Inteligencia artificial en la verificación de la calidad de dispositivos electrónicos para Bachillerato Técnico en Electrónica
DOI:
https://doi.org/10.67166/jhyqh430Palabras clave:
inteligencia artificial; verificación de calidad; dispositivos electrónicos; Bachillerato Técnico; realidad aumentada.Resumen
El objetivo del estudio fue analizar el efecto de la estrategia didáctica AI-QElectro RA, basada en inteligencia artificial (IA), visión computacional, realidad aumentada (RA) y retroalimentación guiada, en el desarrollo de destrezas para verificar la calidad de dispositivos electrónicos en estudiantes de Bachillerato Técnico en Electrónica. La metodología se planteó desde un diseño cuasi experimental de enfoque correlacional-descriptivo, con grupo de control y grupo experimental, conformado por 80 participantes distribuidos en dos grupos de 40. Se elaboró un test de base estructurada para valorar destrezas de inspección visual, lectura de parámetros eléctricos, detección de fallas, registro técnico y toma de decisiones de calidad; el contenido fue validado por diez expertos y alcanzó una confiabilidad Alfa de Cronbach de 0.89, valor interpretado como muy confiable para fines educativos. Los resultados referenciales evidenciaron que el grupo experimental obtuvo un mayor incremento promedio en el postest, especialmente en identificación de defectos, trazabilidad de mediciones y diagnóstico de continuidad, con diferencias estadísticamente significativas frente al grupo de control. La prueba t de Student mostró una diferencia favorable al grupo experimental, mientras que el tamaño del efecto d de Cohen fue alto en las destrezas centrales de verificación electrónica. Se concluye que la incorporación pedagógica de IA y RA puede fortalecer aprendizajes técnicos situados, siempre que se acompañe de criterios éticos, guía docente, evaluación práctica y vinculación con estándares de calidad propios del campo electrónico.
Descargas
Referencias
Alfarwan, A. (2025). Generative AI use in K-12 education: A systematic review. Frontiers in Education. https://doi.org/10.3389/feduc.2025.1647573
Bacca, J., Baldiris, S., Fabregat, R., & Kinshuk. (2018). Insights into the factors influencing student motivation in augmented reality learning experiences in vocational education and training. Frontiers in Psychology, 9, Article 1486. https://doi.org/10.3389/fpsyg.2018.01486
Bacca, J., Baldiris, S., Fabregat, R., & Kinshuk. (2019). Framework for designing motivational augmented reality applications in vocational education and training. Australasian Journal of Educational Technology, 35(3), 102-117. https://doi.org/10.14742/ajet.4182
Candido, V., Raemy, P., Amenduni, F., & Cattaneo, A. (2023). Could vocational education benefit from augmented reality and hypervideo technologies? An exploratory interview study. International Journal for Research in Vocational Education and Training, 10(2), 138-167. https://doi.org/10.13152/IJRVET.10.2.1
Comisión Económica para América Latina y el Caribe. (2025). Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025. CEPAL.
Comisión Económica para América Latina y el Caribe. (2026). Educación y formación técnico-profesional en América Latina en el marco de la digitalización. CEPAL.
Corallo, A., Del Vecchio, V., & Di Prizio, A. (2024). Advanced AI-based solutions for visual inspection: A systematic literature review. Proceedings of the 26th International Conference on Enterprise Information Systems, 656-664. https://doi.org/10.5220/0012618000003690
Darmawan, S., & Komaro, M. (2023). Application of augmented reality (AR) in vocational education: A systematic literature review. VANOS Journal of Mechanical Engineering Education, 8(2). https://doi.org/10.30870/vanos.v8i2.20841
Fortuna, S., Barbieri, L., Marino, E., & Bruno, F. (2024). A comparative study of augmented reality rendering techniques for industrial assembly inspection. Computers in Industry, 155, Article 104057. https://doi.org/10.1016/j.compind.2023.104057
Garzón, J. (2025). Systematic review of artificial intelligence in education. Multimodal Technologies and Interaction, 9(8), Article 84. https://doi.org/10.3390/mti9080084
Lee, D., Arnold, M., Srivastava, A., & Palmer, E. J. (2024). The impact of generative AI on higher education learning and teaching: A study of educators’ perspectives. Computers and Education: Artificial Intelligence, 6, Article 100221. https://doi.org/10.1016/j.caeai.2024.100221
Lester, S., & Hofmann, J. (2020). Some pedagogical observations on using augmented reality in a vocational practicum. British Journal of Educational Technology, 51(3). https://doi.org/10.1111/bjet.12901
Ministerio de Educación, Deporte y Cultura. (2024). Orientaciones para el uso pedagógico de herramientas de inteligencia artificial en el proceso de enseñanza-aprendizaje que garanticen el uso efectivo y ético en el aula. Mineduc.
Ministerio de Educación, Deporte y Cultura. (2026). Bachillerato Técnico. Mineduc.
Ni, Y.-S., Chen, W.-L., Liu, Y., Wu, M.-H., & Guo, J.-I. (2024). Optimizing automated optical inspection: An adaptive fusion and semi-supervised self-learning approach for elevated accuracy and efficiency in scenarios with scarce labeled data. Sensors, 24(17), Article 5737. https://doi.org/10.3390/s24175737
Ortega-Gras, J. J., Gómez-Gómez, M. V., Bueno-Delgado, M. V., Garrido-Lova, J., & Cañavate-Cruzado, G. (2023). Designing a technological pathway to empower vocational education and training in the circular wood and furniture sector through extended reality. Electronics, 12(10), Article 2328. https://doi.org/10.3390/electronics12102328
Papakostas, C., Troussas, C., Krouska, A., & Sgouropoulou, C. (2021). Exploration of augmented reality in spatial abilities training: A systematic literature review for the last decade. Informatics in Education, 20(1), 107-130. https://doi.org/10.15388/infedu.2021.06
Park, K., Kim, M., Choi, S. H., & Lee, J. S. (2020). Deep learning-based smart task assistance in wearable augmented reality. Robotics and Computer-Integrated Manufacturing, 63, Article 101887. https://doi.org/10.1016/j.rcim.2019.101887
Ploetzner, R. (2022). The effectiveness of enhanced interaction features in educational videos: A meta-analysis. Interactive Learning Environments. https://doi.org/10.1080/10494820.2022.2123002
Radosavljevic, S., Radosavljevic, V., & Grgurovic, B. (2020). The potential of implementing augmented reality into vocational higher education through mobile learning. Interactive Learning Environments, 28(4), 404-418. https://doi.org/10.1080/10494820.2018.1528286
Radu, I. (2014). Augmented reality in education: A meta-review and cross-media analysis. Personal and Ubiquitous Computing, 18(6), 1533-1543. https://doi.org/10.1007/s00779-013-0747-y
Rydzi, S., Deuse, J., Morik, K., & Büscher, J. (2024). A predictive quality inspection framework for the manufacturing process in the context of Industry 4.0. Sensors, 24(17), Article 5644. https://doi.org/10.3390/s24175644
Saadallah, A., Büscher, J., Abdulaaty, O., Panusch, T., Deuse, J., & Morik, K. (2022). Explainable predictive quality inspection using deep learning in electronics manufacturing. Procedia CIRP, 107, 594-599. https://doi.org/10.1016/j.procir.2022.05.031
Sauli, F., Cattaneo, A. S., & Van Der Meij, H. (2017). Hypervideo for educational purposes: A literature review on a multifaceted technological tool. Technology, Pedagogy and Education, 27(1), 115-134. https://doi.org/10.1080/1475939X.2017.1407357
Sirakaya, M., & Sirakaya, D. A. (2020). Augmented reality in STEM education: A systematic review. Interactive Learning Environments, 30(8), 1556-1569. https://doi.org/10.1080/10494820.2020.1722713
Sirakaya, M., & Çakmak, E. K. (2018). Effects of augmented reality on student achievement and self-efficacy in vocational education and training. International Journal for Research in Vocational Education and Training, 5(1), 1-18. https://doi.org/10.13152/IJRVET.5.1.1
Sundaram, S., & Zeid, A. (2023). Artificial intelligence-based smart quality inspection for manufacturing. Micromachines, 14(3), Article 570. https://doi.org/10.3390/mi14030570
Supriyanto, S., Joshua, Q., Abdullah, A. G., Tettehfio, E. O., & Ramdani, S. D. (2023). Application of augmented reality (AR) in vocational education: A systematic literature review. Jurnal Pendidikan Vokasi, 13(2), 205-213. https://doi.org/10.21831/jpv.v13i2.54280
Trampert, P., Mantowsky, S., Schmidt, F., & colaboradores. (2025). AI-driven toolbox for efficient and transferable visual quality inspection in production. SN Computer Science, 6, Article 481. https://doi.org/10.1007/s42979-025-03988-1
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO.
UNESCO. (2024). Artificial intelligence in education. UNESCO.
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252, Article 124167. https://doi.org/10.1016/j.eswa.2024.124167
Weng, X., Ye, H., Dai, Y., & Ng, O.-L. (2024). Integrating artificial intelligence and computational thinking in educational contexts: A systematic review of instructional design and student learning outcomes. Journal of Educational Computing Research, 62(6), 1420-1450. https://doi.org/10.1177/07356331241248686
Wulansari, R. E., Fortuna, A., Marta, R., Primawati, P., Masek, A., Kaya, D., & colaboradores. (2024). Revolutionizing learning: Unleashing the power of technology gamification-augmented reality in vocational education. TEM Journal, 13(3), 2384-2397. https://doi.org/10.18421/TEM133-65
Zhang, T. (2026). Generative artificial intelligence in K-12 education: A systematic review. Research and Practice in Technology Enhanced Learning.
Zhao, J., Chapman, E., & Ghassemi Pour Sabet, P. (2024). Generative AI and educational assessments: A systematic review. Education Research & Perspectives, 51, 124-155. https://doi.org/10.70953/ERPv51.2412006
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Ximena Alexandra Arcos Tovar (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
