Se describe la experiencia y reflexión pedagógica derivada del uso del software Aspen Plus® para solucionar un problema académico relacionado con la ingeniería de las reacciones químicas, dentro del contexto de un curso del programa Ingeniería Química de la Universidad de Antioquia. Se describe el contexto de la experiencia, se detallan diferentes estrategias de solución para el problema, se analizan aspectos a destacar observados en los estudiantes mientras intentan solucionar el problema y se concluye con la reflexión sobre la experiencia pedagógica, resaltando algunos elementos que pueden ser importantes al usar el software como herramienta pedagógica en este u otros cursos de pregrado. Como valor agregado, se detalla el paso a paso para el uso de herramientas de análisis en el software (análisis de sensibilidad), que eventualmente puede ser utilizado como material de consulta o referencia por estudiantes con conocimientos básicos en cuanto al uso técnico del software.
Este artículo reporta una prueba de concepto desarrollada con dos muestras intencionales —seis estudiantes de grado undécimo sin formación previa en programación y dieciocho profesionales de distintas áreas— y declara tres contribuciones: (1) el diseño y la construcción de un hardware educativo de bajo costo que integra en un único módulo el microcontrolador ESP32-S3, cámara DVP, punto de acceso Wi-Fi, microSD y trece salidas GPIO para actuadores; (2) el desarrollo de D_T_I_AI.py, un software unificado que ejecuta de forma local y sin conexión a Internet el pipeline completo Datos–Entrenamiento–Inferencia, entrena y compara automáticamente tres arquitecturas (MLP, CNN y CNN con regularización avanzada) e incorpora un módulo de análisis multimodal con modelos de lenguaje multimodal (LMM) servidos por Ollama; y (3) los hallazgos preliminares de la prueba de concepto, que sugieren que participantes sin formación previa en programación logran completar el ciclo de construcción de data-sets, entrenamiento, contraste por inferencia y control de actuadores físicos dentro de sesiones acotadas de trabajo.
El subproyecto de Mecánica de Fluidos en la Universidad Nacional Experimental de los Llanos “Ezequiel Zamora” (Unellez) presenta históricamente altos índices de repetición; las prácticas actuales suponen un reto en lugar de una ayuda didáctica. Ante esto, se propuso optimizar el proceso de enseñanza-aprendizaje mediante el diseño de un modelo de formación basado en competencias. La investigación, de tipo campo y proyecto factible con enfoque cuantitativo, diagnosticó la situación mediante encuestas a 28 estudiantes y 5 profesores. Los resultados evidenciaron una desconexión temporal entre la teoría y las prácticas de laboratorio, además de la inexistencia de un enfoque por competencias previo. Como respuesta, se diseñó una propuesta curricular basada en diez competencias, integrando las dimensiones del saber conocer, hacer, ser y convivir. El modelo propuesto busca transformar el laboratorio en un entorno de aprendizaje activo que fortalezca la praxis profesional.
La competencia digital constituye un componente estratégico en la formación en ingeniería. El presente estudio, de enfoque cuantitativo descriptivo, tuvo como propósito diagnosticar el perfil de competencia digital autopercibida de 190 estudiantes de primer semestre del Tronco Común de las Ingenierías en una universidad mexicana. Se administró el Test Ikanos, basado en el marco DigComp 2.2, que evalúa cinco dimensiones: información, comunicación y colaboración, creación de contenidos digitales, seguridad y resolución de problemas. Los resultados evidencian un nivel predominantemente intermedio de competencia digital autopercibida (M = 5,64), con diferencias significativas entre dimensiones. La seguridad digital presentó las puntuaciones más altas (M = 6,47; DE = 1,4), mientras que la creación de contenidos digitales mostró los valores más bajos (M = 4,99; DE = 1,8). Los hallazgos cuestionan la noción de “nativo digital” y aportan evidencia empírica para orientar acciones formativas en los primeros años de la educación en ingeniería.
La inteligencia artificial generativa ha modificado las condiciones bajo las cuales se produce y evalúa el trabajo académico en educación superior. En ingeniería, donde la resolución de problemas ha funcionado históricamente como evidencia de comprensión, esta transformación exige redefinir qué competencias deben observarse y cómo deben evaluarse. Este artículo propone un marco conceptual-metodológico para vincular competencias y evidencia de aprendizaje en la educación en ingeniería en la era de la inteligencia artificial. A partir de la noción de modelización aumentada, se identifican seis dimensiones evaluables: formulación del problema, explicitación de supuestos, representación y modelización, mediación tecnológica crítica, validación de resultados y juicio profesional. Se presenta una rúbrica general, estrategias de diseño evaluativo y ejemplos transferibles. Se concluye que el rigor formativo no desaparece con la automatización; se desplaza hacia la justificación, la validación y la responsabilidad epistemológica.
