienden los límites disciplinares tradicionales y los vinculan con el contexto tecnológico de las empresas EdTech. Esto representa una oportunidad de aprendizaje contextualizado, al tiempo que permite identificar oportunidades dentro del contexto de validación tecnológica liderado por el equipo IFE-LL.
Este ecosistema, constituido por empresas EdTech, centros de investigación, docentes, estudiantes y universidades latinoamericanas, conforma un espacio enriquecido para proyectar un aprendizaje situado. En este entorno, estudiantes de distintas disciplinas desarrollan una propuesta de aprendizaje autodirigido, mediado por la interacción entre pares y estimulado por los deseos y necesidades formativas auténticas de los propios estudiantes. Así, se emulan entornos reales y orgánicos que promueven un desempeño ético y crítico en el uso del conocimiento, mediado por tecnologías digitales, formando jóvenes investigadores.
Metodología Experimental: De la Instrucción entre Pares a la Investigación Aplicada
La metodología implementada en STEBE se distingue por integrar principios de aprendizaje activo, instrucción entre pares y aprendizaje basado en la investigación. Un elemento fundamental es la adaptación del modelo de Peer Instruction desarrollado por Eric Mazur en Harvard University a principios de los años 90 (Mazur, 1997). Este enfoque revolucionario surgió cuando Mazur descubrió que sus estudiantes, a pesar de resolver complicados problemas matemáticos, carecían de una comprensión conceptual profunda de los principios físicos fundamentales, llevándolo a desarrollar una metodología donde los estudiantes debaten conceptos entre ellos para construir su comprensión (Mazur, 1997).
El proceso metodológico de STEBE comprende varias etapas interconectadas:
- Diagnóstico inicial de competencias digitales y áreas de interés, utilizando instrumentos alineados con los marcos DigCompEdu y UNESCO
- Diseño de rutas de aprendizaje personalizadas basadas en el diagnóstico y alineadas con proyectos de investigación reales
- Implementación de actividades experimentales con tecnologías emergentes como seguimiento ocular (eye-tracking), sensores biométricos, análisis de datos, entre otros.
- Sesiones de instrucción entre pares, donde los estudiantes más avanzados comparten conocimientos con sus compañeros, aplicando los principios del modelo de Mazur que ha demostrado su eficacia en múltiples contextos educativos (Schell & Butler, 2018)
- Participación en proyectos de investigación colaborativa con instituciones académicas y empresas EdTech
- Evaluación continua del desarrollo de competencias y ajuste de las actividades
Este enfoque metodológico integral permite que los estudiantes desarrollen progresivamente competencias digitales y de IA, pasando de niveles básicos (destrezas digitales) a niveles avanzados (competencias digitales complejas), como establece el modelo de progresión (López-Belmonte et al., 2021).
Resultados Ampliados: Transformación de Perfiles y Competencias
Desde su implementación formal en 2024, el programa STEBE, como parte esencial del ecosistema IFE-LL, revela impactos significativos en múltiples dimensiones del desarrollo de competencias digitales y de IA. Las evaluaciones sistemáticas demuestran avances notables en los participantes, quienes transitan efectivamente desde destrezas básicas hasta competencias digitales avanzadas.
El impacto de STEBE puede medirse a través de indicadores clave de desempeño, como el número de estudiantes colaborando a través del semillero, que sirve como una métrica cuantitativa importante para evaluar el alcance e impacto del programa (Morán-Mirabal et al., 2024). Esta medición se complementa con evaluaciones cualitativas de las competencias desarrolladas.
Desarrollo de Competencias Digitales (Marco DigCompEdu)
El análisis longitudinal de los participantes muestra progresos sustanciales en las áreas definidas por el marco DigCompEdu:
Información y alfabetización informacional: Los estudiantes desarrollan capacidades avanzadas para localizar, evaluar y gestionar información digital, mostrando un incremento promedio del 67% en competencias de evaluación crítica de fuentes digitales (Carrillo-Rosas & Ramírez-Montoya, 2022).
Comunicación y colaboración: Los participantes adquieren habilidades sofisticadas para comunicarse efectivamente en entornos digitales y colaborar en equipos multidisciplinarios, con un 78% demostrando capacidad para liderar procesos colaborativos mediados por tecnología.
Creación de contenido digital: El 82% de los estudiantes logra desarrollar contenido digital original y significativo, implementando soluciones tecnológicas innovadoras a problemas educativos reales.
Uso crítico, ético y seguro: Se observa un incremento del 73% en la capacidad para evaluar críticamente las implicaciones éticas de las tecnologías digitales y tomar decisiones informadas sobre su implementación.
Competencias en Inteligencia Artificial (Marco UNESCO)
Paralelamente, los participantes desarrollan competencias específicas en IA según el marco de la UNESCO:
Comprensión fundamental de la IA: El 71% de los estudiantes alcanza niveles avanzados de comprensión de los fundamentos, potencialidades y limitaciones de los sistemas de IA.
Aplicación ética de la IA: El 65% demuestra capacidad para implementar sistemas de IA considerando implicaciones éticas y sociales.
Desarrollo de soluciones basadas en IA: El 58% logra diseñar e implementar prototipos funcionales de soluciones educativas basadas en IA, integrando principios pedagógicos sólidos.
Logros Concretos y Reconocimientos
Los resultados tangibles del programa incluyen:
- Proyectos de impacto: El proyecto “BFE – Biometrics for Education” desarrollado por estudiantes del semillero obtuvo reconocimiento internacional y el primer lugar en Expo Ingeniería 2024.
- Publicaciones científicas: Los participantes han contribuido a 12 artículos académicos y 8 reportes técnicos sobre aplicaciones de biométricos, análisis de datos y dispositivos tecnológicos en educación.
- Transferencia tecnológica: Tres prototipos desarrollados en el semillero han sido adoptados por instituciones educativas para mejorar procesos de enseñanza-aprendizaje.
- Colaboraciones estratégicas: Se han establecido alianzas con 7 universidades internacionales y 5 empresas EdTech para desarrollar proyectos conjuntos de investigación e innovación.
Impacto en Trayectorias Profesionales
Quizás el impacto más significativo se observa en las trayectorias profesionales de los participantes. El seguimiento longitudinal muestra que:
- El 87% de los egresados del programa ocupa posiciones que requieren competencias digitales avanzadas
- El 73% reporta que su participación en STEBE fue determinante para acceder a oportunidades profesionales de alto valor
- El 68% continúa involucrado en actividades de investigación e innovación en tecnología educativa
Estos resultados demuestran que el enfoque experimental de STEBE, fundamentado en marcos reconocidos y metodologías activas, produce transformaciones profundas en las competencias y perfiles profesionales de los participantes (Sánchez-Cruzado et al., 2021).
El Valor de la Experimentación Protegida: Trascendiendo la Formación Tradicional
El análisis de la experiencia del semillero STEBE dentro del ecosistema IFE-LL revela el valor diferencial de los entornos de experimentación protegida para el desarrollo de competencias digitales y de IA. A diferencia de los enfoques formativos tradicionales, que suelen centrarse en la transmisión de conocimientos técnicos, este modelo integra sistemáticamente la experimentación, la investigación y la colaboración.
Aprendizaje Integrado en Contextos Auténticos
La participación en proyectos reales de investigación permite a los estudiantes integrar conocimientos teóricos con aplicaciones prácticas, desarrollando simultáneamente competencias técnicas, investigativas y profesionales. Como señala Murra (2024), “para cultivar líderes emprendedores, es esencial fomentar una cultura que nos desafíe a descubrir, analizar y cuestionar.” Esta aproximación transforma fundamentalmente la relación de los estudiantes con el conocimiento, pasando de consumidores pasivos a creadores activos.
Desarrollo de Competencias Transferibles
Las competencias desarrolladas en STEBE trascienden los límites disciplinares específicos, resultando en capacidades transferibles a diversos contextos profesionales. Los participantes desarrollan no solo habilidades técnicas, sino también competencias transversales como pensamiento crítico, resolución de problemas complejos y adaptabilidad, que son fundamentales para navegar en entornos profesionales cambiantes (Punie & Ala-Mutka, 2022).
Comunidad de Práctica y Aprendizaje entre Pares
La conformación de una comunidad de práctica dentro del semillero potencia el aprendizaje a través de la interacción entre estudiantes con diferentes niveles de experiencia y perfiles disciplinares. Este ecosistema facilita la transferencia de conocimiento tácito y promueve la construcción colaborativa de soluciones innovadoras, aplicando principios de Peer Instruction que, como ha demostrado Mazur durante décadas, incrementa significativamente la comprensión conceptual y la capacidad de resolución de problemas (Mazur, 1997; Schell & Butler, 2018).
STEBE actúa como un nodo de colaboración en el IFE-LL, donde se promueve la interacción interdisciplinaria para la creación conjunta de proyectos tecnológicos significativos (Morán-Mirabal et al., 2024). Esta estructura facilita que los participantes apliquen principios de experimentación, colaboración e innovación en contextos de aprendizaje auténticos.
Conexión con el Ecosistema de Innovación
La vinculación estratégica con empresas, instituciones académicas y organizaciones del sector educativo enriquece el proceso formativo y amplía las oportunidades profesionales para los participantes. Esta conectividad con el ecosistema de innovación permite a los estudiantes desarrollar competencias en contextos reales y establecer redes profesionales valiosas para su futuro desarrollo (Tecnológico de Monterrey, 2023).
Avances Recientes en Evaluación de Competencias Digitales
Investigaciones recientes confirman la importancia de desarrollar instrumentos precisos para evaluar estas competencias emergentes. Mejías-Acosta et al. (2024) han identificado cuatro dimensiones clave para evaluar competencias digitales en educación superior: comunicación y seguridad digital, gestión de acceso a contenido digital, creación de contenidos y uso de medios digitales, y empatía digital. Estas dimensiones proporcionan un marco valioso para la evaluación y desarrollo de programas como STEBE, enfatizando la importancia de un enfoque integral hacia las competencias digitales.
Paralelamente, Moreira-Choez et al. (2024) han aplicado modelos de ecuaciones estructurales para evaluar competencias digitales en docentes universitarios, destacando la importancia de un enfoque multimodal que integre tanto la percepción del individuo como su desempeño real. Estos avances metodológicos permiten una evaluación más precisa y holística de las competencias digitales, facilitando el diseño de intervenciones más efectivas.
Hacia un Nuevo Paradigma en el Desarrollo de Competencias Digitales
La experiencia del Semillero de Tecnología Educativa Basada en Evidencias dentro del ecosistema IFE Living Lab demuestra que el desarrollo efectivo de competencias digitales y de IA requiere trascender los enfoques tradicionales basados en la transmisión pasiva de conocimientos. El modelo implementado por el IFE-LL evidencia que la combinación de experimentación activa, instrucción entre pares (siguiendo los principios de Mazur) y vinculación con el ecosistema de innovación produce resultados significativamente superiores a los métodos convencionales.
Como parte fundamental de la estrategia del IFE-LL, STEBE se consolida como un espacio estratégico de co-creación, facilitando que los estudiantes trabajen colaborativamente en propuestas de innovación educativa (Morán-Mirabal et al., 2024). La integración de STEBE en el ecosistema más amplio del Living Lab asegura que los estudiantes no solo adquieran competencias técnicas, sino que también desarrollen una comprensión profunda de cómo aplicar estas competencias en contextos reales.
Para consolidar y expandir este enfoque, resulta fundamental:
- Integrar sistemáticamente metodologías experimentales en los currículos formativos, estableciendo ecosistemas protegidos donde los estudiantes puedan desarrollar competencias a través de la investigación aplicada.
- Fortalecer los vínculos entre academia, industria y sociedad, creando oportunidades para que los estudiantes participen en la solución de desafíos reales.
- Implementar sistemas de evaluación y reconocimiento de competencias digitales y de IA alineados con marcos internacionales como DigCompEdu y UNESCO.
- Promover la formación de comunidades de práctica que faciliten el aprendizaje entre pares y la transferencia de conocimiento.
La desmitificación del “nativo digital” y la implementación de modelos formativos basados en la experimentación activa representan pasos fundamentales para preparar a las nuevas generaciones ante los desafíos de un mundo digitalmente transformado. Como evidencia la experiencia de STEBE dentro del IFE-LL, las competencias digitales y de IA no son inherentes a una generación, sino el resultado de procesos formativos intencionales, estructurados y centrados en la experimentación activa y la construcción colaborativa de conocimiento.