Aprendizaje Activo para el Reconocimiento Asistido de Componentes Electrónicos: Un Diseño Instruccional con insAItech Circuit Men-tor
DOI:
https://doi.org/10.37387/ipc.v13i1.401Palabras clave:
Reconocimiento de Componentes Electrónicos, Diseño Instruccional, Educación 4.0Resumen
El reconocimiento de componentes electrónicos es una actividad importante para los es-tudiantes de ingeniería electrónica. Tradicionalmente, este aprendizaje se realiza median-te prácticas de laboratorio no-asistidas en las que algunos estudiantes enfrentan dificulta-des para reconocer los componentes. En este sentido, los principios de la filosofía de la Educación 4.0 sugiere el uso de nuevas herramientas tecnológicas que podrían ser aplica-das como asistentes en el proceso de enseñanza-aprendizaje. Este artículo presenta un diseño instruccional que integra la herramienta insAItech Circuit Mentor, basada en visión artificial, como asistente para el proceso de enseñanza-aprendizaje del reconocimiento de componentes pasivos en prácticas de laboratorio de la asignatura Laboratorio de Dibujo Electrónico. Este enfoque, basado en el Modelo de Aprendizaje Experiencial de Kolb y el modelo de Gagné y Briggs, fomenta un aprendizaje activo, personalizado e interactivo. El uso del dispositivo puede permitir a los estudiantes explorar los componentes, obtener información detallada y recibir retroalimentación inmediata, creando una experiencia de aprendizaje más dinámica y atractiva que los métodos tradicionales. Este trabajo, aunque en fase de presentación, sienta las bases para un futuro desarrollo y evaluación de la efec-tividad del diseño instruccional y de la herramienta insAItech Circuit Mentor.
Descargas
Citas
Agila-Palacios, M. J. R. L., Dunia, I., & Sarango Lapo, C. P. (2016). Entornos gamificados: un contexto de aprendizaje activo. In Memorias de la Décima Quinta Conferencia Iberoamericana en Sistemas, Cibernética e Informática.
Allegra, D., Laganà, M. M., Valenti, G., Rapisarda, V., & Pennisi, M. (2020). Artificial intelligence in the healthcare sector: A scoping review. Journal of Business Research, 117, 599-611.
Barragán-López, J. F., Muñoz-Guevara, E., & Velázquez-García, G. (2021). Análisis sobre la evolución tecnológica hacia la Educación 4.0 y la virtualización de la Educación Superior. Transdigital, 2(4).
Boylestad, R. L., & Nashelsky, L. (2003). Electrónica: teoría de circuitos y dispositivos electrónicos (8ª ed.). Pearson Educación.
De La Cruz Rodríguez, A. E., & Donoso Quimbita, J. F. (2016). Diseño y construcción de una máquina didáctica clasificadora de objetos mediante visión artificial para el Laboratorio de Automatización Industrial de Procesos Mecánicos de la Facultad de Ingeniería Mecánica. Quito, 2016.
Gagné, R. M., Wager, W. W., Golas, K. C., & Keller, J. M. (2005). Principles of instructional design (5th ed.). Wadsworth Cengage Learning.
González, M.L., Marchueta, J., & Vilche, E. (2011). Modelo de aprendizaje experiencial de Kolb aplicado a laboratorios virtuales en Ingeniería en Electrónica.
Gosavi, C. S., & Arora, S. (2022). Active Learning Strategies for Engaging Students in Higher Education. J. Eng. Educ. Transform, 36, 1-7.
Heinich, R., Molenda, M., Russell, J. D., & Smaldino, S. E. (2016). Instructional media and technologies for learning (10th ed.). Pearson.
Jiao, L., Zhang, F., Liu, F., Yang, S., Li, L., Feng, Z., & Qu, R. (2019). A survey of deep learning-based object detection. IEEE Access, 7, 128837-128868.
Jing Li, Weiye Li, Yingqian Chen, Jinan Gu, (2021). "A PCB Electronic Components Detection Network Design Based on Effective Receptive Field Size and Anchor Size Matching", Computational Intelligence and Neuroscience, vol. 2021, Article ID 6682710, https://doi.org/10.1155/2021/6682710
Kolb, A. Y., & Kolb, D. A. (2005). Learning styles and learning spaces: Enhancing experiential learning in higher education. Academy of Management Learning & Education, 4(2), 190-212.
Kolb, A. Y., & Kolb, D. A. (2013). The experiential learning cycle as a guide for experiential educators. Experiential Learning Center Press.
Kolb, A. & Kolb, D. (2022). Experiential Learning Theory as a Guide for Experiential Educators in Higher Education. Experiential Learning and Teaching in Higher Education, 1, 38. https://doi.org/10.46787/elthe.v1i1.3362
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Englewestilosood Cliffs, NJ: Prentice Hall.
Potočnik, J., Foley, S., & Thomas, E. (2023). Current and potential applications of artificial intelligence in medical imaging practice: A narrative review. Journal of Medical Imaging and Radiation Sciences, 54(2), 376-385. https://doi.org/10.1016/j.jmir.2023.03.033
Sánchez Guzmán, D. (2019). Industria y educación 4.0 en México: un estudio exploratorio. Innovación Educativa, 19(81), 39-63.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 info:eu-repo/semantics/openAccess
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
1. Los autores conservan los derechos patrimoniales (copyright) de las obras publicadas y permiten la reutilización de las mismas.
2. La revista (y sus contenidos) emplean las licencias Creative Commons, específicamente la del tipo CC BY NC SA, en donde: “el beneficiario de la licencia tiene el derecho de copiar, distribuir, exhibir y representar la obra y hacer obras derivadas siempre y cuando reconozca y cite la obra de la forma especificada por el autor o el licenciante”.
3. Se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que: i) se cite la autoría y la fuente original de su publicación (revista, editorial y URL, DOI de la obra); ii) no se usen para fines comerciales.
4. Condiciones de auto-archivo. Se anima a los autores a difundir electrónicamente las versiones post-print (versión evaluada y aceptada para su publicación), ya que favorece su circulación y difusión, aumento su citación y alcance entre la comunidad académica.
