Revista de Ciencias Sociales (RCS)
Vol. XXXI, No. 4, Octubre - Diciembre 2025. pp. 190-205
FCES - LUZ ● ISSN: 1315-9518 ● ISSN-E: 2477-9431
Como citar: Martelo, P. M.,
Bastidas, M., y Martelo, R. J. (2025). Políticas educativas y análisis de
actores en la implementación de aulas inteligentes. Revista De Ciencias
Sociales, XXXI(4), 190-205.
Políticas educativas y análisis de actores en la implementación de aulas inteligentes
Martelo Gómez, Piedad Mary*
Bastidas
Gómez, Maira**
Martelo
Gómez, Raúl José***
Resumen
Los
rápidos avances en la tecnología y las disrupciones como la generada por el
COVID-19, han llevado a la necesidad de crear clases más eficientes y creativas
que admitan actividades tanto presenciales como remotas a través de la
implementación de aulas inteligentes. Teniendo en cuenta los beneficios de esta
implementación, este estudio tuvo como fin el análisis del impacto de las políticas
educativas en la implementación de aulas inteligentes, a través de la
identificación y evaluación de actores clave y su repercusión en el proceso de
adopción tecnológica. Se trató de un estudio que es de tipo
exploratorio-estratégico y se contó con la colaboración de diez expertos. Los
resultados revelaron actores clave, sus relaciones, convergencias y
divergencias. Además, se propusieron políticas con base en el análisis
realizado con la técnica MACTOR. Se concluye que la efectividad de las aulas
inteligentes depende de la coordinación de actores clave como directores de
tecnología, coordinadores de Tecnología de Información y Comunicación,
profesores innovadores y empresas colaboradoras, los cuales mostraron una alta
convergencia de objetivos, lo que favorece la formulación de políticas
inclusivas, sostenibles y orientadas a la innovación educativa.
Palabras clave: Tecnología; educación; aula inteligente; Técnica
MACTOR; políticas educativas.
* Magister
en Recursos Educativos. Especialista en Odontopediatría y Ortopedia Maxilar.
Odontóloga. Profesora del Programa de Odontología en la Universidad de
Cartagena, Cartagena de Indias, Colombia. Investigadora Independiente. E-mail: pmartelog@hotmail.com ORCID: https://orcid.org/0000-0002-5405-0324
** Ingeniera
de Sistemas. Investigadora en el Grupo de Investigación INGESINFO. E-mail: maira2121@gmail.com ORCID: https://orcid.org/0000-0003-0657-135X
*** Magister
en Ciencias de la Computación. Especialista en Redes y Telecomunicaciones.
Ingeniero de Sistemas. Profesor Investigador de Tiempo Completo del Programa de
Ingeniería de Sistemas en la Universidad de Cartagena, Cartagena de Indias,
Bolívar, Colombia. Líder del Grupo de Investigación INGESINFO. E-mail: rmartelog1@unicartagena.edu.co ORCID: https://orcid.org/0000-0002-4951-0752
Recibido: 2025-06-12 • Aceptado: 2025-08-30
Educational
policies and stakeholder analysis in the implementation of smart classrooms
Abstract
Rapid
technological advancements and disruptions such as those caused by COVID-19
have led to the need for more efficient and creative classrooms that support
both in-person and remote learning through the implementation of smart
classrooms. Given the benefits of this implementation, this study aimed to
analyze the impact of educational policies on the implementation of smart
classrooms by identifying and evaluating key stakeholders and their influence
on the technology adoption process. This exploratory-strategic study involved
the collaboration of ten experts. The results revealed key stakeholders, their
relationships, convergences, and divergences. Furthermore, policies were
proposed based on the analysis conducted using the MACTOR technique. The study concludes
that the effectiveness of smart classrooms depends on the coordination of key
stakeholders such as technology directors, ICT coordinators, innovative
teachers, and collaborating companies. These stakeholders demonstrated a high
degree of convergence of objectives, which facilitates the formulation of
inclusive, sustainable policies geared toward educational innovation.
Keywords: Technology; education; smart classroom; MACTOR
technique; educational policies.
Introducción
Las
tecnologías digitales son una herramienta esencial para lograr la educación
inclusiva y equitativa de calidad (Morán et al., 2021; Haleem et al., 2022).
Eventos disruptivos como la reciente pandemia de COVID-19, han hecho que la
aplicación de estas tecnologías en la educción sea mayor (Bond et al., 2018;
Illescas et al., 2025). Los recursos disponibles que ofrecen estas tecnologías,
permiten múltiples opciones para la docencia, que ayudan a mejorar el proceso
de enseñanza aprendizaje, entre estas opciones está la de impartir clases
magistrales en aulas inteligentes (García-Morales et al., 2021), el cual es un
sistema inteligente ubicuo, que permite establecer comunicación interactiva y
es capaz de proporcionar un alto grado de motivación por parte de los educandos
hacia el estudio a partir de la construcción del propio aprendizaje (Agbo et
al., 2021).
Investigaciones
recientes muestran cómo las aulas inteligentes surgen como ecosistemas
transformadores que reconfiguran roles y prácticas pedagógicas desde un enfoque
cualitativo (Pardo-Baldoví et al., 2023). Y un análisis sistemático destaca los
desafíos socio-tecnológicos inherentes a estos entornos, particularmente en
términos de infraestructura y sostenibilidad económica (Alfoudari et al.,
2021). En este sentido, en el proceso de incorporar las aulas inteligentes, las
políticas educativas juegan un papel fundamental, puesto que estas permiten
regular las directrices, recursos y apoyos necesarios para su integración
(Graham et al., 2013).
Sin
embargo, puede que jueguen a favor o en contra, es decir, cuando las políticas
promueven aspectos como la inversión en infraestructura, la capacitación
docente y el acceso equitativo a dispositivos tecnológicos, facilitan la
integración de herramientas innovadoras en los procesos de enseñanza y aprendizaje
(Ally et al., 2014); mientras que, si estas políticas carecen de estrategias
claras o limitan la flexibilidad en el uso de tecnologías, pueden obstaculizar
su adopción, afectando el desarrollo de competencias digitales en educadores y
alumnos (Liu et al., 2020).
En la
literatura hay estudios que evidencian la relación entre las políticas
educativas y la integración de tecnología en las aulas, identificando aspectos
como infraestructura, formación docente y recursos digitales. En estudios como
los de Ramorola (2013); Mercader y Gairín (2020); y, Fernández-Batanero et al.
(2021), se investigaron los retos y el impacto al integrar la tecnología en las
aulas, y los hallazgos revelaron, la falta de políticas tecnológicas,
profesores calificados en integración de tecnología, y problemas técnicos y de
mantenimiento, entre otros. Asimismo, Chan (2023), con base en los resultados
de percepciones e implicaciones de las tecnologías, propuso un Marco de
Política Educativa para abordar las implicaciones multifacéticas de la
incorporación de IA en el aprendizaje y la enseñanza universitaria.
Ahora
bien, la literatura también mostró que existe una necesidad de conocer de qué
forma las políticas educativas pueden coordinar la participación de los
diferentes actores para una efectiva implementación de aulas inteligentes
(Christopoulos y Sprangers, 2021). Por tanto, llevar a cabo un análisis de los
actores, permite comprender la situación real de cada uno de los actores de
este sistema, así como conocer los roles, las influencias y las posibles
barreras que podrían surgir en la implementación de políticas.
El
objetivo de esta investigación es evaluar el impacto de las políticas
educativas en el proceso de implementación de aulas inteligentes mediante un
análisis de actores y su impacto en dicho proceso. El resultado de esta
investigación podría permitir diseñar soluciones que mejoren la colaboración
entre actores, asegurando así una adopción tecnológica más efectiva y eficiente
que contribuya también al desarrollo y mejora de políticas educativas.
1.
Fundamentación teórica
La
incorporación de las aulas inteligentes en el contexto educativo es un fenómeno
que ha tomado fuerza en los dos últimos años debido al impulso de la
transformación digital y la necesidad creciente de incluir tecnologías en los
procesos de enseñanza-aprendizaje. El fundamento teórico que aquí se presenta
constituye el marco teórico base, puesto que está formado por los conceptos más
relevantes, la importancia de las políticas educativas, y los efectos de los
entes que entran en juego en el momento de implementar este tipo de
tecnologías.
1.1.
Aulas inteligentes y transformación digital en educación
Las
aulas inteligentes son espacios de aprendizaje que integran la interactividad
digital de los estudiantes con los contenidos adaptados a sus características y
necesidades de aprendizaje y les permite acceder a recursos educativos
procedentes de Internet. Incluyen tecnologías
avanzadas como pizarras digitales, plataformas de aprendizaje online, Inteligencia Artificial (IA) y herramientas
de realidad aumentada (Marín et al., 2020; Agbo et al., 2021). De hecho, la
digitalización se produjo a partir de situaciones de ruptura, como la llegada
de la pandemia COVID-19, lo que ocasionó que la introducción de la tecnología
en la educación creciera exponencialmente (Bond et al., 2018).
Con
esto, el uso de la tecnología en la educación demuestra que contribuye a una
mejor motivación y participación de los estudiantes, haciendo posible utilizar
metodologías activas como el aprendizaje basado en proyectos, la gamificación o
el aula invertida (García-Morales et al., 2021; Ureña et al., 2025). Aun así,
la práctica de las aulas inteligentes requiere de políticas educativas que
favorezcan el acceso equitativo y su uso.
Desde
una perspectiva crítica, las aulas inteligentes son ecosistemas pedagógicos
digitales en los que la tecnología no constituye únicamente una herramienta de
apoyo, sino un mediador activo de los procesos de enseñanza y aprendizaje.
Estas aulas favorecen la construcción de experiencias educativas personalizadas,
interactivas y colaborativas, siempre que estén acompañadas por políticas
inclusivas y de formación docente que aseguren un uso equitativo y sostenible.
En este sentido, más que solo incorporar dispositivos, las aulas inteligentes
representan una transformación cultural en la educación, al situar al
estudiante en el centro del proceso y al docente como orientador de
aprendizajes mediados por tecnologías emergentes.
1.2.
Políticas educativas y su papel en la implementación de aulas inteligentes
En el
uso de la tecnología en las aulas, las políticas educativas son fundamentales
tanto para regular como para promover el uso de esta. Así mismo, las políticas
educativas pueden tener un potencial positivo o negativo para la adopción de
aulas inteligentes en función de inversiones en infraestructura, en la
formación del profesorado o bien en la equidad en el acceso a tecnologías (Ally
et al., 2014). Graham et al. (2013), comprobaron que la adopción de tecnologías
educativas tiende a ser más efectiva cuando las políticas educativas plantean
formas de integrar las mismas en el currículo.
Tal y
como apuntan Liu et al. (2020), una normativa poco flexible puede obstaculizar
la innovación y el uso de la tecnología por docentes y alumnos. Chan (2023),
planteó en cambio un marco desde el que se aborda los retos complejos de la
adopción de IA en la enseñanza universitaria, en el que las normativas deben
centrarse en la formación docente, la ética del uso de la tecnología y la
sostenibilidad de las infraestructuras tecnológicas.
Al
respecto, Barrios-Tao y Díaz (2024) presentan una revisión narrativa destacando
cómo los datos emocionales son utilizados por sistemas de IA para ejercer una
forma de psicopolítica que interviene en la interioridad de los individuos,
implicando desafíos éticos, de privacidad y de autonomía; mientras que
Villasmil et al. (2024) reflexionan sobre nuevas formas de regulación jurídica
vinculadas a la tecnología.
En
este sentido, las políticas educativas constituyen el marco estructural que
determina la viabilidad y sostenibilidad de las aulas inteligentes. No se trata
únicamente de normativas regulatorias, sino de instrumentos estratégicos
capaces de orientar la innovación tecnológica hacia una educación más
equitativa, inclusiva y pertinente. Asimismo, el impacto de las políticas
educativas depende de su capacidad para equilibrar la inversión en
infraestructura, la capacitación docente y la garantía de acceso universal a
las tecnologías. De esta manera, las políticas no solo habilitan el despliegue
de recursos digitales, sino que definen el grado de autonomía, flexibilidad e
innovación pedagógica que puede alcanzarse en los entornos de aprendizaje
mediados por la tecnología.
1.3.
Análisis de actores en la implementación de aulas inteligentes
La
efectividad de las aulas inteligentes depende de la participación de los
distintos actores que forman parte del ecosistema educativo. Un análisis
mediante la técnica MACTOR (Matriz de Alianzas y Conflictos: Tácticas,
Objetivos y Recomendaciones), permite conocer la habilidad de cada uno de los
actores en el ejercicio de la adopción tecnológica (Arcade et al., 2014).
Los
actores interaccionan de diversas formas dando lugar a relaciones de
cooperación, pero también de conflicto. Para Mariani et al. (2022), la
colaboración entre los actores permite la detección de oportunidades de
innovación y mejora en la gestión educativa. Pero, y es importante subrayarlo,
si los actores clave no comparten una determinada forma de proseguir, pueden
aparecer barreras para la implementación de las aulas inteligentes.
Adoptar
aulas inteligentes puede ser comprendido como un proceso relacional y sistémico
en el que la efectividad no viene condicionada por la disponibilidad de
tecnología, sino que depende de la interacción estratégica que el propio
sistema educativo tenga con sus diferentes actores. La dinámica de cooperación
o conflicto entre ellos constituye un factor determinante para consolidar o
limitar la innovación. En este sentido, la eficacia de las aulas inteligentes
requiere la creación de redes estables de cooperación entre intereses, recursos
y capacidades, evitando contribuir a una segmentación de esfuerzos y
favoreciendo la innovación educativa desde el punto de vista colectivo.
2.
Metodología
El
presente estudio se consideró de tipo exploratorio-estratégico (Reiter, 2017).
Este tipo de investigación se emplea cuando se debe evaluar un problema que no
está claramente definido, en este caso, se examinan las políticas educativas
para la implementación de aulas inteligentes. Esta investigación también tiene
elementos de tipo cualitativo por estar orientada en el análisis de expertos
mediante la técnica MACTOR (Arcade et al., 2014). Teniendo en cuenta el modo de
recolección de datos, se considera que el diseño de la investigación es no experimental
con análisis MACTOR, dado que se identifican actores, objetivos y se analizan
las relaciones de influencia y convergencia (Frölich et al., 2014).
2.1.
Procedimiento
A
continuacion se expone el procedimiento que se siguió para llevar a acabo esta
investigacion. En la Figura I, se describen las 4 fases del procedimiento.
Fuente: Elaboración propia, 2025.
Figura I: Etapas del procedimiento metodológico aplicado
a.
Selección de expertos
La
selección de experto se llevó a cabo de manera cuidadosa, teniendo en cuenta la
experiencia, disposición y profesión, para asegurar la representatividad. Entre
los expertos se seleccionaron: 1 investigador externo en tecnología educativa,
2 consultores en políticas educativas, 2 profesores universitarios líderes en
proyectos de aulas inteligentes, 2 consultores en transformación digital, 2
académicos en sociología de la educación, y 1 desarrollador de soluciones para
aulas inteligentes, para un total de 10.
b.
Recopilación de datos
Se
realizó una revisión exhaustiva de la literatura y talleres con los expertos
para identificar los actores, los objetivos y relaciones de poder del sistema
estudiado.
c.
Elaboración de matrices MACTOR
Se
construyeron las diferentes matrices para llevar a cabo la aplicación de la
técnica MACTOR, para identificar la relación entre actores y sus objetivos y,
la influencia directa e indirecta entre cada actor y la influencia que tienen
los actores sobre los objetivos del sistema.
d.
Análisis de datos y Reporte de resultados
Se
analizaron las matrices generadas por la técnica MACTOR para identificar los
actores dominantes, los objetivos prioritarios y las posibles alianzas y
conflictos. Y se describen los resultados obtenidos y se detallan las políticas
identificadas para facilitar y guiar la adopción de tecnología en la educación
universitaria.
3.
Resultados y discusión
Como
resultado de la revisión de la literatura, se identificaron los 8 actores más
relevantes que componen el sistema de implementación de aulas inteligentes,
para su análisis. En el Cuadro 1, se detallan dichos actores y los roles que
ocupan en el sistema estudiado.
Cuadro
1
Actores
que contribuyen en la implementación de aulas inteligentes
|
Código |
Actor |
Rol |
|
A1 |
Rector universitario |
Responsables de aprobar políticas, asignar recursos y establecer prioridades para la implementación de aulas inteligentes. |
|
A2 |
Director de tecnología |
Responsable de la planificación, instalación y mantenimiento de la infraestructura tecnológica necesaria para las aulas inteligentes. |
|
A3 |
Decano o diretor de facultad |
Toman decisiones sobre cómo las aulas inteligentes se alinean con los objetivos académicos de sus respectivas áreas, promoviendo el uso de herramientas tecnológicas entre los profesores y estudiantes. |
|
A4 |
Coordinador TIC |
Actúan como puente entre el área de tecnología y la comunidad académica. Proporcionan soporte técnico diario, asegurando que los sistemas de aulas inteligentes funcionen sin problemas. |
|
A5 |
Profesor innovador |
Desarrollan e implementan métodos de enseñanza innovadores que aprovechan las capacidades de las aulas inteligentes, como el uso de pizarras digitales, plataformas de aprendizaje en línea, realidad aumentada, entre otros |
|
A6 |
Estudiante representante |
Representan la voz de los estudiantes y proporcionan retroalimentación sobre cómo las tecnologías afectan su experiencia de aprendizaje. |
|
A7 |
Representante de empresas tecnológicas colaboradoras |
Proveen los equipos, software y servicios necesarios para la implementación de aulas inteligentes. |
|
A8 |
Investigador en tecnología educativa |
Realizan estudios para evaluar la efectividad de las tecnologías implementadas en el aula y su impacto en el aprendizaje. |
Fuente: Elaboración propia, 2025.
La
revisión de la literatura, también permitió identificar los objetivos del
sistema que se describen en el Cuadro 2, en el cual se observa una columna que
representa un código asignado para cada objetivo, y otra columna que contiene
el nombre del objetivo.
Cuadro 2
Objetivos generales de la implementación de aulas inteligentes
|
Código |
Objetivo |
|
O1 |
Fomentar la innovación educativa |
|
O2 |
Desarrollar una infraestructura tecnológica robusta |
|
O3 |
Adaptar los programas académicos a las nuevas tecnologías |
|
O4 |
Proveer soporte técnico eficiente |
|
O5 |
Mejorar la experiencia de aprendizaje de los estudiantes |
|
O6 |
Mejorar la accesibilidad y usabilidad de las tecnologías |
|
O7 |
Proveer soluciones tecnológicas innovadoras y eficaces |
|
O8 |
Ofrecer soporte técnico y actualizaciones continuas |
|
O9 |
Evaluar el impacto de las tecnologías en el aprendizaje |
|
O10 |
Garantizar la sostenibilidad del proyecto |
Fuente: Elaboración propia, 2025.
Una
vez se identificaron los actores y los objetivos, se construyeron las matrices
para la aplicación de la técnica MACTOR. En primer lugar, como se observa en la
Figura II, con la ayuda de los expertos, se construyó la matriz de influencia
directa entre actores. Como se observa, la diagonal principal se compone de
ceros, debido a que ningún actor ejerce influencia sobre sí. Asimismo, se
observa que el actor A1 ejerce influencia fuerte o moderada sobre los demás
actores, al igual que A2, A5, A7 y A8, pero, a la vez son dominados; mientras
que el menos influyentes y menos dominado es A6, al mirar tanto su fila como su
columna correspondiente.
Fuente: Elaboración propia, 2025.
Figura II: Matriz de influencia directa entre actores
(MAA)
La
situación anterior, se puede observar de mejor manera en el Plano de Influencia
Directa de la Figura III, la cual ilustra la distribución de los actores en los
cuatro cuadrantes: Actores dominantes (cuadrante 1, superior izquierdo), de
enlace (cuadrante 2, superior derecho), dominados (cuadrante 3, inferior
derecho), y autónomos (cuadrante 4, inferior izquierdo). En este caso, no se
clasificó ningún actor como dominante, en cambio resultaron seis de enlace: A2,
A3, A4, A5 y A7; ninguno dominado y dos autónomos: A6 y A8, tal como se observa
en la Figura III.
Fuente: Elaboración propia, 2025.
Figura III: Plano de influencia Directa entre actores
La
distribución de los actores en el plano de influencia revela que la
implementación de aulas inteligentes no puede entenderse como un proceso
unilateral, sino como un entramado de interdependencias. Esta disposición
evidencia que el éxito de la adopción tecnológica dependerá más de la
articulación entre actores de enlace que de la concentración de poder en un
actor dominante. Esta lectura permite comprender que las aulas inteligentes
requieren liderazgos compartidos y colaborativos para sostenerse en el tiempo.
Por
otra parte, también se construyó la matriz de actores y objetivos, en la que se
describen las relaciones de los actores y los objetivos generales del sistema,
es decir, se determina si los actores tienen objetivos favorable, opuesto,
neutral o indiferente y hasta qué punto colaboran o compiten entre sí. Esta
matriz se puede observar en la Figura IV, donde se aprecia que A1, tiene
valores altos en múltiples objetivos (O2, O3, O4), sugiriendo que es un actor
con gran poder e interés en el logro de varios objetivos clave. A2, por su
parte, también muestra valores altos en O1, O2 y O4, O5, O7 y O8, lo que lo
posiciona como otro actor clave.
Fuente: Elaboración propia, 2025.
Figura IV: Matriz de Actores y Objetivos (2MAO)
También
se observa que A6 y A7 tienen valores más bajos en general, indicando que
pueden ser actores con influencia limitada o que solo se involucran en ciertos
objetivos específicos. En cuanto a A8, su distribución indica la participación
alta en algunos objetivos como O1, O6, O7 y O10, pero menor influencia en
otros. De igual manera, algunos objetivos como O2, O4, O8 parecen ser de
interés para múltiples actores, por ejemplo, A1, A2 y A5 tienen valores
elevados en O2 y O4, lo que puede sugerir la posibilidad de cooperación en los
intereses alineados.
La
participación diferenciada de los actores frente a los objetivos, muestra que
la implementación de aulas inteligentes se configura como un espacio de
prioridades múltiples, donde algunos objetivos concentran mayor interés y otros
quedan relegados. Esta situación subraya la necesidad de diseñar políticas
educativas que reconozcan dichas asimetrías y las gestionen estratégicamente,
asegurando que los objetivos menos valorados no se conviertan en vacíos que obstaculicen
la innovación.
3.1.
Análisis de los datos y discusión
La
Figura V, muestra el histograma de fuerza MIDI, el cual reveló que los actores
de mayor fuerza son A1, A2, A7, A5, en menor medida, A3 y A4. Esta fuerza
radica en que A1 toma decisiones estratégicas sobre el rumbo académico y
tecnológico de la institución; A2 planifica e implementa la infraestructura
tecnológica; A7 suministra los equipos y softwares
para las aulas inteligentes; y, A5 adopta nuevas tecnologías para mejorar la
enseñanza y el aprendizaje. Estos actores ejercen una alta influencia en
sistema estudiado.
Fuente: Elaboración propia, 2025.
Figura V: Histograma de fuerza MIDI
La
Figura VI, muestra el histograma de la implicación de los actores sobre los
objetivos de la matriz valorada de posiciones 2MAO. Como se observa, los
objetivos más valorados fueron: O1, O6, O3, O4, O2 y O7, además no se muestra
un conflicto entre los objetivos, lo que sugiere que los diferentes objetivos
son compatibles y pueden ser alcanzados simultáneamente sin que el logro de uno
interfiera negativamente con el logro de otro. Según Sabini y Alderman (2021),
cuando no existen conflictos entre objetivos de un proyecto, se facilita su
planificación y la ejecución, puesto que, de esta manera, se puede realizar la
asignación de recursos de manera eficiente y coherente.
Fuente: Elaboración propia, 2025.
Figura VI: Histograma de la implicación de los actores sobre los objetivos 2MAO
En lo
que respecta a la convergencia entre actores, según Mariani et al. (2022), la
colaboración entre actores facilita la identificación de oportunidades para
innovar en la enseñanza y mejorar la gestión administrativa, creando un entorno
propicio para la adopción de tecnologías que impulsen el desarrollo académico y
profesional de la comunidad universitaria. La Figura VII, muestra que existen
dos convergencias más importantes: A1-A5 y A1-A4, marcadas en rojo.
Fuente: Elaboración propia, 2025.
Figura VII: Gráfico de convergencia entre actores de
orden 2
La
alta convergencia que se presenta en A1 y A4 radica en que ambos actores tienen
objetivos comunes que facilitan la integración efectiva de tecnologías en el
entorno académico, por esta razón, desempeñan un rol complementario. A1, puede
definir políticas, e intervenir en la asignación de recursos, además de
establecer prioridades estratégicas que favorezcan a la institución; mientras
que A4 ofrece el conocimiento técnico y la experiencia en la implementación de
soluciones tecnológicas que respondan a las necesidades educativas. Según
Scalabrin et al. (2021), la buena relación entre estos dos actores permite que
las decisiones sobre tecnología estén alineadas con los objetivos educativos de
la institución, guiando a utilizar de manera eficiente, las inversiones, la
infraestructura y capacitación.
La
buena relación de A1 y A5 propende a que las estrategias vayan enfocadas a
generar un alto impacto en el aula. A1, puede establecer políticas, para
asegurar de manera efectiva la adopción de tecnologías. Mientras que, A5 aporta
creatividad y experiencia práctica en la aplicación de herramientas
tecnológicas en el aula. Según Ifinedo y Kankaanranta (2021); y, Kim (2024),
esta colaboración permite que las decisiones estratégicas aseguren que las
tecnologías no solo se adopten, sino que se integren de manera efectiva para
transformar la experiencia educativa.
El
hallazgo de actores con alta fuerza y de pares con gran convergencia, evidencia
que la innovación en aulas inteligentes se potencia cuando los actores combinan
poder institucional con capacidad creativa y técnica. Esta convergencia sugiere
que el futuro de la innovación educativa dependerá de la formación de alianzas
estratégicas que equilibren visión política, infraestructura tecnológica y
prácticas pedagógicas transformadoras.
Por
otra parte, el grafico de distancias netas entre objetivos muestra los
objetivos más compatibles y los que podrían requerir un enfoque más complejo.
Esta información permite encontrar un equilibrio entre los intereses
divergentes. Los resultados obtenidos mostrados en la Figura VIII, revelan que
la distancia más relevante se da entre O1 y O6. Este dato podría indicar que,
aunque son objetivos clave, lograr uno no necesariamente asegura el
cumplimiento del otro, por lo cual se requiere aplicar estrategias diferentes
para cada caso.
Fuente: Elaboración propia, 2025.
Figura VIII: Gráfico de distancias netas entre objetivos
La
distancia neta entre O1 y O6, es relevante, puesto que evidencia una de las
dificultades principales en la integración tecnológica en el ámbito educativo.
La ubicación de la distancia entre estos objetivos puede revelar que
implementar iniciativas innovadoras no garantizan su éxito si los instrumentos
tecnológicos no son accesibles o comprensibles para estudiantes y profesores.
Como argumentan Bizami et al. (2023), aplicar la innovación educativa implica
introducir nuevas metodologías y herramientas que transformen el proceso de
enseñanza y aprendizaje; o, como sostienen Senjam et al. (2021), mejorar la
accesibilidad y usabilidad de estas tecnologías implica que sean fáciles de
usar y están al alcance de todos los usuarios.
La
distancia observada entre los objetivos relacionados con la innovación y la
accesibilidad, apunta a que existe un reto estructural que no se ve resuelto
por la sola propuesta de metodologías innovadoras que no vayan acompañadas de
soluciones accesibles y usables para toda la comunidad educativa. Con ello, el
resultado sugiere que la sostenibilidad de las aulas inteligentes no se logra
solo con innovación sino con la democratización del acceso y su usabilidad.
Por lo
tanto, para reducir dicha distancia, sería necesario definir estrategias que
equilibren la implementación de las innovaciones educativas y la accesibilidad
y la usabilidad, de manera que todos los beneficiarios puedan adoptar y
aprovechar efectivamente las nuevas tecnologías.
El
análisis de los actores con la técnica MACTOR, reveló diferentes políticas
educativas que pueden facilitar y orientar la adopción tecnológica en el ámbito
educativo. A continuación, el Cuadro 3 ilustra algunas políticas que se pueden
desplegar a partir de los resultados alcanzados en el análisis.
Cuadro
3
Políticas
Educativas Potenciales
|
No. |
Política |
Objetivo |
|
1 |
Integración tecnológica en el currículo |
Asegurar que las tecnologías educativas sean parte integral de los programas académicos y que no se limiten solo a herramientas complementarias. |
|
2 |
Capacitación continua para docentes |
Garantizar que los profesores tengan las habilidades necesarias para utilizar tecnologías en las aulas de manera efectiva |
|
3 |
Colaboración institución-empresas tecnológicas |
Facilitar alianzas estratégicas entre la institución educativa y empresas tecnológicas para el desarrollo e implementación de soluciones educativas innovadoras. |
|
4 |
Accesibilidad e inclusión digital |
Garantizar que todos los estudiantes, independientemente de sus capacidades o situación socioeconómica, tengan acceso equitativo a las aulas inteligentes y tecnologías educativas. |
|
5 |
Evaluación y seguimiento del impacto tecnológico |
Medir la efectividad de las aulas inteligentes y las tecnologías implementadas en la mejora del aprendizaje. |
|
6 |
Innovación pedagógica y métodos de enseñanza |
Fomentar la innovación en las metodologías de enseñanza aprovechando las capacidades de las aulas inteligentes. |
|
7 |
Infraestructura Tecnológica y Mantenimiento |
Asegurar que la infraestructura tecnológica esté preparada para soportar el uso continuo y eficaz de aulas inteligentes. |
|
8 |
Gestión del Cambio Organizacional |
Facilitar la transición hacia un entorno educativo más digital mediante una gestión adecuada del cambio. |
Fuente: Elaboración propia, 2025.
Las
políticas educativas identificadas muestran que el proceso de implementación de
aulas inteligentes, trasciende la dimensión tecnológica y se adentra en la
transformación cultural de las instituciones. Se trata de un ejercicio de
gobernanza educativa donde las decisiones estratégicas deben equilibrar
innovación, equidad y sostenibilidad, consolidando a las aulas inteligentes
como un proyecto colectivo más que como una simple incorporación de
dispositivos. Estas políticas facilitarán la implementación de aulas inteligentes,
además crearán un marco sostenible y estratégico para la innovación educativa
en las instituciones.
Conclusiones
En
esta investigación se llevó un análisis de los actores involucrados en la
implementación de aulas inteligentes y su influencia en dicho proceso. Se
realizó una revisión de la literatura donde fueron identificados aquellos
actores más relevantes y se identificaron los objetivos relacionados con la
implementación de aulas inteligentes. De los resultados, se obtuvo que los
actores clave potenciales fueron A2, A3, A4, A5 y A7, esto es debido a que,
aunque las aulas inteligentes proporcionan el entorno físico, los encargados de
liderar los procesos de enseñanza y aprendizaje son estos actores
identificados, los cuales, presentaron una alta convergencia, evidenciando que
tanto sus objetivos como misiones están enfocados hacia una misma meta.
En
este sentido, las políticas, deben involucrar principalmente a los actores
identificados como clave, puesto que no se presentó ningún conflicto entre los
objetivos comunes, indicando que son compatibles y que pueden ser alcanzados
simultáneamente. A partir de los resultados se llevan a cabo las propuestas de
políticas que permiten atender las necesidades identificadas en el análisis de
los actores y aprovechar el potencial de convergencia de estos.
Este
trabajo aporta un análisis pionero de la implementación de aulas inteligentes
desde la perspectiva de las políticas educativas y los actores implicados,
utilizando la técnica MACTOR como herramienta metodológica. Esto permite
obtener una perspectiva completa de las dinámicas de influencia, convergencia y
posibles conflictos entre actores, lo que permite delinear políticas educativas
más realizables, orientadas a la cooperación, pero además genera un insumo para
gestores y responsables de políticas educativas que quieran implementar o
enriquecer el uso de los espacios de aula inteligentes.
Al
identificar las limitaciones que exhibe el presente trabajo, se resalta la
dependencia de información obtenida a partir de la revisión documental y
talleres con expertos, lo que supone una limitación en términos de validación
empírica de manera directa en diferentes instituciones educativas. Asimismo, se
evidencia el hecho de que el trabajo se ha focalizado en un número limitado de
actores y objetivos, dejando fuera otras variables como pueden ser las
diferencias que pueden existir a partir de cada contexto cultural o las
perspectivas de los estudiantes en contextos informales.
De
acuerdo con estas limitaciones se plantean futuras líneas de investigación
dirigidas a desarrollar estudios de caso empíricos en distintos niveles y
contextos educativos con el propósito de validar los hallazgos. Además, se
puede explorar cómo las políticas educativas afectan la equidad digital y la
reducción de brechas tecnológicas; así como analizar las consecuencias éticas,
pedagógicas y culturales de la implementación de aulas inteligentes,
particularmente ante el uso de inteligencia artificial y tecnologías emergentes
y plantear modelos comparativos en función de países o regiones con el objetivo
de encontrar buenas prácticas de gobernanza de la innovación educativa. No
obstante, se espera que estos resultados puedan ser útiles para gestionar la implementación
efectiva de las aulas inteligentes.
Referencias
bibliográficas
Agbo,
F. J., Oyelere, S. S., Suhonen, J., y Tukiainen, M. (2021). Scientific production and thematic
breakthroughs in smart learning environments: A bibliometric analysis. Smart
Learning Environments, 8,
1. https://doi.org/10.1186/s40561-020-00145-4
Alfoudari,
A. M., Durugbo, C. M., y Aldhmour, F. M. (2021). Understanding
socio-technological challenges of smart classrooms using a systematic review. Computers & Education, 173, 104282. https://doi.org/10.1016/j.compedu.2021.104282
Ally, M., Grimus, M., y Ebner, M. (2014). Preparing teachers for a mobile world, to improve access to education. Prospects, 44(1), 43-59. https://doi.org/10.1007/s11125-014-9293-2
Arcade, J., Godet, M., Meunier, F., y Roubelat, F.
(2014). Structural analysis
with the MICMAC method & actors' strategy with MACTOR method. In J. C.
Glenn y T. J. Gordon (Eds.), Futures Research Methodology, Version 3.0. Millennium Project.
Barrios-Tao, H., y Díaz, V. (2024). Inteligencia artificial y emociones: Psicopolítica mediante datos y algoritmos (2015-2022). Revista de Ciencias Sociales (Ve), XXX(1), 251-267. https://doi.org/10.31876/rcs.v30i1.41654
Bizami, N. A., Tasir, Z., y Kew, S. N. (2023). Innovative pedagogical principles
and technological tools capabilities for immersive blended learning: A
systematic literature review. Education and Information Technologies, 28(2), 1373-1425. https://doi.org/10.1007/s10639-022-11243-w
Bond,
M., Marín, V. I., Dolch, C., Bedenlier, S., y Zawacki-Richter, O. (2018).
Digital transformation in German higher education: student and teacher
perceptions and usage of digital media. International journal of educational
technology in higher education,
15, 48. https://doi.org/10.1186/s41239-018-0130-1
Chan,
C. K. Y. (2023). A comprehensive AI policy education framework for university
teaching and learning. International Journal of Educational Technology in
Higher Education, 20,
38. https://doi.org/10.1186/s41239-023-00408-3
Christopoulos,
A., y Sprangers, P. (2021). Integration of educational technology during the
Covid-19 pandemic: An analysis of teacher and student receptions. Cogent Education, 8(1), 1964690. https://doi.org/10.1080/2331186X.2021.1964690
Fernández-Batanero,
J.-M., Román-Graván, P., Reyes-Rebollo, M.-M., y Montenegro-Rueda, M. (2021). Impact of educational technology on
teacher stress and anxiety: A literature review. International journal of
environmental research and public health, 18(2), 548. https://doi.org/10.3390/ijerph18020548
Frölich,
M., Landmann, A., Olapade, M., y Poppe, R. (2014). Non-experimental
methodologies for quantitative analysis. In R. Radermacher y K. Roth (Eds.), A
Practical Guide to Impact Assessments in Microinsurance (pp. 111-129). Microinsurance Network and Micro
Insurance Academy.
García-Morales, V. J., Garrido-Moreno, A., y Martín-Rojas,
R. (2021). The transformation
of higher education after the COVID disruption: Emerging challenges in an
online learning scenario. Frontiers in Psychology, 12, 616059. https://doi.org/10.3389/fpsyg.2021.616059
Graham,
C. R., Woodfield, W., y Harrison, J. B. (2013). A framework for institutional
adoption and implementation of blended learning in higher education. The Internet
and Higher Education, 18,
4-14. https://doi.org/10.1016/j.iheduc.2012.09.003
Haleem, A., Javaid, M., Qadri, M. A., y Suman, R.
(2022). Understanding the role
of digital technologies in education: A review. Sustainable Operations and Computers, 3, 275-285. https://doi.org/10.1016/j.susoc.2022.05.004
Ifinedo,
E., y Kankaanranta, M. (2021). Understanding the influence of context in
technology integration from teacher educators’ perspective. Technology,
Pedagogy and education, 30(2),
201-215. https://doi.org/10.1080/1475939X.2020.1867231
Illescas,
W. H., Nugra, M. A., Santana, R. E., y Sancho, C. S. (2025). Transformación
digital aplicada a la educación: Un mapeo sistémico. Revista de Ciencias Sociales
(Ve), XXXI(E-12), 301-318. https://doi.org/10.31876/rcs.v31i.4456
Kim, J. (2024). Leading teachers' perspective on teacher-AI collaboration in education. Education
and Information Technologies,
29(7), 8693-8724. https://doi.org/10.1007/s10639-023-12109-5
Liu,
Q., Geertshuis, S., y Grainger, R. (2020). Understanding academics' adoption of
learning technologies: A systematic review. Computers & Education, 151, 103857. https://doi.org/10.1016/j.compedu.2020.103857
Mariani,
L., Trivellato, B., Martini, M., y Marafioti, E. (2022). Achieving sustainable
development goals through collaborative innovation: Evidence from four European
initiatives. Journal of Business Ethics, 180(4), 1075-1095. https://doi.org/10.1007/s10551-022-05193-z
Marín, V., Morales, M., y Reche, E. (2020). Aprendizaje con videojuegos con realidad aumentada en educación primaria. Revista de Ciencias Sociales (Ve), XXVI(E-2), 94-112. https://doi.org/10.31876/rcs.v26i0.34116
Mercader, C., y Gairín, J. (2020). University teachers' perception of barriers to
the use of digital technologies: The importance of the academic discipline. International
Journal of Educational Technology in Higher Education, 17(1), 4. https://doi.org/10.1186/s41239-020-0182-x
Morán, F. E., Morán, F. L., Morán, F. J., y Sánchez, J. A. (2021). Tecnologías digitales en las clases sincrónicas de la modalidad en línea en la Educación Superior. Revista de Ciencias Sociales (Ve), XXVII(3), 317-333. https://doi.org/10.31876/rcs.v27i3.36772
Pardo-Baldoví, M. I., San Martín-Alonso, Á., y
Peirats-Chacón, J. (2023). The
smart classroom: Learning challenges in the digital ecosystem. Education Sciences, 13(7), 662. https://doi.org/10.3390/educsci13070662
Ramorola,
M. Z. (2013). Challenge of effective technology integration into teaching and
learning. Africa Education Review,
10(4), 654-670. https://doi.org/10.1080/18146627.2013.853559
Reiter,
B. (2017). Theory and methodology of exploratory social science research. International
Journal of Science and Research Methodology, 5(4), 129-150. https://ijsrm.humanjournals.com/theory-and-methodology-of-exploratory-social-science-research/
Sabini, L., y Alderman, N. (2021). The paradoxical profession: Project management
and the contradictory nature of sustainable project objectives. Project
Management Journal, 52(4),
379-393. https://doi.org/10.1177/87569728211007660
Scalabrin,
I., Dinis, R., y Pereira, R. (2021). Information technology governance for
higher education institutions: A multi-country study. Informatics, 8(2), 26. https://doi.org/10.3390/informatics8020026
Senjam,
S. S., Manna, S., y Bascaran, C. (2021). Smartphones-based assistive
technology: accessibility features and apps for people with visual impairment,
and its usage, challenges, and usability testing. Clinical Optometry, 13, 311-322. https://doi.org/10.2147/OPTO.S336361
Ureña,
Y. C., Vargas-Velásquez, O. A., Fernández, M. K., y Zapata, C. (2025).
Gamificación en la educación superior: Enseñanza activa con retos para
potenciar resultados de aprendizaje. Revista de Ciencias Sociales (Ve), XXXI(E-12),
503-519. https://doi.org/10.31876/rcs.v31i.44581
Villasmil
Espinoza, J. J., Berrocal, J. C., y Rodelo, M. R. (2024). Inteligencia
artificial y nuevas formas de derecho en el siglo XXI. Revista de Ciencias Sociales (Ve), XXX(E-9), 447-458. https://doi.org/10.31876/rcs.v30i.42324