Documentos de Académico
Documentos de Profesional
Documentos de Cultura
plataformas de TV everywhere
Director (a):
Ph.D., Jovani Alberto Jiménez Builes
Línea de Investigación:
E-learning, u-learning, t-learning y computación ubicua
Grupo de Investigación:
GIDIA - Grupo de Investigación y desarrollo en Inteligencia Artificial
Al Politécnico Colombiano Jaime Isaza Cadavid, donde laboro como docente, por
permitirme en los últimos años tener la comisión de estudios y dedicarme al Doctorado. A
Colciencias por la convocatoria 727 de 2015 para apoyo a Doctorados Nacionales, en la
cual se contó parcialmente con una beca que contribuyo significativamente a la
realización del doctorado. A la Universidad Nacional de Colombia, especialmente la sede
de Medellín por brindar y soportar el programa a la sociedad. Al director de la Tesis,
profesor Jovani Jimenez por toda su orientación y apoyo. Al grupo de investigación
ROCkETed de Purdue University por permitirme tener la experiencia de pasantía. A las
personas que participaron de la valoración del modelo, así como a los docentes y
estudiantes que participaron de la aplicación del modelo y prototipo u-learning & TVE. A
mis familiares, amigos y a todas las personas que de alguna manera han contribuido en
mi vida y en la realización de esta tesis.
Resumen y Abstract VII
Resumen
Las tecnologías han impactado en la educación y el interés en definir modelos que
soporten la enseñanza/aprendizaje. Pero todavía hay desafíos por trabajar como la
flexibilidad, mayor acceso, entre otros que las nuevas tecnologías y enfoques pueden
contribuir en la solución. Esta tesis se enfoca en el aprendizaje ubicuo (u-learning), que
promueve el aprendizaje en todas partes, usando cualquier dispositivo, y en cualquier
momento. La revisión de literatura sobre modelos de u-learning dío como resultado que
muy pocos estudios presentan información detallada para su implementación. Se
encuentra que no se tiene en cuenta desde una orientación pedagógica, como la teoría
de diseño instruccional. Específicamente se carece de alternativas de implementación
con TV everywhere (TV por streaming), y de convergencia de Infraestructura/tecnología
soportada en la nube.
Por lo cual se propone un modelo de U-learning, el cual permita que el contenido pueda
ser desplegado en cualquier pantalla conectada a internet, basada en plataformas de TV
Everywhere (TVE). En el modelo se definen cinco etapas con sus componentes; se
acompaña de una descripción como guía de implementación, de las tendencias de
tecnologías, y opciones de implementación.
Para validar el modelo se plantearon dos escenarios, uno con “expertos” sobre la
propuesta del modelo de u-learning & TVE, y en general se obtiene una percepción
positiva. El segundo escenario fue la aplicación del modelo y prototipo de u-learning &
TVE con estudiantes universitarios y docentes, obteniéndose en general una percepción
positiva del prototipo, del modelo y el uso de plataformas de TVE en la educación.
Abstract
Technologies have impacted on education and interest in defining models that support
teaching / learning. But there are still challenges to work such as flexibility, greater
access, among others that new technologies and approaches can contribute to the
solution. This thesis focuses on ubiquitous learning (u-learning), which promotes learning
everywhere, using any device, and at any time. The literature review of u-learning models
resulted in very few studies presenting detailed information for its implementation. It is
found that it is not considered from a pedagogical orientation, such as instructional design
theory. Specifically, there is a lack of implementation alternatives with TV everywhere
(streaming TV), and infrastructure / technology convergence supported in the cloud.
To validate the model, two scenarios were raised, one with “experts” on the proposal of
the u-learning & TVE model, and in general a positive perception is obtained. The second
scenario was the application of the u-learning & TVE model and prototype with university
students and teachers, generally obtaining a positive perception of the prototype, the
model and the use of TVE platforms in education.
Contenido
Pág.
Introducción .................................................................................................................... 1
Motivación .................................................................................................................... 3
Planteamiento del problema ......................................................................................... 3
Pregunta de investigación ............................................................................................. 9
Hipótesis ..................................................................................................................... 10
Objetivos..................................................................................................................... 10
Metodología de trabajo ............................................................................................... 11
Alcance ....................................................................................................................... 15
Contribución ............................................................................................................... 15
Estrategias de comunicación y divulgación ................................................................. 17
Organización del documento ...................................................................................... 17
4. Modelo de U-learning............................................................................................167
4.1 Identificación de ajustes basados de otros modelos ....................................... 167
4.2 Referente de diseño universal para aprendizaje ............................................. 172
4.2.1 UDL y u-learning & TVE ...............................................................................173
4.3 Referente de diseño instruccional ................................................................... 174
4.4 Elementos del modelo .................................................................................... 177
Contenido XI
Lista de figuras
Pág.
Figura 1-31: Uso del teléfono celular a nivel nacional y regional. .................................. 90
Figura 1-32: Proporción de usuarios que usaron internet en Colombia, por dispositivo. 90
Figura 1-33: Tráfico IP global por categoría de aplicación. Video IP en aumento. ......... 92
Figura 1-34: Tráfico global de internet por tipo de dispositivo. ....................................... 93
Figura 1-35: Demanda significativa de video en el hogar del futuro. .............................. 95
Figura 1-36: Futuro de las tecnologías alámbricas e inalámbricas................................. 97
Figura 1-37: Conexiones a internet banda ancha en Colombia. .................................... 97
Figura 1-38: Conexiones fijas y móvil a internet banda ancha en Colombia. ................. 98
Figura 1-39: Hogares con servicio de internet nacional y regional. ................................ 99
Figura 1-40: Uso internet Nacional y regional en cualquier lugar. .................................. 99
Figura 2-1: Ejemplo primera generación televisión. ......................................................108
Figura 2-2: Ejemplo segunda generación de televisión.................................................108
Figura 2-3: Ejemplo escenario de TDT bajo estándar DVB-T2. ....................................109
Figura 2-4: Esquema general del sistema híbrido en HbbTV. .......................................111
Figura 2-5: Servicio OTT. .............................................................................................112
Figura 2-6: Pronóstico de ingresos ($ millones) de OTT TV & video en America Latina.
......................................................................................................................................113
Figura 2-7: Ejemplo nueva generación de TV, multipantalla. ........................................115
Figura 2-8: Ejemplo arreglo típico de TV en aula de clase. ...........................................118
Figura 2-9: Ejemplo experimentación remota basada en TV digital por broadcast. .......118
Figura 2-10: Arquitectura general de aplicación tele-learning aula virtual .....................119
Figura 2-11: Ejemplo prueba despliegue aplicación en laboratorio de TDT-DVB. .........120
Figura 2-12: Ejemplo menú aplicativo CONTEDI. .........................................................120
Figura 2-13: Ejemplo interfaz aplicativo educaTV para TV híbrida................................121
Figura 2-14: Visualización de TV definida por software con cloud computing. ..............124
Figura 2-15: TVE as a service, TVEaaS. ......................................................................125
Figura 2-16: TV/video por streaming. ...........................................................................127
Figura 2-17: Características esenciales y modelo de servicio de cloud computing. ......129
Figura 2-18: Topología de una CDN. ............................................................................132
Figura 2-19: Capacidades de Red ubicua inteligente....................................................134
Figura 2-20: Capacidades de la entrega de contenido en SUN. ...................................135
Figura 2-21: Compresión de HEVC vs AVC. ................................................................137
Figura 2-22: El video móvil sigue en aumento. .............................................................143
Figura 2-23: Share por interacción en contenido. .........................................................143
Figura 3-1: Plataforma de video everywhere. ...............................................................152
Figura 3-2: Opciones de uso del video. ........................................................................153
Figura 3-3: Ejemplo interacción en u-learning con código QR y plataforma video en
Laboratorio. ...................................................................................................................154
Figura 3-4: Framework de la arquitectura general de u-learning basada de SW-De TV.
......................................................................................................................................156
Figura 3-5: Ejemplo productos on-premise AWS Elemental. ........................................157
Figura 3-6: Ejemplo arquitectura y framework solución VOD y live streaming. .............159
Figura 3-7: Ejemplo opciones de despliegue con empresa Kaltura...............................160
Figura 3-8: Framework general de u-learning basado en Sw-de TV. ............................162
XIV Modelo de u-learning basado en plataformas de TV everywhere
Lista de tablas
Pág.
Lista de abreviaturas
Abreviatura Término
OTT Over the Top (en ingles) -
CBT Computer based training (en)– Entrenamiento basado en computador
ABR Adaptive Bit Rate
TIC Tecnologías de la Información y la Comunicación
TVE Television Everywhere (en) - televisión en todas partes
TV Televisión
Sw-De TV Televisión definida por software
UL Ubiquitous learning (en ingles) -
VoD Video on demand
BYOD Bring Your Own Device
LMS Learning management system
CMS Content Management System
LCMS Learning Content Management System
LAMS Learning Activity Management System
Compound annual growth rate (inglés)-Tasa de crecimiento anual
CAGR
compuesta
IP Internet Protocol
HTTP Hipertext Transfer Protocol
XaaS “everything as a service” – Todo como un servicio
API Application Programming Interface
uLTVE u-learning basado en TVE
Introducción
indicó la consultora The Diffusion Group (TDG, 2011), los ciudadanos recibirán
mayoritariamente sus programas de televisión vía Internet (desde la nube). Surge lo que
se denomina “Tv everywhere”, una Televisión que ofrece más contenidos, en cualquier
lugar, por demanda o en vivo, de mayor interactividad y con posibilidad de consumir en
múltiples pantallas. La TV híbrida (convergente con internet) permite opciones de
interactuar con dispositivos portables y móviles, ampliando las experiencias del usuario.
Todo este panorama genera un interés y abre un escenario para acceder cada vez más a
la sociedad de la información, y a contenidos/aplicativos de valor agregado accesibles
desde la nube para el usuario.
A medida que ha evolucionado las TIC, se han desarrollado diversos modelos para
soportar el proceso de enseñanza y aprendizaje, entre ellos entrenamiento basado en
computador, e-learning, b-learning, m-learning, y u-learning. El objeto de estudio principal
de esta propuesta, es la educación ubicua o u-learning (ubiquitous learning), un servicio
ubicuo, que surge de la teoría de computación ubicua (ubiquitous computing), cuyo
promotor fue Mark Weiser (C.-S. Wang & Tzeng, 2008). Mark Weiser definió la próxima
revolución de la computación después de los workstations y los PC, conocida como
ubiquitous computing o embodied virtuality, visionando que los computadores estarán
embebidos en todas partes – ubicua – y transparente (Weiser, 1991). U-learning significa
aprendizaje en cualquier lugar, en cualquier tiempo, aprendizaje en conjunto con la vida
diaria de las personas (Aihua, 2010). Además, significa aprendizaje con cualquier
dispositivo y en cualquier contexto (Stefan, Gheorghiu, Moldoveanu, & Moldoveanu,
2013). Para (Virtanen et al., 2018) u-learning plantea un escenario de aprendizaje sin
interrupciones y sensible del contexto, que está disponible desde cualquier ubicación en
cualquier momento, además de admitir una interacción fluida entre recursos de
aprendizaje auténticos y digitales, y proporciona experiencias de aprendizaje
personalizadas.
Motivación
La motivación con este trabajo es proyectar la aplicabilidad de plataformas de TVE que
posibilitan la adaptación y entrega de video a diferentes tipos de pantallas, como
smartphones, laptops, PC´s, SmartTV, Tablets, articulado con el enfoque de u-learning,
donde se pretende que los estudiantes puedan acceder a contenidos (principalmente de
video) de aprendizaje a cualquier hora y lugar, y empleando cualquier dispositivo ubicuo
u otros recursos TIC.
Es importante contribuir con un modelo de u-learning soportado con plataformas de TV
everywhere para apoyo al proceso de enseñanza y aprendizaje, y que permita entender
lo necesario para su implementación. Las plataformas de TV Everywhere, pueden
contribuir a solucionar diversos desafiós en el contexto educativo.
Las TIC y las nuevas tendencias como TV everywhere puede contribuir a la solución de
dificultades o retos en la educación. Entre los aspectos por mejorar en contextos
educativos, se presentan: La educación formal junto a la vida laboral, el aprendizaje
continuo a lo largo de la vida, la demanda de un mayor acceso a la educación para todos,
la disponibilidad, la conectividad, la interacción, la flexibilidad, la movilidad, eliminación de
barreras espacio-tiempo, acceso a los recursos de aprendizaje a distancia, cobertura,
desempeño, conciencia de utilizar las TIC, los contenidos significativos, (UNESCO, n.d.),
(The World Bank, 2014), (Aktaruzzaman et al., 2011), (Päivi Aarreniemi, 2005), (Wang,
4 Introducción
Feng & Zhou, Chunfang, 2013); Proveer flexibilidad (Király & Géring, 2019), alternativas
para que el estudiante adquiera el conocimiento (Shin, 2014). Proporcionar
oportunidades equitativas (flexibilidad, diversidad de currículo, atraer a los jovenes a
estudiar en la Universidad) (Medvedeva, 2015); Proveer oportunidades de aprendizaje
flexible y personalizadas, movilidad, inclusión social (Unger et al., 2018).
Por otro lado, se hace necesario generar una impresión positiva en los estudiantes y de
mayor motivación, ya que ellos pueden estar rodeados con la tecnología, y no le sacan
todo el provecho, o se distraen, o el docente poco usa la tecnología para fines
educativos. En varios contextos es frecuente el uso de metodologías de enseñanza
tradicional, y donde los estudiantes parecen aburridos en el aula de clase (G. A. Moreno
López, Jiménez Builes, & Puche Plaza, 2017). Propiciar escenarios de más motivación,
es también un desafío (Jeong & Yi, 2014), (Hung et al., 2014), (B. Chang et al., 2007), y
como comenta (Diaz & Rusu, 2014), dado que la mayoría de los docentes (inmigrantes
digitales), enseñan a nativos digitales (estudiantes), los profesores deben ir adaptando
las nuevas herramientas tecnológicas para propiciar una motivación positiva en los
estudiantes
También ocurre que se emplea infraestructura sin alguna convergencia (Zahariev et al.,
2013). Los sistemas tradicionales de TV son exclusivos sólo por un medio (aire, o cable,
o satélite), solo para un tipo de pantalla (TV tradicional), y puede estar limitada en
aspectos de cobertura, interactividad, mantenimiento, convergencia con otros
dispositivos, facilidad de implementación, entre otros (G. A. Moreno López, Jiménez
Builes, & Ramírez Monsalve, 2017).
Muchas Universidades no cuentan con mecanismos flexibles para los estudiantes y/o no
se benefician de las ventajas de la tecnología para contribuir al proceso de aprendizaje, o
no emplean la tecnología adecuadamente, o no tienen modelos para su implementación.
Introducción 5
Para contribuir en solucionar los problemas o retos expuestos anteriormente, este trabajo
de investigación propone un modelo de referencia para implementar una solución de u-
learning, y utilizando tecnologías de plataformas convergentes de TV/video soportadas
en la nube, que permitan que el contenido principal de video se despliegue y adapte a
diferentes pantallas conectadas a internet. El modelo permitirá entender y considerar
diversos aspectos para su implementación desde una visión más integral y desde el
enfoque de teoría de diseño instruccional, y propiciando que la solución de u-learning
enriquezca el proceso de aprendizaje, permitiendo que el estudiante defina que
dispositivo ubicuo usar, en donde y en qué momento, buscando más flexibilidad y
motivación para el estudiante. Por lo cual hay retos y oportunidades para trabajar con
nuevas tecnologías soportadas en la nube para aportar en los sistemas educativos en
una Universidad, como es con plataformas de TV/video en la nube.
Pregunta de investigación
La pregunta de investigación que se ha planteado es la siguiente:
Hipótesis
A continuación, se presenta la hipótesis de investigación que ha sido propuesta como
opción válida de solución a la problemática descrita:
Objetivos
Los objetivos planteados de la tesis fueron los siguientes:
General:
Proponer un modelo de U-learning basado en plataformas de TV everywhere orientado
en los aspectos tecnológicos, para las Instituciones de Educación Superior Colombianas.
Específicos:
1. Determinar los conceptos de U-learning, TV everywhere, TV híbrida y
tendencias relacionadas de computación ubicua y computación en la nube.
Introducción 11
Metodología de trabajo
La metodología se enmarca en el método científico (Ayala, 2016) (Woodcock, 2014),
compuesta de varias etapas, que abarca en general los procesos de revisión de
literatura, formulación de hipótesis, propuesta de modelo, experimentación y finalmente
evaluación y resultados. El paradigma de investigación es positivista, que define una
visión del mundo de la investigación, que se basa del método científico de investigación.
Contempla la experimentación, observación y la razón basada de la experiencia. La
epistemología es objetivista, ya que, a través de la investigación, se obtiene conocimiento
que ayuda a ser más objetivos para comprender el mundo que nos rodea (Kivunja &
Kuyini, 2017). Esta tesis se ajusta al paradigma pospositivismo, que es más abierta y
flexible, y la búsqueda de la objetividad es deseable (Hernández Sampieri & Mendoza
Torres, 2018); En el pospositivismo hay una realidad que es conocida de manera
imperfecta debido a las limitaciones humanas del investigador (Mertens, 2015) y se
pueden emplear diseños cuasi-experimentales.
contempló en la cuarta etapa, pero era pertinente contemplarlas mucho antes); Otras
observaciones que apuntan a la sistematización del modelo, se proyectan más en futuras
mejoras.
Actividades definidas
El plan establecido dentro de la metodología consta de cinco etapas, las cuales a su vez
están distribuidas en una serie de actividades, de la siguiente forma:
Etapa 1. Complementación marco teórico – estado del arte. Para lograrlo se realizará las
siguientes actividades:
➢ Consulta base de datos especializados.
➢ Consultas sitios web específicos en tendencias y relacionado con TV everywhere.
Etapa 2. Análisis.
➢ Revisión de las fuentes de información.
➢ Descripción del contexto de u-learning y TV everywhere.
➢ Conceptualización – propuesta nuevos términos.
➢ Evaluación de estudios de modelos de u-learning
➢ Identificación de las tendencias.
➢ Caracterización de los requerimientos técnicos básicos.
➢ Identificación de opciones de implementación.
Etapa 5. Validación
Introducción 15
Alcance
Esta tesis de doctorado se enfoca en desarrollar un modelo de U-learning basado en
plataformas de TV everywhere, como un referente para su implementación. Esta
plataforma de TVE permitirá que el contenido (video) se puede desplegar en cualquier
dispositivo ubicuo.
Quedan por fuera del alcance de la tesis el desarrollo de objetos de aprendizaje y
repositorios de objetos de aprendizaje. De igual manera, el uso de técnicas relacionadas
con la inteligencia artificial, tecnología de sensores, para sensibilidad del contexto, o
recomendadores, aprendizaje personalizado y/o adaptativo. La propuesta tampoco
profundizará en los aspectos pedagógicos y personales, y de accesibilidad. Se proyecta
el prototipo en una aplicación real, no simulada y no se confronta con otros sistemas de
TV tradicional, al igual que no se compara el enfoque planteado de u-learning con otros
enfoques de TIC o con entornos de aprendizaje virtual como LMS.
Se presentará y aplicará para un contexto Colombiano, y en un escenario de educación
Universitaria. Las personas que participaron en la validación del modelo son de varias
Instituciones de Educación Superior Colombiana; Los estudiantes al igual que los
docentes que participaron de la aplicación modelo-prototipo estaban alistados en cursos
del Politécnico Jaime Isaza Cadavid y de la Universidad Nacional de Colombia, pero es
limitada en cuanto a que estos cursos ya tenían su planificación definida.
Contribución
componentes del modelo, y proyectado desde una visión integral, al contemplar por
ejemplo el enfoque de teoría de diseño instruccional como ADDIE, e incluye aspectos
tecnológicos y pedagógicos, y se presenta como un referente como guía para ser
implementado en un contexto educativo (Institución o Universidad).
También se hacen aportes al sector real, al ilustrar un tema que se puede implementar
realmente en diversidad de contextos, y específicamente en el sector educativo en
cualquier área de conocimiento. Y, que pueden intervenir diversos profesionales o
propiciar nuevas oportunidades de negocio.
Los principales logros resultantes de la elaboración de la tesis se pueden resumir
como sigue:
➢ Del trabajo teórico:
Modelo de U-learning basado en plataformas de TV everywhere. Presentando
un tema de actualidad científica, y según las tendencias de interacción con
diferentes dispositivos, y la aplicación en el aprendizaje.
➢ Trabajo práctico:
Introducción 17
➢ El trabajo empírico:
La eficiencia del modelo propuesto teniendo en cuenta las tendencias para
despliegue en múltiples pantallas conectadas. El trabajo empírico se realizó
mediante pruebas en diferentes escenarios y con diferentes tipos de dispositivos.
➢ Divulgativo:
Socializando y participando en eventos, y realizando publicaciones.
Contribuyendo a la socialización del conocimiento y aplicabilidad de las plataformas
de TV everywhere, y pantallas conectadas en los procesos de enseñanza y
aprendizaje, U-learning en nuestro entorno.
Otros términos relacionados con tecnología educativa son por ejemplo Cyberlearning,
Technology-Enhanced Learning, Technology-Enhanced Learning Environments. En
Cyberlearning, los investigadores creen que los estudiantes desarrollan sus
conocimientos, habilidades, e identidades en todos los entornos, y no solo como
estudiante en un aula formal (Roschelle et al., 2017). La investigación en Cyberlearning,
implica entre otras, el estudio de como las nuevas tecnologías se pueden usar para
avanzar en el aprendizaje. Cyberlearning como indican Borgman et al (Borgman et al.,
2008) es el uso de tecnologías de cómputo y de comunicación en red para apoyar el
aprendizaje. Technology-Enhanced Learning (TEL), o aprendizaje mejorado con la
tecnología, entendido como el uso de la tecnología en cualquier situación de enseñanza
y aprendizaje, desde el aprendizaje cara a cara hasta el aprendizaje en línea (A. W.
(Tony) Bates & Sangra, 2011). Las TEL además se relacionan con innovación disruptiva,
y tecnología que transforma (Goodchild & Speed, 2018). Technology-Enhanced Learning
Environments (TELE), relacionado con el aprendizaje basado en tecnologías y sistemas
instruccionales a través de los cuales los estudiantes adquieren habilidades o
conocimientos, por lo general con la ayuda de maestros o facilitadores, herramientas de
apoyo de aprendizaje, y recursos tecnológicos (F. Wang & Hannafin, 2005)
Como indica (A. W. (Tony) Bates, 2015) las tecnologías son simplemente herramientas
que se pueden utilizar de diversas formas, y que lo más importante es identificar cómo se
aplican. La misma tecnología se puede aplicar de diferentes maneras, incluso o
especialmente en la educación. Por lo tanto, a la hora de juzgar el valor de una
tecnología, se debe mirar más de cerca la forma en que se está utilizando o podría ser
utilizada. En esencia, esto significa centrarse más en los medios de comunicación (que
representan el uso más integral de las tecnologías) que en las herramientas o
tecnologías en sí mismas individualmente, sin dejar de reconocer que la tecnología es un
componente esencial presente en casi todos los medios de comunicación.
la tecnología educativa basada de las TIC abarca desde los años 60´s con los lenguajes
de programación simple, en los 70´s con los computadores personales en las escuelas,
en la década de los 80´s con las prácticas de software y juegos de aprendizaje, a la
década de los 90´s con las herramientas basadas en web y multimedia, y en la década
de años 2000 con las herramientas web 2.0 y otras tendencias (Tedre et al., 2011).
Las primeras herramientas empleadas para el aprendizaje presencial fueron los tableros,
lapiceros, libros, y a medida que surge la correspondencia, la radio, la telefonía, y
televisión posibilitaron tener aprendizaje a distancia. Con la evolución de las TIC, como
los sistemas de cómputo, el internet, los sistemas celulares, la web, la televisión
interactiva, el incremento de procesamiento y ancho de banda, las redes y sistemas de
comunicaciones, la inteligencia artificial, la computación en la nube, entre otros, diversos
modelos para soportar el proceso de enseñanza y aprendizaje se han desarrollado, entre
ellos entrenamiento basado en computador o computer-based training (CBT), e-learning,
b-learning, m-learning, y u-learning (Moreno Lopez et al., 2016). La Tabla 1-1 ilustra un
resumen de estos.
Otros autores como (A. W. (Tony) Bates, 2015) plantea la evolución de la tecnología para
el aprendizaje resaltando su avance en áreas de: la comunicación oral, la comunicación
escrita, transmisión de broadcasting y video, y las tecnologías informáticas (Computer-
based learning, redes de cómputo, entornos de aprendizaje online, y redes sociales). En
(Goodchild & Speed, 2018) resalta en esta evolución, las siguientes épocas: Principios
del Conductismo y medios de difusión, computadores personales, Internet y e-learning,
internet social y móvil. La Tabla 1-2 resume algunos aspectos importantes en la historia
de la tecnología educativa.
24 Modelo de U-learning basado en plataformas de TV everywhere
mediados de los 80´s se han tratado de replicar los procesos de enseñanza con la
inteligencia artificial (artificial intelligence (AI)). Se ha trabajado en los últimos años en el
desarrollo del aprendizaje adaptativo, que analiza las respuestas de los alumnos y luego
los redirecciona al área de contenido más adecuada, en función de su rendimiento. Las
estadísticas del aprendizaje “learning analytics”, que también recoge datos sobre las
actividades de los estudiantes y los relaciona con otros datos, tales como el rendimiento
(A. W. (Tony) Bates, 2015).
▪ e-learning
El aprendizaje electrónico (E-Learning) considerado como aprendizaje asistido por
computadora ha existido desde la década de 1960, pero su adopción comenzó
principalmente después de la popularización de internet y la web. El e-learning puede
considerarse como una evolución natural del aprendizaje a distancia (Bezhovski &
Poorani, 2016). En los años 90s, específicamente con el internet, se abre la opción del
entrenamiento basado en la web, el e-learning como una alternativa para la formación a
distancia, desde un computador fijo, para acceder a contenidos en la red (Vieira Mejía,
2013). Diversos sistemas de e-learning se han desarrollado, basado mayoritariamente de
arquitecturas cliente-servidor o servidores centralizados, y usando como dispositivo
principal un PC (K. Cat & H. Peter, 2005), (S. J. Yang, 2006). El eLearning consiste en la
utilización y aprovechamiento de Internet para desarrollar proyectos formativos (Conde
González Miguel Ángel, 2007), e integra avances en el campo de la tecnología y la
pedagogía (Caro et al., 2014).
▪ m-learning
El m-learning está enfocado principalmente al aprendizaje mediado por dispositivos
portables y móviles, como los Tablet, PDA (Personal Digital Assistants), teléfonos
móviles, portátiles (Sharples et al., 2005), (Cobcroft, 2006). El concepto de m-learning,
“aprendizaje móvil” o “mLearning” tiene distintos significados según el contexto, como lo
plantea Conde (Conde González Miguel Ángel, 2007):
• Aprendizaje usando tecnologías portátiles (teléfono móvil, PDA, ordenador
portátil, en donde el centro de atención es la tecnología (que podría estar en un
lugar fijo, tal como un aula).
• Aprendizaje en contextos, en donde el centro de atención es la movilidad de los
aprendices, interactuando con tecnología portátil o fija.
Capítulo 1 27
▪ t-learning
Con la masificación y posibilidades de la TV digital, surge el T-learning, referida a un
proceso de enseñanza y aprendizaje apoyado con la televisión digital. Es la convergencia
de las tecnologías de TV con las telecomunicaciones y los sistemas (computación), y en
concordancia con los sectores educativos, audiovisual, entre otros (G. A. Moreno López
& Jimenez Builes, 2012). Otras definiciones de T-learning son las siguientes:
• “Aprendizaje interactivo a través de la televisión, o bien el acceso interactivo a
contenidos educativos ricos en video principalmente en el hogar, a través de un
televisor” (P. J. Bates, 2003).
• “Es la convergencia entre la TVDi y las tecnologías de e-learning” (Damasio &
Quico, 2004), (Pinto et al., 2008).
• Es la convergencia de la televisión y las tecnologías informáticas (y más
específicamente internet) (Lytras et al., 2002).
• Más aún t-learning puede incluir otras tecnologías como tecnologías móviles y
protocolos de internet (Internet Protocol, IP), así, t-learning es visto como una
convergencia de diferentes medios de comunicación y e-learning (Päivi
Aarreniemi, 2005).
▪ Blended learning
Al combinar los momentos de presencialidad cara a cara con el docente con los cursos
basados en web, surge el blended learning o b-learning, también conocido como
semipresencial, o aprendizaje mixto, o modelo híbrido. Heather Staker (Horn & Staker,
2011), indica que “El aprendizaje mixto es cualquier momento en el que un estudiante
28 Modelo de U-learning basado en plataformas de TV everywhere
aprende como mínimo supervisado en un lugar físico diferente al hogar y una parte en
línea con elementos de control por parte del estudiante sobre el momento, lugar o ritmo
de aprendizaje”. En Viera (Vieira Mejía, 2013) plantea que hay una presencialidad guiada
por un docente y se aprovecha las TIC para llevar el proceso de aprendizaje por fuera del
aula. En Pinal (Pinal et al., 2016) indican que es una combinación de clases presenciales
y contenidos en línea. El término aprendizaje mixto también es utilizado para describir
una solución que combina diferentes métodos de entrega tales como software de
colaboración, cursos basados en Internet, y prácticas de gestión de conocimiento. El
aprendizaje mixto es también utilizado para describir la mezcla de varias actividades
incluyendo aulas de clase cara-a-cara, e-learning y aprendizaje autónomo (Valiathan,
2002).
De acuerdo con (Allen et al., 2007) los cursos mixtos son definidos como los que tiene
entre el 30 y el 79 por ciento del contenido del curso entregado en línea. Combina
entrega en línea y presencial (face-to-face). Una proporción sustancial del contenido se
entrega en línea, y, por lo general, tiene algunas reuniones presenciales. Esta categoría
incluye cursos tradicionales (0 % de uso de entrega online) y apoyados con tecnologías
digitales (entre 1 a 29 %, usando LMS, página web). Ya, si la entrega del contenido
online es por lo menos del 80 %, es definido como un curso online, y típicamente no
tienen reuniones cara a cara.
▪ u-learning
Por último, surge el ubiquitous learning o u-learning, la educación ubicua (en todas
partes), el cual agrupa las diferentes evoluciones del proceso de aprendizaje apoyadas
con las TIC (CBT, e-learning, m-learning, t-learning, y b-learning) combinadas con las
nuevas tendencias tecnológicas. Un servicio ubicuo, que surge de la teoría de
computación ubicua (ubiquitous computing), cuyo promotor fue Mark Weiser Weiser (C.-
S. Wang & Tzeng, 2008).(C.-S. Wang & Tzeng, 2008) U-learning posibilita un aprendizaje
que surge de la interacción con el entorno, en cualquier lugar, momento y apoyado con
cualquier tecnología. Además significa aprendizaje con cualquier dispositivo y en
cualquier contexto (Stefan et al., 2013)
La Tabla 1-3 presenta una comparación de u-learning con otros modelos soportados con
TIC, tales como e-learning, m-learning o t-learning, considerando los aspectos que más
predominan. El e-learning se usa para procesos de capacitación y generalmente usa una
PC e Internet. M-learning utiliza un dispositivo móvil e Internet, y t-learning utiliza un
televisor ya sea por IPTV, cable, satélite o TDT y, en algunos casos, está limitado a la
opción de canal de retorno o de Internet. Estos han sido limitados en aspectos de
cobertura, o han sido exclusivos para un medio o dispositivo, tienen poca convergencia,
problemas de implementación en pantallas múltiples y poca interactividad, entre otros.
1 “The technology of literacy when first invented, and for thousands of years afterwards, was expensive,
tightly controlled, precious. Today it effortlessly, unobtrusively, surrounds us. Look around now: how many
objects and surfaces do you see with words on them? Computers in the workplace can be as effortless, and
ubiquitous, as that."
Capítulo 1 31
electronic, thing that think, wereable computers, inter-body signaling. La Figura 1-2 ilustra
un ejemplo de redes ubicuas, donde los usuarios acceden a internet desde cualquier
lugar y en cualquier tiempo, y con diferentes dispositivos. Están soportadas con
tecnologías y redes fijas e inalámbricas.
Figura 1-2: Redes Ubicuas.
Zhang (J.-P. Zhang, 2008) indica las siguientes características: movilidad del usuario,
descubrimiento de recursos y ubicación, sensibilidad al contexto
(usuario/tiempo/ubicación), interacción colaborativa, información del ambiente, tecnología
invisible, notificación de eventos, interfaces adaptables, invisibilidad del “aumento” de
objeto, y en cualquier momento / cualquier lugar.
Aparece un concepto importante en la computación ubicua, es el de sensibilidad al
32 Modelo de U-learning basado en plataformas de TV everywhere
contexto (context – aware). Hong and Cho (Hong & Cho, 2008) lo definen “como la
información utilizada para identificar el estado de una entidad. Una entidad puede ser una
persona, un lugar, o un objeto físico o de computación. Incluye un usuario y una
aplicación, y refleja la relación de interacciones entre ellos". El contexto, es la información
que puede ser usada para caracterizar el entorno del usuario. La información del
contexto puede incluir donde está el usuario, que recursos están cerca del usuario
(dispositivos, puntos de acceso, el nivel de ruido, ancho de banda, etc.), en qué momento
el usuario está en movimiento, el historial de interacción entre la persona y los objetos,
etc., de acuerdo con determinadas aplicaciones, la información de contexto se puede
actualizar. Entonces el contexto puede estar representado como ubicación (donde),
identidad (quién), tiempo (cuando), actividad (que), entorno. (ITU-T, 2013b).
Fuente: Autor
(Caytiles et al., El aprendizaje no sólo se encuentra en las cuatro esquinas del salón de
2011) clases. Está en todas partes. El aprendizaje ubicuo es un nuevo paradigma
de educación centrado en el alumno, caracterizado de proporcionar formas
intuitivas para identificar los colaboradores adecuados, los contenidos y
servicios de aprendizaje correctos, en el lugar correcto y el momento
adecuado basado en el entorno del estudiante.
ZHAO AND El proceso de aprendizaje puede ser continuamente conducido en
OKAMOTO (Zhao cualquier tiempo y lugar con dispositivos ubicuos (PDA, cell phone, smart
& Okamoto, phone, iPhone, etc.), no solo con el computador personal en la casa u
2011) oficina.
Capítulo 1 35
(Mandula et Una forma de aprendizaje móvil donde los aprendices pueden acceder al
al., 2012) material de aprendizaje, en cualquier lugar, a cualquier tiempo, usando
cualquier dispositivo.
(Yahya et al., Aprendizaje con dispositivos móviles, comunicaciones inalámbricas, y
2010) tecnología de sensores.
(Ramírez- El aprendizaje ubicuo se potencializa con la conectividad ubicua y la
Montoya & posibilidad de acceder a fuentes de conocimiento con los dispositivos Móvil
García- móviles.
Peñalvo, 2017)
(G. zen Liu et U-learning combina tecnologías de sensores, como tecnología de
al., 2016) identificación por radiofrecuencia (RFID) y códigos de respuesta rápida
(códigos QR), con dispositivos móviles.
(Vieira Mejía, El paradigma de aprendizaje que permite llevar a cabo el proceso de
2013) aprendizaje adecuado en el momento, lugar y manera adecuada. Esto es,
siendo tan sensible al contexto como sea necesario para brindarle una Sensibilidad
experiencia de invisibilidad e inmediatez al estudiante. al contexto
(G.-J. Hwang, Al realizar un comparativo entre aprendizaje ubicuo con el aprendizaje
2006) móvil, evidencia que los principales elementos que diferencian lo ubicuo de
lo móvil es la sensibilidad al contexto.
(Ho et al., El u-learning se refiere a un entorno de aprendizaje ubicuo que posibilita a
2017) los individuos llevar a cabo actividades de aprendizaje en el lugar y tiempo Sensibilidad
apropiado. Un entorno u-learning sensible al contexto, es un entorno que al contexto,
los usuarios accedan a través de dispositivos móviles, comunicaciones Entorno,
inalámbricas y tecnologías de sensores cuando participan en actividades
de aprendizaje
(Jones & Jo, Un entorno de aprendizaje ubicuo es un entorno en el que los estudiantes
2004) pueden sumergirse totalmente en el proceso de aprendizaje.
(Virtanen et al., Los entornos de aprendizaje ubicuos mejoran las experiencias de
2018) aprendizaje integradas y conscientes de los contextos disponibles desde
cualquier lugar y en cualquier momento. Ellos apoyan la interacción fluida
entre los recursos de aprendizaje auténticos y digitales y proporcionan
oportunidades de aprendizaje personalizado.
(Kanagarajan Un entorno de aprendizaje ubicuo es el que ayuda a los alumnos a acceder Entorno
& a los recursos de aprendizaje de una manera más fácil y conveniente. Sus
Ramakrishnan, principales características incluyen la sensibilidad al contexto y ubicuo.
2018)
(Zhan & Yuan, El entorno de aprendizaje ubicuo se basa en el uso de tecnologías
2009) informáticas ubicuas que los alumnos tienen a mano para crear situaciones
de aprendizaje significativas y relevantes.
(Jones & Jo, El entorno de aprendizaje ubicuo es una situación o entorno de aprendizaje
2004) omnipresente. La educación o aprendizaje está sucediendo toda alrededor
del alumno, pero el alumno puede no ser consciente del proceso de
aprendizaje.
(Ogata & El aprendizaje ubicuo integra alta movilidad con entornos de aprendizaje Sistemas
36 Modelo de U-learning basado en plataformas de TV everywhere
Yano, 2004) “pervasivos”. Mientras el alumno se está moviendo con su dispositivo pervasivos
móvil, el sistema apoya dinámicamente su aprendizaje al comunicarse con
las computadoras integradas en el entorno.
(El Guabassi et El sistema es ubicuo si es capaz de adaptarse a su contexto (usuario,
al., 2018) plataforma, entorno, dispositivo, etc.). Un sistema de aprendizaje ubicuo
adaptativo es un sistema que se adapta en cada momento al perfil del Adaptativo
alumno y al contexto del alumno. Los sensores físicos, virtuales y lógicos
permiten adquirir la información contextual sobre el alumno, mientras que
la generación del curso adaptado es realizada por el propio sistema.
(Atif et al., u-learning consiste en crear entornos de aprendizaje "inteligentes" que se Inteligente
2015) integran de manera transparente e invisible en el entorno físico del
campus.
Fuente: Construcción propia
Curtis et al, (Curtis et al., 2002) comenta tres ventajas de la computación portátil
(handheld Computing) a implementarse en un escenario educativo, como son:
permanencia, accesibilidad e inmediatez. Estas características fueron la base para otros
autores en u-learning.
(G.-J. Hwang et al., 2008) plantea que un entorno de aprendizaje ubicuo sensible al
contexto presenta las siguientes características:
▪ Consciente del contexto; es decir, se puede sensar la situación del alumno o la
situación del entorno del mundo real en el que se encuentra el alumno, lo que
implica que el sistema puede llevar a cabo las actividades de aprendizaje en el
mundo real.
▪ Ofrece más apoyos adaptativos a los alumnos al tomar en cuenta sus
comportamientos y contextos de aprendizaje tanto en el mundo cibernético como
en el mundo real.
▪ Proporciona activamente apoyos o consejos personalizados para los estudiantes
em de la manera correcta, en el lugar correcto y en el momento adecuado, en
función de los contextos personales y del entorno en el mundo real, así como el
perfil y el portafolio de aprendizaje del alumno.
▪ Permite un aprendizaje sin interrupciones de un lugar a otro dentro del área
predefinida.
▪ Es capaz de adaptar el contenido de la asignatura para cumplir con las funciones
de varios dispositivos móviles.
Otros autores como (Chiu et al., 2008), (Zhan & Yuan, 2009), (Zhan & Yuan, 2009),
(Vieira Mejía, 2013), (Kanagarajan & Ramakrishnan, 2018) también indican
características de u-learning. La siguiente tabla presenta un resumen comparativo de las
características de u-learning planteadas por algunos autores:
Tabla 1-5: Resumen características de u-learning según otros autores.
(Curtis et al., (Ogata & (G.-J. (G.-J. Hwang (Chiu et al., 2008) (Zhan & Yuan, (Yahya et (Vieira (Kanagarajan
2002) Yano, 2004) Hwang, et al., 2008) 2009) al., 2010) Mejía, 2013) &
2006) Ramakrishnan
, 2018)
Permanenci Permanenci Urgencia de la Permanenci Persistencia
a a necesidad de a
aprendizaje
Accesibilidad Accesibilidad Iniciativa de Accesibilidad Accesibilidad
adquisición de
conocimiento
Inmediatez Inmediatez Aprendizaje Inmediatez
inmediato y
adquisición de
conocimiento
Interactivida Interactividad del Aprendizaje Interactivida Interacción
d proceso de interactivo d
aprendizaje
Ubicación- Situación de la Actividades de Ubicado en
contextualiza actividad educativa aprendizaje nuestras
do contextualizadas vidas
Sensibilidad Sensibilidad al Conciencia Conciencia Sensibilidad al
al contexto contexto contextual contextual contexto
Personalizab Personalizable Proporciona
le activamente
servicios
personalizados
Aprendizaje Aprendizaje Aprendizaje
continuo sin continuo
interrupciones
Contenido Contenido Adaptar los Contenidos de Adaptabilida
Adaptable adaptable contenidos de la aprendizaje d
asignatura adaptativos y
siempre presentes
Apoyo
adaptativo
Ubicuo
42 Modelo de U-learning basado en plataformas de TV everywhere
(Curtis et (Ogata & (G.-J. (G.-J. Hwang (Chiu et al., 2008) (Zhan & Yuan, (Yahya et al., (Vieira (Kanagarajan
al., 2002) Yano, 2004) Hwang, et al., 2008) 2009) 2010) Mejía, 2013) &
2006) Ramakrishnan
, 2018)
Aprendizaje Proceso de
autorregulado aprendizaje
autorregulado
Comunidad de
aprendizaje
Múltiples interfaces
de aprendizaje
Comunicación
cómoda e invisible
▪ Dimensiones de U-learning
Nicholas (Burbules, 2010) sugiere seis dimensiones interrelacionadas sobre Ubicuidad:
1. Sentido espacial de ubicuidad. Acceso continuo a la información.
2. Portabilidad. Dispositivos portátiles, e incluso los de “vestir”.
3. Sentido de interconectividad. Soporte de lo tecnológico, como socialmente (conectándonos con otros).
4. Ubicuidad en un sentido práctico. Se unen actividades como trabajo/juego, o aprendizaje/entretenimento.
5. Ubicuidad en un sentido temporal. Continuo, y aprendizaje permanente.
6. Ubicuidad en el sentido de redes y “flujos” transnacionales y globalizados. Implica reconocer las interconexiones entre
personas, lugares y procesos.
1.3.3 Usos del aprendizaje ubico
Como es planteado por Moreno et al (Moreno Lopez et al., 2016), son diversas las
opciones para implementar servicios de u-learning, que soportado con tecnología e
internet se puede dar en cualquier lugar, en cualquier área de conocimiento, en contextos
de salud, educativo, etc, donde de forma personal o en cualquier organización se puede
implementar, como se resalta en la siguiente figura.
Fuente: Autor
Fuente: Autor
▪ Instructivismo
Se caracteriza porque el conocimiento principal es entregado del profesor al alumno. Se
centra en el contenido en lugar de cualquier autodescubrimiento y reflexión por parte del
alumno (Andrews & Goodson, 1980). La instrucción sigue siendo muy importante en la
educación y entrenamiento en esta nueva era post-industrial, y los roles del profesor,
alumno y la tecnologías son claves (Reigeluth, 2016).
▪ Cognitivismo
Se concentra en la conceptualización de los procesos de aprendizaje de los estudiantes.
Se enfoca en la exploración de la forma en que la información es recibida, organizada,
retenida y utilizada por el cerebro. El gran impulsor de la teoría del conectivismo es Jean
46 Modelo de U-learning basado en plataformas de TV everywhere
▪ Constructivismo
Fomenta el aprendizaje a través de la experiencia y la reflexión. El conocimiento es
construido activamente por el alumno, no recibido pasivamente, a través de tareas
auténticas en un contexto significativo (McKenna et al., 2004). El conocimiento no solo
proviene de la educación en el aula, también la construyen los alumnos en función de su
sistema de conocimiento previo (Zhou et al., 2012). Uno de sus autores más
representativos es Lev Vygotsky.
▪ Conductismo
Del inglés Behaviourism2, es la teoría de que el estudio de la mente humana debe
basarse en las acciones y el comportamiento de las personas, y no en lo que dicen que
piensan o sienten. Ha tenido una larga asociación con el instructivismo, y le preocupa la
idea de la respuesta al comportamiento, donde la reafirmación de una respuesta es
responsable del aprendizaje (K. E. Hart & Kritsonis, 2006). El enfoque conductista se
dirigió hacia comportamientos observables y medibles y sobre cómo la educación podría
influir y cambiar esos comportamientos.
La tecnología de Skinner fijó una mirada conductista firme sobre el modo de entrega del
material que se enseña. Skinner desarrolló una "máquina de enseñanza" conductista
descrita como "cualquier dispositivo que arregla contingencias de refuerzo" (Goodchild &
Speed, 2018). Como plantea Zhou et al (Zhou et al., 2012), las conductas de aprendizaje
individuales, son vistos como "estímulo- respuesta" del proceso de adaptación a los
ambientes externos, en los que si se tiene el control de estimulación, se puede controlar
2 Según https://dictionary.cambridge.org/es/diccionario/ingles/behaviourism
Capítulo 1 47
▪ Conectivismo
Se fundamenta en cómo las tecnologías de Internet han creado nuevas oportunidades
para que las personas aprendan y compartan información en la World Wide Web y entre
ellos. Su autor más representativo es George siemens. Es impulsado por la idea de que
las decisiones se basan en cimientos que cambian rápidamente, con nueva información
continuamente adquirida. El aprendizaje y el conocimiento descansan en una diversidad
de opiniones, con la capacidad de ver las conexiones entre campos, ideas y conceptos.
El aprendizaje es un proceso que ocurre dentro de entornos nebulosos de elementos
centrales cambiantes, no del todo bajo el control del individuo. El aprendizaje (definido
como conocimiento procesable) puede residir fuera de nosotros (dentro de una
organización o base de datos), se enfoca en conectar conjuntos de información
especializados, y las conexiones que nos permiten aprender más son más importantes
que nuestro estado actual de conocimiento (Siemens, 2005).
Como comenta Casey and Fraser (Casey & Fraser, 2010), en u-learning, no
necesarimente está amarrado a una teoría, se puede usar un modelo híbrido, donde se
usen aspectos de varias teorías. Como por ejemplo desde la teoría constructivista, que la
solución de u-learning permita que el estudiante construya su propio conocimiento a
partir de investigación y desarrollo de solución de problemas realizando ejercicios y
tareas de evaluación. Desde la teoría instructivista, se basa de contar con un dominio de
aprendizaje, donde el contenido conlleve aspectos técnicos y/o específicos que requiere
una instrucción directa. Desde la teoría cognitiva, cada individuo recibe, procesa y
almacena la información en el tiempo y se busca cambiar una estructura coginitiva
existente para incorporar nueva información; Ally (Ally, 2008) plantea que para
incrementar el potencial de éxito en este proceso, se debe contemplar información de
resultados de aprendizaje esperados, delimitación dominio de aprendizaje, fragmentación
de la información para prevenir sobrecarga durante el procesamiento y secuencia de
contenidos desde lo simple a lo complejo. La siguiente tabla relaciona las principales
teorías de aprendizaje y la aplicabilidad en u-learning.
De acuerdo con Bontchev et al (Bontchev et al., 2018), una de las primeras definiciones
de estilos de aprendizaje, fue planteada por Curry (1981), quien la definió como
“comportamientos cognitivos, afectivos y psicosociales característicos que sirven como
indicadores relativamente estables de cómo los alumnos perciben, interactúan y
responden al entorno de aprendizaje". Otra definición de estilos de aprendizaje es
planteada en (E. R. Peterson et al., 2009), como las formas preferidas de un individuo de
responder (cognitiva y conductualmente) a las tareas de aprendizaje que cambian según
52 Modelo de U-learning basado en plataformas de TV everywhere
Fleming (Fleming, 2001) planteó el modelo VARK (Visual, Aural, Read/write, and
Kinesthetic), el cual esta relacionado con los estilos visuales, auditivos, de
lectura/escritura y Kinestésicos que se utilizan para aprender información. El estilo de
aprendizaje visual usa simbolismo y diferentes formatos, fuentes y colores para resaltar
puntos importantes; incluye mapas, diagramas, tablas, gráficos, diagramas de flujo,
imágenes, posters, o videos. El estilo de aprendizaje auditivo describe una preferencia
por la información, que se escucha o habla y el uso de prenguntas; Los aprendices que
tienen este estilo de aprendizaje aprenden mejor por ejemplo a través de conferencias,
54 Modelo de U-learning basado en plataformas de TV everywhere
El entorno de aprendizaje u-learning por medio del video y las interacciones u actividades
que se hagan, pueden favorecer los diversos estilos de aprendizaje.
▪ Estilos cognitivos
Los estilos cognitivos son diferencias individuales en el procesamiento que están
vinculadas integralmente con el sistema cognitivo de una persona. Más específicamente,
son la forma preferida de una persona de procesar (percibir, organizar y analizar) la
información utilizando mecanismos y estructuras cognitivas basadas en el cerebro. Son
preferencias parcialmente fijas, relativamente estables y posiblemente innatas (E. R.
Peterson et al., 2009). El estilo cognitivo es una característica importante del proceso
Capítulo 1 55
En (Hall & Bannon, 2006) es aplicado computación ubicua para mejorar el aprendizaje
durante la visita en los museos. Emplean sensores Fastrak de Polhemust e identificación
por radiofrecuencia (RFID). En (G.-J. Hwang et al., 2010) u-learning es aplicado en
observación de actividades de ciencias naturales. Los resultados muestran que el
sistema tuvo un impacto positivo en el aprendizaje de los estudiantes, especialmente en
el dominio afectivo, incluida la participación, la motivación y la interacción. En (Shih et al.,
2012) es aplicado al soporte de aprendizaje de las matemáticas dentro del campus. La
Figura 1-8 ilustra niños realizando retos de matemáticas en ciertas áreas del campus,
donde hay etiquetas RFID y los estudiantes están equipados con tablets PC con lectores
RFID.
El trabajo de Kumar (Mandula et al., 2011) presenta el uso de la telefonía móvil y RFID
en un ambiente de aprendizaje “indoor”, proponiendo la aplicación de dos modelos
diferentes: servicios basados en ubicación y presentación de contenidos basados en
RFID. Las limitaciones de la propuesta es que solo contempla dispositivos móviles,
equipados con lectores RFID, y en un ambiente reducido.
Los autores Bruno et al (de Sousa Monteiro et al., 2014), (de Sousa Monteiro et al., 2016)
presentan la aplicación Youubi, un entorno de u-learning que fue desarrollado como una
arquitectura de referencia orientada a componentes. Propone el desarrollo de
aplicaciones cliente para cada dispositivo. La aplicación solo fue validada en
smartphones. Como trabajo futuro contempla reducir la complejidad de los algoritmos de
recomendación, desarrollar el componente del cliente web, el componente del cliente
iDTV, el componente del cliente SmartWatch, evolucionar el componente de
58 Modelo de U-learning basado en plataformas de TV everywhere
comunicación, entre otros. En (Jeong & Yi, 2014) presentan un sistema de U-learning
adaptativo basado en servicio usando experiencia de usuario (user experience – UX). De
acuerdo con los estilos de aprendizaje se proveen los materiales de aprendizaje y el
proceso del curso. Emplean sólo dispositivos móviles.
En (Hsu et al., 2016) desarrollan un sistema de aprendizaje ubicuo sensible del contexto,
ALESS, para guiar a los estudiantes a aprender en el mundo real (para este caso
National Museum of Natural Science in Taiwan). En el sistema desarrollado se emplea
una tecnología activa de reconocimiento de la ubicación para obtener más soportes en
tiempo real. La intensidad de la señal de las etiquetas RFID se usa para determinar la
Capítulo 1 59
En (Gustavo A. Moreno López et al., 2016) se relaciona u-learning y los PLE, planteando
un modelo de entorno de aprendizaje ubicuo, uPLEMO (Ubiquitous Personal Learning
Environment model). Bajo el enfoque de aprendizaje ubicuo, las personas tienen
diferentes opciones para elegir y apoyar sus procesos de aprendizaje, desde lugar y
tiempo hasta recursos TIC y dispositivos ubicuos, basados en un escenario de
conectividad para elegir. Este modelo considera algunas etapas cíclicas, Figura 1-11,
para lograr retroalimentación, seguir aprendiendo y mantener el PLE activo.
En (El Guabassi et al., 2018), proponen un enfoque para proporcionar contenido de curso
personalizado en el aprendizaje ubicuo, teniendo en cuenta los estilos de aprendizaje y el
conocimiento del contexto. El enfoque propuesto tiene como objetivo apoyar a los
estudiantes presentando los materiales del curso generados por un motor adaptativo
basado en las reglas de adaptación. Para el material del curso usan lenguaje XML. El
motor de adaptación es basado en reglas de adaptación y usando lenguaje XQuery. Esta
basado en arquitectura cliente/servidor.
▪ Análisis
La gran mayoría de trabajos relacionados con ubicuidad principalmente han empleado
entre otros redes de sensores inalámbricos (WSN) (Caytiles et al., 2011), dispositivos
móviles (Sung, 2009), computación basado en contexto y tablet (H.-C. Chu & Lin, 2013),
usando NFC - Near Field Communication, RFID - Radio Frequency Identification, y
62 Modelo de U-learning basado en plataformas de TV everywhere
sistemas de posicionamiento global -GPS (Fang et al., 2011). Así también lo resalta
(Cárdenas-Robledo & Peña-Ayala, 2018), que los dispositivos más usados en u-learning
son teléfonos móviles e inteligentes, tabletas, asistente digital personal: PDA, dispositivos
móviles y portables, computadores portátiles, y otros dispositivos (como cámaras y
micrófono, microcámara, dispositivos vestibles o wearable gadgets, consola de
videojuegos, laboratorio basado en cómputo o probeware, TV digital). En cuanto a la
tecnología más empleada se encuentran: QR (Quick response code), RFID (Radio
frequency identification), GPS (Global positioning system), Sensores, y otras tecnologías
(como estándares de redes inalámbricas como Wi-Fi, tecnología pervarsiva, Wireless
Markup Language (WML), short message service (SMS), comunicaciones satelitales,
contenido precargado, wireless, internet, entre otras).
Digital TV
1%
Tablet
8%
PC
Mobile Mobile device
device Digital TV
29% PC Tablet
62%
Fuente: Autor
Capítulo 1 63
La Figura 1-14 ilustra las tecnologías más empleadas en u-learning. De un total de 4036
apariciones en artículos, sobresale 41 % internet, 18 % cloud, 17% RFID, seguidos de
9% GPS, 8 % códigos QR, 4% redes de sensores inalámbricos, y 3% NFC.
WSN
4% Cloud
18% RFID
41% GPS
QR
17%
NFC
3% 9% Internet
8%
Fuente: Autor
Fuente: Autor
Capítulo 1 67
La siguiente tabla presenta una propuesta de clasificación que permita hacer el análisis
de los estudios definidos relacionados con modelos de u-learning.
68 Modelo de U-learning basado en plataformas de TV everywhere
Artículos descartados
4767
Artículos descartados
53
Artículos descartados
31
17 artículos
seleccionados /
IEEE: Science Springer: Scopus: Web of ACM: revisión detallada /
Fuente:
2 direct: 2 8 science: 0 repetidos / o no se
1 4
pudieron bajar
Fuente: Autor
70 Modelo de U-learning basado en plataformas de TV everywhere
5000
4000
4868 4851
3000
2000
1000 17
0
Búsqueda Descartados Seleccionados
inicial
Fuente: Autor
En (Casey & Fraser, 2010) plantean una metodología general para desarrollar un modelo
de u-learning. El modelo de u-learning como tal comprende los siguientes factores: El
modelo de aprendizaje, dominio de aprendizaje, estrategias para transferir el dominio,
capacidades de las tecnologías desplegadas. Por fuera del modelo de u-learning, se
plantea el desarrollo del modelo para una situación dada, el desarrollo de la arquitectura
del sistema con un almacenamiento común (dominio de aprendizaje delimitado, tareas de
aprendizaje, exposición de contenido y actividades de aprendizaje. Además de funciones
administrativas y de comunicaciones), la implementación y despliegue, y la evaluación.
Esta más enfocado en dispositivos móviles, no hay resultados reales de implementación,
no hay suficiente información que respalde desde la parte tecnológica la solución de u-
learning, y el modelo en sí deja a un lado otros elementos como de gestión. La siguiente
figura ilustra la arquitectura del sistema de u-learning propuesto.
El trabajo expuesto por Kim y otros (H. Kim et al., 2012) presentan un modelo de un
entorno de aprendizaje ubicuo, Figura 1-19, una comunidad u-learning que es un e-
learning basado en la web que permite a los estudiantes adquirir conocimientos y
habilidades a través de la interacción entre ellos y el ambiente de aprendizaje ubicuo,
donde hay una comunicación entre los dispositivos y los computadores embebidos en el
entorno. Los componentes principales del modelo son: Tecnologías de comunicaciones
inalámbricas, repositorio de medios, repositorio de conocimiento, y repositorio de diseño
instruccional. El Modelo es basado en redes de sensores inalámbricos (WSN) que son
capaces de sensar el contexto personal y el entorno para proveer soporte adaptativo a
los estudiantes. Este trabajo solo se enfoca en dispositivos móviles, y WSN.
Caceffo y Vieira da Rocha (Caceffo & Vieira da Rocha, 2012) proponen el uso de
información de contexto relacionada con el aula para respaldar un sistema ubicuo de
respuesta en el aula (Ubiquitous Classroom Response System: UCRS). En el framework
UCRS, la información de contexto del maestro y el estudiante se recopila y se usa para
establecer y actualizar variables matemáticas y registros de datos, como el factor de
afinidad entre los estudiantes (que define qué tan productiva es la colaboración entre dos
estudiantes), el grado de dificultad de la actividad (que define qué tan difícil) es para cada
estudiante resolver una actividad, y el factor educativo de la actividad (que define qué tan
relevante es una actividad para la educación). Estos factores permiten que UCRS
proporcione características inteligentes y dinámicas como la propuesta de actividad
autónoma para maestros, la formación automática de grupos de estudiantes, el proceso
de retroalimentación inteligente y automático y un proceso dinámico de solicitud de ayuda
entre los estudiantes. Los componentes principales del framework son: Base de datos
(Información de datos y de contexto), administrador de reglas de proceso colaborativo,
módulo de gestión de procesos colaborativos (fase de propuesta de actividad, fase de
recepción de actividad, fase de solución de actividad, fase de solicitud de ayuda, fase de
Capítulo 1 75
En (Wagner et al., 2014) se proponer un modelo que permite a las aplicaciones registrar
las acciones de entidades en senderos-huellas e inferir información de perfil de estas
huellas, usando interoperabilidad semántica y, por tanto, permitiendo que diferentes
aplicaciones compartan información e inferir un perfil unificado. Las partes principales del
modelo son: Local (ubiquitous learning System), UniManager (aplicación para gestionar
estudiantes y disciplinas), eProfile (permite la interoperabilidad entre Local y Unimaneger,
al permitir que la información de ambos sistemas se use para generar perfiles
individuales), y Administrador de huellas (gestiona los rastros de las entidades). El
modelo fue validado a través de la simulación de un escenario, más no en entorno real.
Como trabajo futuro plantea evaluar con entidades reales en un entorno real, evaluar el
desempeño de la implementación del aplicativo, expandir el modelo para incluir
compatibilidad con otros gestores de huellas (rastros), expansión de ontologías básicas,
soporte para operaciones de desconectar y/o inestabilidad, descentralización del
servidor, y soporte para protocolos de seguridad y confidencialidad.
Para Zea et al (Zea Restrepo et al., 2015), presentan una propuesta de modelo educativo
para Instituciones de Educación Superior, basada en principios de aprendizaje ubicuo y
sus principales ventajas para fortalecer los procesos de enseñanza y aprendizaje. El
modelo propone una estructura sistémica en la cual, los elementos están interconectados
en un esquema de red sin la intervención de jerarquías u órdenes preestablecidas,
permitiendo la incorporación de nuevos elementos o conexiones en el sistema en
cualquier momento e influir de acuerdo con su nivel de comunicación entre sí. No indica
una plataforma como tal, no hay evidencias de implementación. Los elementos
principales son: Aprendizaje (actividades, sujetos del aprendizaje, tipo de aprendizaje),
mediaciones (herramientas computacionales o no), estrategias de monitoreo
(habilidades, evaluación, currículo y micro currículo), estrategias de comunicación y
participación (construcción conocimiento, equipo de trabajo). La Figura 1-22 ilustra estos
elementos del modelo.
Language) y SPARQL (Simple Protocol and RDF Query Language) se usaron como
definiciones ontológicas para razonar los datos capturados en espacios de aprendizaje
ambiental. Se introdujo el concepto de Ambient Learning Space (ALS) para aprovechar la
complejidad inducida por una multitud de objetos. PLOM se utiliza como una puerta de
entrada a la plataforma social inteligente de todo el campus. También se especifica un
ecosistema de u-learning autónomo que exhibe capacidades tales como la
autoorganización y la autoadaptación. Para hacer esto, presentan el concepto de servicio
web autónomo (AWS) para razonar sobre los miembros de ALS al inferir las rutas de
aprendizaje personalizadas para cumplir los objetivos declarados por el alumno. El
modelo tiene como objetivo desatar el poder de instrucción de tres fuentes de inteligencia
predominantes en un campus inteligente que son: inteligencia individual proporcionada
por los instructores o expertos de campo, inteligencia social producida por aprendices
pares e inteligencia espacial que está incrustado en cosas inteligentes que rodean. Este
trabajo es basado en web semántica, y es simulado.
En (G. zen Liu et al., 2016) plantean un modelo de diseño de aprendizaje para u-learning,
Figura 1-23. Este proceso de u-learning tiene dos fases: la entrada externa
(características de aprendizaje personalizadas con variables preseleccionadas y
contextuales, y aprendizaje guiado por estrategias con variables de proceso) y el marco
de aprendizaje interno (los alumnos se benefician de u-learning y recuperan información
sobre los materiales de aprendizaje de su memoria, y luego pueden obtener más logros
de aprendizaje y, por lo tanto, sienten una mayor motivación para aprender). En esta
propuesta no se plantea para usar en diferentes dispositivos, no se indica infraestructura
o tecnología principal para usar y no hay evidencia de implementación real.
En Chen et al (M. Chen, Yu, et al., 2017) plantean un modelo dinámico de recursos de
aprendizaje ubicuo con contexto y sus efectos en el aprendizaje ubicuo. Igualmente
desarrollan un sistema de aprendizaje ubicuo que puede proporcionar recursos de
aprendizaje contextualizados dinámicos. El sistema comprende en módulos de creación
de recursos, de sensibilidad al contexto y de agregación, así como Cliente de Android y
web. Emplearon códigos QR y tablets con Android. La Figura 1-24, ilustra
las partes principales del modelo: contenido, contexto de recursos, información de
asociación e interfaz de contexto.
78 Modelo de U-learning basado en plataformas de TV everywhere
Figura 1-24: La estructura lógica del recurso de aprendizaje ubicuo con contexto.
Sobre el despliegue multipantalla, se puede identificar que solo un (6%) estudio plantea
de forma parcial la opción de que la solución se pueda desplegar en varios dispositivos.
Lo cual sería limitado debido a que la tendencia es la diversidad de pantallas conectadas
a internet.
Sobre la característica del uso principal del video, ninguno de los estudios contemplaba
el video como recurso o contenido importante para la solución de u-learning. Esto deja a
un lado las ventajas o beneficios del uso del video.
Frente a la posibilidad de que la propuesta incorpore otros recursos TIC, se observa que
solo seis (35%) estudios lo contemplan de forma general, otros en forma regular (24%), y
otros poco (18%) o nada (23%). De acuerdo con el contexto sería una limitante, debido al
auge de otras herramientas TIC que complementan y logran que la solución de u-learning
sea más amplia.
En relación con el grado de cobertura o si propone mejorarla sólo tres (18%) lo enfocan a
una cobertura amplia, la mayoría en grado medio (47%) al enfocarse a un campus y otras
son simuladas. El 23% no indican nada. Esto depende de la solución propuesta, pero
puede ser una debilidad si el servicio de u-learning solo es en determinadas áreas.
incorporen, de forma que la solución sea sensible al contexto donde esté el usuario o el
contenido se adapte al dispositivo de usuario, entre otros.
Sobre el Dominio de aplicación, algunas son específicas, por ejemplo: educación sobre
plantas, entrenamiento de profesores, matemáticas, de comunicación usando mensaje
de texto, ciencias de la computación, ciudad inteligente. Algunos aplicados dentro del
campus (escuela, etc.). Otros son genéricos, y unos pocos (18%) de aplicación en
general para Universidades. Esto indica que como tal u-learning se puede aplicar en
diversidad de aplicaciones, específicas, o de más alcance, y donde las Universidades
tienen mucho por hacer.
Capítulo 1 87
De acuerdo a la compañía Cisco (Cisco, 2019), anualmente hay un aumento del orden
del 10% (CAGR) de dispositivos y conexiones, y para el año 2022 a nivel mundial:
• Habrá 4.800 millones de usuarios de Internet (el 60% de la población) en 2022, frente
a 3,4 billones (45% de población) en 2017.
• Habrá 5,7 billones de usuarios móviles.
• Habrá 28,5 billones de dispositivos conectados en red en 2022, frente a los 18
billones en 2017. Esta cantidad de dispositivos conectados a redes IP será más de
tres veces la población mundial
• Habrá 3,6 dispositivos/conexiones en red por persona en 2022, frente a 2.4 por
persona en 2017.
• Para 2022, los dispositivos móviles globales crecerán de 8,6 mil millones en 2017 a
12,3 mil millones para 2022, de los cuales más de 422 millones tendrán capacidad
para 5G. Aproximadamente 1,5 por persona.
• Los teléfonos inteligentes representarán el 24% (6,7 billones) de todos los
dispositivos en red para 2022, en comparación con 24% (4,3 billones) en 2017.
• Los teléfonos inteligentes representarán el 44 por ciento del tráfico total de IP para
2022, un aumento del 18 por ciento en 2017.
• Los módulos M2M representarán un 51% (14,6 billones) de todos los dispositivos
conectados en 2022, un aumento del 34 % en 2017 (6,1 billones). Las aplicaciones
M2M van desde medidores inteligentes, videovigilancia, monitoreo de atención
médica, transporte y rastreo de paquetes o activos.
88 Modelo de U-learning basado en plataformas de TV everywhere
▪ En el caso Colombiano
La siguiente figura ilustra los dispositivos electrónicos que más tienen los hogares
colombianos, siendo los smartphones los de mayor acceso (MINTIC, 2017).
Fuente: DANE-ECV
Igualmente el uso del teléfono celular con internet, es el de mayor proporción, tanto en
las ciudades como en las áreas rurales (DANE, 2018), como lo ilustra la siguiente figura.
Figura 1-32: Proporción de usuarios que usaron internet en Colombia, por dispositivo.
Capítulo 1 91
Son diversas las tecnologías que pueden soportar un servicio de u-learning, entre ellas:
• La red de internet + banda ancha
• Cloud computing
• Dispositivos ubicuos (diversidad de pantallas, smart phones, tablets, asistentes
digitales personales PDA, computadores de escritorio, portátiles, smart TV, smart
watch, entre otras)
• Tecnología sensórica (GPS, RFID, QR codes, etc) o con tecnología NFC (Near
Field Communication)
• Redes de comunicaciones inalámbricas (Wifi, celular, satelital)
• Redes de comunicación cableada
• Gafas inteligentes (Smart glass)
• Visión por computador
• Tecnología de reconocimiento de voz (speech recognition technology)
• Tecnologías de realidad virtual, aumentada, o mixta
• Tecnología analítica
• Tecnología sensible social (Social-awareness technologies)
• Tecnología vestible (Wearable technologies)
92 Modelo de U-learning basado en plataformas de TV everywhere
• Tecnología háptica
• Tecnología holográfica
• Plataformas de video multipantalla – OTT TV – TV everywhere
• Tecnología dispositivos de detección (como capturar expresiones rostros
humanos, condiciones emotivas)
• Tecnologías inteligentes para adaptar el contexto del entorno (como temperatura,
iluminación, etc.)
• Plataformas virtuales de aprendizaje
• Pantallas interactivas
• Entre otras.
El crecimiento del tráfico IP a nivel mundial sigue en aumento, por ejemplo, para el año
2022, el tráfico IP mundial mensual será de 396 exabytes (EB), de los cuales 77.5 EB por
mes serán datos móviles. Para el caso Latinoamericano el tráfico IP mensual será de
18,8 Exabytes (EB), de los cuales 3,4 EB por mes será Tráfico de datos móviles. A nivel
mundial, el tráfico de video IP (incluye video de Internet, VoD IP, archivos de video
intercambiados a través de archivos compartidos, juegos transmitidos por video y
videoconferencia), representará el 82 por ciento del tráfico en 2022 (Cisco, 2019). La
siguiente figura ilustra la proyección del tráfico IP global por categoría.
Para el año 2022, el 81 por ciento del tráfico de IP y el tráfico de Internet se originarán en
dispositivos que no sean PC. En la Figura 1-34 se ilustra que los teléfonos inteligentes
representarán el 50 por ciento del tráfico global total de Internet para 2022.
También hay cambios en el tráfico de video por Internet. Por ejemplo, el video en vivo
aumenta al 17 % del tráfico video internet en 2022. También cabe destacar el crecimiento
del tráfico de videovigilancia (dropcams) al 3%, VoD de gran resolución 62%, y VoD
cortos 18% (Cisco, 2019).
▪ Banda ancha
Las mejoras de velocidad de banda ancha resultan en un mayor consumo y uso de
contenido y aplicaciones de gran ancho de banda. La velocidad media global de banda
ancha continúa creciendo, en el año 2019 es de 59.9 y al 2022 será de 75,4 Mbps
(2022), Tabla 1-13. Varios factores influyen en el pronóstico de velocidad de banda
ancha fijo, incluida la implementación y adopción de Fiber To The Home (FTTH), DSL de
alta velocidad y adopción de banda ancha por cable, así como la penetración general de
banda ancha (Cisco, 2019).
94 Modelo de U-learning basado en plataformas de TV everywhere
Tabla 1-13: Velocidades de banda ancha fija (en Mbps), proyectadas año 2019 y 2022.
Región Velocidad (Mbps)
Año 2019 Año 2022
A nivel mundial 52.9 75.4
Europa occidental 53.2 76
Europa central y oriental 37.2 46.7
Medio oriente y Africa 11.7 20.2
Norte América 70.1 94.2
Asía Pacífico 79.4 98.8
Latin América 19.7 28.1
Fuente: Construcción propia basada de Cisco VNI, 2018
La Tabla 1-14 Tabla 1-14: Porcentaje conexiones banda ancha mayores a 10, 25 y 50
Mbps, proyectadas al 2019 y al 2022.muestra el porcentaje de conexiones de banda
ancha que será más rápido que 10 Mbps, 25 Mbps y 50 Mbps a nivel mundial y en
Latinoamérica. Asia pacífico sobresale como una de las regiones con más porcentaje,
por ejemplo, para velocidades mayores a 50 Mbps con 83%, seguida por Norteamérica
con 69%. En el caso de Latinoamérica sólo supera a África y medio oriente.
Algunos países también tienen usuarios que actualmente experimentan más de 125
Mbps, allanando el camino para las futuras demandas de video. El video continúa
teniendo una enorme demanda en el hogar de hoy, pero habrá una gran demanda de
Capítulo 1 95
ancho de banda con los requisitos de aplicaciones de video del futuro, incluso más allá
del período de pronóstico de 2022. En la Figura 1-35, se explora un escenario con
aplicaciones de video del futuro; las necesidades actuales de ancho de banda son una
pequeña parte de las necesidades futuras.
▪ Velocidades móviles
A nivel mundial, la velocidad media de conexión de la red móvil en 2019 es proyectada
17.7 Mbps, y para el 2022 será de 28,5 Mbps, Tabla 1-15. Europa Occidental se resalta
por la de mayor velocidad.
Tabla 1-15: Velocidades de conexión de red móvil promedio proyectadas (en Mbps) por
región al año 2019 y al 2022.
Región Velocidad (Mbps)
Año 2019 Año 2022
A nivel mundial 17.7 28.5
Europa occidental 31.2 50.5
Europa central y oriental 15.7 26.2
Medio oriente y Africa 9.4 15.3
Norte América 27 42
Asía Pacífico 18 28.8
Latin América 11.2 17.7
Fuente: Construcción propia, basada de Cisco VNI, 2018
96 Modelo de U-learning basado en plataformas de TV everywhere
Además, el crecimiento de las redes 4G y la entrada del sistema 5G irá proyetando más
velocidad y soporte de más aplicaciones para los móviles.
Tabla 1-16: Velocidades de conexión de red Wi-Fi promedio proyectadas (en Mbps) por
región.
Región Velocidad (Mbps)
Año 2019 Año 2022
A nivel mundial 36.3 54.2
Europa occidental 36.3 49.5
Europa central y oriental 24.1 32.8
Medio oriente y Africa 7.9 11.2
Norte América 56.8 83.8
Asía Pacífico 42.2 63.3
Latin América 12.1 16.8
▪ Mobilidad - Wifi –
De acuerdo a (Cisco, 2019), a nivel mundial, habrá cerca de 549 millones de puntos de
acceso Wi-Fi públicos para el año 2022, en comparación con 124 millones de puntos de
acceso en 2017. El Wi-Fi público junto con los hotspots comunitarios (homespots) están
incluidos en el pronóstico. En este modelo, los suscriptores permiten que parte de la
capacidad de su portal residencial esté abierta a un uso casual. Los habilitadores críticos
de la adopción de Hotspot 2.0 son los gateways de Wi-Fi de mayor velocidad y la
adopción de estándares como IEEE 802.11n, 802.11ac, y 802.11ax. En la Figura 1-36 se
plantea el futuro de las tecnologías por cable e inalámbricas. Para 2022, el 86.9 por
ciento de todos los enrutadores Wi-Fi tipo (SOHO: Small Office Home Office) estarán
equipados con 802.11ac, y el 9.5% estará equipado con 802.11ax. IEEE 802.11ac, con
Capítulo 1 97
▪ Situación en Colombia
Para el caso Colombiano, de acuerdo al Boletín trimestral de las TIC (MinTIC, 2019), el
número de conexiones a internet de banda ancha, en el cuarto trimestre de 2018,
alcanzó un total de 32,7 millones de Conexiones a Internet de Banda Ancha3, de las
cuales, 17,6 millones se realizaron mediante la modalidad de suscripción a redes fijas y
móviles, y 15,1 millones, a través de conexiones móviles por demanda, Figura 1-37.
3
Conexiones a Internet de Banda Ancha*: Conexiones a Internet fijo con velocidad efectiva de bajada mayores o iguales a
1Mbps más conexiones móviles (por suscripción y demanda) 3G + 4G.
98 Modelo de U-learning basado en plataformas de TV everywhere
35
30
25
Millones
20
15 32,7
10
17,6 15,1
5
0
Total conexiones Modalidad Modalidad demanda
suscripción
Conexiones banda ancha
30.000.000 25.982.322
Millones conexiones
25.000.000
20.000.000 16.161.004
15.000.000 9.821.318
10.000.000 6.687.731
62,2 %
5.000.000 37,8 %
0
Acceso fjio Total Acceso Acceso móvil Acceso móvil
móvil 4G 3G
Tipo acceso
El internet se consolida como uno de los medios de interacción más importantes del país,
y de importancia en la vida de las personas, reflejándose aún más en edades inferiores,
como por ejemplo en edades de 16 a 24 años, el 79 % lo consideran muy importante,
siendo superior a edades mayores. De 25 a 34 años (74 %), de 35 a 44 años (65%), de
45 a 54 años (50%) y más de 55 años (32%), lo consideran muy importante (MINTIC,
2017).
De acuerdo al DANE (DANE, 2018), el 69,4 % de las personas a nivel nacional usan
internet todos los días de la semana. En las cabeceras municipales el 74,1%, y en los
centros poblados y rural disperso el 37,9% emplean internet todos los días.
La Figura 1-40 presenta el porcentaje de personas de 5 años y más que usan internet en
cualquier lugar (el hogar, el trabajo, el colegio, la universidad, la café internet, etc.).
La web ubicua es el enfoque de que la web esté en todos los dispositivos electrónicos, en
todas partes. En este sentido trabaja el grupo de dominio web ubicua4 del consorcio de la
WWW (World Wide Web), que se centra en las tecnologías para permitir el acceso a la
web para cualquier persona, en cualquier lugar y en cualquier momento, utilizando
cualquier dispositivo. Esto incluye acceso a la web desde teléfonos móviles, así como
otros entornos emergentes, como televisores conectados e incluso automóviles. El líder
del dominio web ubicuo Philipp Hoschka añade que la web ubicua "proporcionará a las
personas acceso cuando y donde se encuentren, con aplicaciones que se adaptan
dinámicamente a las necesidades del usuario, las capacidades del dispositivo y las
condiciones ambientales". Se trabaja por ejemplo en API para dispositivos móviles y
automóviles, VoiceXML y tecnologías para la interacción multimodal, entre otros.
Otros autores hacen referencia a la evolución deL ecosistema de la Web, la web ubicua
(Ackermann et al., 2015). Como indica (Latorre Ariño, 2018), la evolución de la web se ve
reflejado en:
4
Ubiquitous Web Domain. http://www.w3.org/UbiWeb/
Capítulo 1 101
• La web 1.0, fue la primera (apareció hacia 1990) y en ella solo se podía consumir
contenido. Se trataba de información a la que se podía acceder, pero sin
posibilidad de interactuar; era unidireccional.
• La web 2.0, (apareció en 2004) y contiene los foros, los blogs, los comentarios y
después las redes sociales. La web 2.0 permite compartir información. Más
interacción.
• La web 3.0 (operativa en el 2010) y se asocia a la web semántica. La web
semántica incluye metadatos semánticos u ontológicos (que describen los
contenidos y las relaciones entre los datos) para que puedan ser rastreados por
sistemas de procesamiento. Por ejemplo, la búsqueda de contenidos utilizando
palabras clave.
• La web 4.0. empezó en el 2016 y se centra en ofrecer un comportamiento más
inteligente y predictivo, de modo que se pueda, por ejemplo, con sólo realizar una
afirmación o una llamada, poner en marcha un conjunto de acciones que tendrán
como resultado aquello que pedimos, deseamos o decimos.
(Almeida, 2017) indica que la Web 4.0 cubre un conjunto de múltiples dimensiones. Cada
una de estas dimensiones ofrece una visión distinta, pero a la vez completa, del
paradigma de la Web 4.0. A menudo se ha relacionado con los términos de pervasive
computing y ubiquitous computing. Otros términos son Symbiotic Web, Web of Things, y
Web social computing.
Uno de los avances es la evolución del lenguaje principal de la World Wide Web: el
lenguaje de marcado de hipertexto (HTML), con su quinta versión5 (HTML5), que mejora
la funcionalidad y la interoperabilidad de la Web, entre otros. Por ejemplo, para los
medios interactivos como los juegos se pueden ejecutar en el navegador web sin
necesidad de un sw o complemento adicional, lo mismo para la reproducción del audio y
el video que no requieren complementos (plugins) adicionales. Y, es que el video y el
audio se consumen cada vez más en la web, y esto ha proyectado el desarrollo del
HTML5. El HTML5 posiciona la web como una plataforma (Gutiérrez, 2018).
Algunos autoes plantean características, como por ejemplo que los millennials se
conectan continuamente a la tecnología y tienen la ventaja de poder aprender lo que sea,
cuando y donde sea (S. Hart, 2017). Además, que tienen una preferencia por recibir
información y procesarla rápidamente, una preferencia por el acceso multitarea y no
lineal a la información, una baja tolerancia a las conferencias, una preferencia por el
aprendizaje activo en lugar de pasivo, una fuerte dependencia de las tecnologías de
comunicación para acceder a la información y llevar a cabo interacciones sociales y
profesionales (Kennedy et al., 2006). Que los de Generación Z, tienen al dispositivo
móvil, smartphone como el dispositivo de preferencia (Ozkan & Solmaz, 2015), y que les
gusta más lo visual (que leer), la autoformación online, poder elegir contenido,
multipantalla y multidispositivo (Net-learning & Santamaría, 2016). La tabla muestra un
resumen de las generaciones.
Capítulo 1 103
La tabla Tabla 1-18, presenta otros rasgos distintivos de las generaciones, por ejemplo
según (McCrindle, 2019), el formato de aprendizaje para los Builders era más Formal e
104 Modelo de U-learning basado en plataformas de TV everywhere
instructiva, mientras que los de Generación Y, Z y Alpha prefieren que sea interactivo,
multi-modal y virtual respectivamente.
Puede que cada generación tenga rasgos característicos, y estos puedan incidir en el
proceso de aprendizaje y de vida de cada persona, por lo cual hace parte de cada
contexto tenerlo como referente o no, pero sin lugar a duda las nuevas generaciones en
muchos contextos se han beneficiado del desarrollo de la tecnología, la digitalización, y
otros enfoques y factores que hacen que tengan posibles beneficios o diferencias frente a
las generaciones pasadas. Hay autores como (Hill et al., 2017), que indican que los
educadores deben comprender las diferencias en las generaciones y cómo estas
diferencias impactan el aprendizaje. Otros autores, plantean que no hay un solo método
que sea útil, sino varios, para ayudar a los estudiantes de hoy al éxito; Así lo indica (S.
Hart, 2017), argumentando que el éxito entre los educadores y alumnos generacionales
requiere numerosas y variadas estrategias que se centren en el individuo y no en las
etiquetas generacionales. Proporcionar oportunidades consistentes para entrenamiento,
apoyo, comunicación y colaboración ayuda a fomentar el crecimiento y el aprendizaje.
Las estrategias de éxito para hacer que el contenido sea relevante y del mundo real es
Capítulo 1 105
variar el ritmo, explorar nuevas ideas e incluir actividades que utilicen todos los sentidos
para emplear el pensar, hacer y sentir.
2.1 En la evolución de la TV
La evolución de la TV se ha caracterizado por buscar diversos medios de transmitir la
señal, por ampliar la cobertura, capacidad, calidad, optimización del espectro,
interactividad, convergencia con internet, entre otros. Los sistemas de TV tradicionales
han implementado infraestructura exclusiva para un medio, ya sea transmisión por aire,
cable, satélite o IPTV.
▪ Primera generación de la TV
La primera generación de la Televisión fue radiodifusión por aire y análoga; En la década
de los años 30´s se inicia comercialmente la televisión análoga en blanco y negro, y en
los años 50´s toma fuerza la televisión en color (G. A. M. Moreno López et al., 2014). La
108 Modelo de U-learning basado en plataformas de TV everywhere
siguiente figura ilustra ejemplos de televisores y la antena tipo yagui para recepción, en
esta primera generación de la Televisión.
▪ Segunda generación de la TV
Esta segunda generación se caracteriza por que además de la TV radiodifundida por el
aire, toma fuerza la transmisión de varios canales por cable (empleando redes de cable
coaxial y/o de fibra óptica), por satélite (empleando satélites de comunicaciones) y
también a través de redes de telecomunicaciones como con las tecnologías xDSL (x
Digital Subscriber Line) que llegan al usuario final a través de la línea telefónica. Estas
nuevas formas de transmisión ofrecen otras coberturas, suscripción de usuarios, más
canales y otros beneficios. La figura Figura 2-2 representa ejemplos de la segunda
generación de la Televisión.
▪ Tercera generación de la TV
Más tarde, en la década de los 90, se inicia la tercera generación de TV, con las
plataformas de televisión digital y el comienzo de la implementación masiva de la
televisión digital terrestre (TDT), lo que llevó a optimizar el espectro electromagnético, y a
tener una mejor calidad de imagen y sonido, entre otros. En la televisión digital terrestre,
se requiere un decodificador (o STB) que soporte el estándar o un TV digital con
decodificador incorporado (iDTV), más una antena adecuada para captar las señales que
viajan por el aire de forma digital. La Figura 2-3 ilustra un escenario de TDT con estándar
DVB-T2, por ejemplo, para el caso Colombiano.
▪ Cuarta generación de la TV
Hacia mediados de la década de 2000, junto con la adopción de la banda ancha de
Internet, el vídeo y la TV online crecen, convirtiéndose en la cuarta generación de TV,
basada en la transmisión online de conectividad a Internet de banda ancha, llegando a
ser una TV que se puede definir por software. En este escenario surge la TV conectada a
Internet (con televisores inteligentes o smartTV, o a través de computadoras, consolas de
videojuegos, decodificadores, dispositivos tipo streaming dongle, blue ray, etc.);
Generalmente para el caso de los smart TV, están basados en su propio sistema
operativo para ejecutar aplicaciones propietarias por cada fabricante u operador de forma
independiente; La Tabla 2-1 muestra ejemplos de sistemas operativos y dongle
(dispositivos streaming para acondicionar un TV en “smartTV”) para TV. Algunas
iniciativas de fabricantes buscan definir una plataforma más “universal” para el desarrollo
de aplicaciones, como basarse de la tecnología web como HTML5 o Android.
Un caso típico de aplicación de HbbTV, es cuando por ejemplo el usuario esta viendo un
programa transmitido por la red de televisión terrestre DVB-T2, y presiona una tecla
específica en el control remoto del televisor (botón rojo) para acceder a una aplicación
configurada y sincronizada por banda ancha. El TV del espectador soporta HbbTV y la
emisora pone a disposición una "aplicación relacionada con la transmisión", el
espectador verá un "llamado a la acción" (“call-to-action”) en una esquina de la pantalla.
Esto podría, por ejemplo, ser un logotipo que muestra un botón rojo, informando al
espectador que una aplicación está disponible para su lanzamiento con solo presionar
ese botón. La aplicación puede proporcionar información adicional sobre un programa
(por ejemplo, estadísticas deportivas), mostrar una guía de programas con la opción de
cambiar canales o proporcionar un menú con acceso a programación de video adicional.
Otras opciones incluyen interacción real, por ejemplo, cuestionarios multiusuario donde el
usuario juega contra otros espectadores de HbbTV. El usuario puede interactuar con la
pantalla usando una variedad de botones en el control remoto y la última versión de la
especificación de la versión 2 también admite la interacción a través de un dispositivo
móvil como un teléfono inteligente o una tableta. (HbbTV, 2016).
Fuente: Construcción basada (G. A. Moreno López, Jiménez Builes, & Ramírez Monsalve, 2017)
Capítulo 2 113
Algunos ejemplos de servicios OTT son Youtube, Whatsapp, Netflix, HBO go, Twitter,
Hulu, Skype, entre otras aplicaciones. Los proveedores de TV buscan constantemente
ofrecer servicios OTT a sus clientes (J. Kim et al., 2016); por ejemplo, UNEPLAY o
tigoplay y Caracolplay, en Colombia; Directvplay, en América Latina; Xfinity, en los
Estados Unidos; Tving, en Corea del Sur; e iPlayer de la BBC, en Inglaterra
Figura 2-6: Pronóstico de ingresos ($ millones) de OTT TV & video en America Latina.
Esta nueva era de la televisión, también es conocida como televisión por streaming, o
video que es entregado por la red de internet (Oyedele & Simpson, 2018). El streaming y
medios digitales empezaron a sobresalir en años 2000 y 2001, con el surgimiento de
start-ups, enfocados en los segmentos de tecnologías pequeñas tales como “on-the-fly
content transcoding” and “micro-payment processing engines”. Hasta finales de la década
de 1990, todo el contenido en Internet era estático. El contenido estático, en este
contexto, se refiere a la información que es creada y formateada con anticipación,
dispuesta para el consumo y luego transferida completamente a un consumidor o PC de
un usuario antes de que se use (Rayburn, 2007).
Esta nueva generación de la TV, esta fundamentada en cloud computing (Mell & Grance,
2011), en el enfoque “Todo definido por software” (Software-defined Everything) (Virmani,
2015), donde muchos componentes se configuran por software, o toda la infraestructura
puede ser programable. Una parte importante de “todo definido por software” es que la
tecnología de computo, el almacenamiento y las redes están virtualizados, de modo que
proporcionan muchos beneficios para el suministro, la gestión, el mantenimiento, entre
otros (Bawa & Clark, 2015).
Fuente: Autor
En estos nuevos escenarios de TV, como menciona Noam (E. Noam, 2014), aparecen
nuevos elementos, como resolución (4K y 8K), interactividad de persona a computadora,
3-D, interactividad entre pares, realidad mejorada por computadora, contenido generado
por el usuario, contenido entre pares, visualización asincrónica e individualización,
distribución multiplataforma, tramas ramificadas, participación del usuario y globalización.
Al unir estos y otros elementos, es posible tener una TV de alta resolución, inmersiva,
participativa, personalizada, social y de mayor experiencia.
Como indican (Sanz & Crosbie, 2016) pasamos de plataformas cerradas de televisión
(servicio tradicional) a plataformas abiertas de televisión mediante el uso de plataformas
híbridas o de Internet que pueden dar más valor a la empresa y al usuario. El
entendimiento y la conexión con los usuarios es uno de los principales beneficios de la
distribución en plataformas digitales que implican conectividad bidireccional (Doyle,
2016).
116 Modelo de U-learning basado en plataformas de TV everywhere
TV Everywhere ofrece otras ventajas en comparación con otros sistemas para TV digital
(terrestre, por cable, IPTV, satelital) como: implementación en diferentes pantallas, más
servicios, reducción del tiempo de implementación, reducción de costos, no es necesario
contar con infraestructura propia, más escalabilidad, analítica, entre otros. Para el caso
de HbbTV, está limitado a que el TV o decodificador soporten la especificación HbbTV.
Entre los beneficios de implementar un servicio de video o TVE basado en la nube, como
un PaaS administrado por un tercero, es que se pueden encontrar los servicios de redes,
Capítulo 2 117
La televisión fue utilizada por primera vez en la educación en la década de 1960, para las
escuelas y para la educación general de adultos. Todavía hay algunos canales
educativos de difusión general en todo el mundo (por ejemplo TVOntario en Canadá;
PBS, History Channel y Discovery Channel en los EE.UU.) (A. W. (Tony) Bates, 2015).
Desde la TV abierta, TV por cable, TV vía satélite, IPTV y TV en convergencia con
Internet, se han explorado diferentes propuestas para uso educativo. Algunos ejemplos
datan de los años 50 y 60, como Kraus (Kraus, 1958) con la propuesta de Sistemas de
Televisión para la Enseñanza en Escuela; Noble et al. (Nobles et al., 1961) con la
aplicación de la televisión aerotransportada a la educación pública; y Francis E.
(Almstead, 1959) que presenta un diseño para usar la televisión de circuito cerrado en la
educación, Figura 2-8. En años más recientes, podemos encontrar algunos otros
ejemplos, como Dos Santos et al. (R. A. dos Santos et al., 2015), con un modelo de
experimentación remota basado en TV digital, en el cual los estudiantes a través del
canal interactivo interactúan en la aplicación con el control remoto, Figura 2-9; Pires y
Miranda (Pires & Miranda, 2016), comentan la producción de recursos educativos
digitales en un estudio de televisión digital.
118 Modelo de U-learning basado en plataformas de TV everywhere
Con respecto a los sistemas satelitales, Kirstein (Kirstein & Beckwith, 1991) presenta
experiencias con la red de educación en video interactiva de la Universidad de Londres,
en la que se utiliza un satélite de transmisión directa; Rajashekhar y col. (Rajashekhar et
al., 2010) presenta propuesta de educación a distancia por satélite en el paradigma
digital: perspectiva de ISRO (Indian Space Research Organisation), con un satélite
dedicado a educación “EDUSAT”; y Xiang-yu et al. (Xiang-yu et al., 2013) presentan un
mecanismo de comunicación interactiva basado en DTN (delay tolerant network) para
sistemas de educación a distancia por satélite.
En sistemas por cable e IPTV, encontramos trabajos de Jiangxm et al. (J. Chen et al.,
2001): Exploración en el desarrollo de una base moderna de educación a distancia en la
Capítulo 2 119
red de cable de transmisión de video digital; Zhu Xiao Liang y otros (Zhu Xiao Liang et
al., 2008) con Educación IPTV para E-learning en Área Rural; Duran (Duran et al., 2011)
plantean una arquitectura para el soporte del servicio de video a demanda para
comunidades académicas virtuales sobre IPTV. En (Fallahkhair, 2013) plantean objetos
de aprendizaje de lenguaje.
Dos Santos et al. (Dos Santos et al., 2006) presentan propuesta de TV digital y
aprendizaje a distancia en Brasil; Lopez-Nores (López-Nores et al., 2010) presentan una
arquitectura de servicios de aprendizaje colaborativo ricos en multimedia sobre TV digital
interactiva; En (López-Nores et al., 2010) las tecnologías de TV digital interactiva se
proponen como un medio para facilitar el entendimiento de conceptos en educación
superior. Moreno y Jiménez (G. A. Moreno López & Jimenez Builes, 2012) presentan un
120 Modelo de U-learning basado en plataformas de TV everywhere
En cuanto a los sistemas híbridos con Internet, algunos ejemplos son Montoya et
al.(Edwin et al., 2012), con un sistema de aprendizaje multiplataforma, y Acosta et al.
Capítulo 2 121
(Acosta et al., 2016), con una propuesta de televisión híbrida educativa para un canal
regional; La Figura 2-13 ilustra el prototipo EducaTV, bajo el enfoque de TV híbrida, que
combina la señal de broadcast por el aire y también se conecta a un canal de banda
ancha para complementar el servicio.
Un servicio de televisión multipantalla (Lin & Oranop, 2016), es aquel que los usuarios
pueden ver los vídeos en diferentes pantallas (por ejemplo, teléfonos inteligentes,
consolas de videojuegos, tabletas, PC y televisores). Una plataforma de TV multipantalla
permite desplegar los contenidos de TV/video en diversas pantallas (multiscreen), en un
escenario de conectividad a internet, soportado en la nube (G. A. Moreno López, Jiménez
Builes, & Ramírez Monsalve, 2017). La rápida adopción de dispositivos móviles y
portátiles como teléfonos inteligentes y tabletas, conocidos como segundas pantallas,
transforma la forma tradicional de mirar televisión.
2.2.1 Software-defined TV
Software-defined TV (Sw-De TV), esta acuñado en el término Software-defined
everything (Todo definido por software), que de acuerdo con Virmani (Virmani, 2015),
tiene que ver con la agrupación de una variedad de tecnologías de computo definidas por
software en un marco y arquitectura general. Dentro de las tecnologías definidas por
software, podemos encontrar redes definidas por software (software-defined networking,
SDN), computación definida por software (software-defined computing), centros de datos
definidos por software (software-defined data centers, SDDC), almacenamiento definido
por software (software-defined storage, SDS) y redes de almacenamiento definidas por
software (software-defined storage networks), entre otros. Con todo definido por software,
la infraestructura de cómputo se virtualiza y se entrega como un servicio. En un entorno
de todo definido por software, la gestión y el control de la infraestructura de red,
almacenamiento y centro de datos se automatiza mediante un software inteligente en
lugar de los componentes de hardware de la infraestructura. Otro caso de todo definido
por software es radio definida por software (Software-defined radio, SDR), donde se
implementan diferentes componentes para la recepción y transmisión de señales de
radiocomunicación a través del software. Por ejemplo, en (Yu et al., 2013) presenta una
plataforma equipada con un procesador reconfigurable y hardware común, donde se
Capítulo 2 123
TV definida por software toma como referencia los modelos de servicio de cloud
computing para ser implementado (Mell & Grance, 2011): software como servicio (SaaS),
Plataforma como servicio (PaaS) e Infraestructura como servicio (IaaS). La computación
124 Modelo de U-learning basado en plataformas de TV everywhere
en la nube comprende características esenciales (Mell & Grance, 2011) tales como:
autoservicio a pedido, amplio acceso a la red, agrupación de recursos, elasticidad rápida
y servicio medido. La nube puede ayudar a las organizaciones a manejar la demanda de
procesamiento de video variable con gran flexibilidad y agilidad, al tiempo que mejora el
servicio al cliente (Elemental, 2017). La siguiente figura ilustra el enfoque televisión
definido por software con la computación en la nube Figura 2-14.
2.2.2 TV as a service
Bajo el enfoque de “todo como un servicio” (everything as a service, XaaS), se define
TVE como un servicio (TVEaaS) para proporcionar los servicios de visualización de video
y TV usando la nube a diferentes pantallas (PC, teléfono inteligente, Tablet, TV)
conectadas a Internet (G. A. M. López et al., 2016). La Figura 2-15 ilustra TVE como un
servicio.
Todo como un servicio (XaaS) se refiere a las tendencias de migración de servicios hacia
la nube (Duan et al., 2015) propuestas como redes, telemedicina, impresión, consultoría,
educación, o salud como servicio.
Fuente: Autor
126 Modelo de U-learning basado en plataformas de TV everywhere
Con los servicios a pedido, el espectador puede elegir entre un catálogo de videos
pregrabados y el video se transmite a un cliente solo cuando se realiza una solicitud del
video. Los servicios de VOD son proporcionados por los servidores de borde CDN que
entregan archivos de video estáticos precodificados a los reproductores de video del
cliente.
128 Modelo de U-learning basado en plataformas de TV everywhere
Fuente: Autor
130 Modelo de U-learning basado en plataformas de TV everywhere
Hay cuatro modelos de implementación (nube privada, nube comunitaria, nube pública,
nube híbrida) (Mell & Grance, 2011):
▪ Nube privada. La infraestructura de la nube se opera únicamente para una
organización. Puede ser administrado por la organización o un tercero y puede
existir dentro de las instalaciones propias (on premise) o fuera de las
instalaciones (off premise).
▪ Nube de la comunidad. La infraestructura en la nube es compartida por varias
organizaciones y es compatible con una comunidad específica que ha compartido
inquietudes (por ejemplo, misión, requisitos de seguridad, política y
consideraciones de cumplimiento). Puede ser administrado por las organizaciones
o un tercero y puede existir dentro o fuera de las instalaciones.
▪ Nube pública. La infraestructura en la nube está disponible para el público en
general o para un gran grupo industrial y es propiedad de una organización que
vende servicios en la nube.
▪ Nube híbrida. La infraestructura de la nube es una composición de dos o más
nubes (privadas, comunitarias o públicas) que permanecen como entidades
exclusivas, pero están unidas por tecnología estandarizada o patentada que
permite la portabilidad de datos y aplicaciones (por ejemplo, sobrecarga de la
nube (cloud bursting) para balanceo de carga entre nubes).
video dentro del ancho de banda disponible. Esto permite entregar un video de mayor
fidelidad a través de HTTP cuando sea posible, y bajar a una calidad inferior en lugar de
causar una interrupción de la reproducción del video de tasa de bits excesivamente alta
(K.-W. Hwang et al., 2016).
La tecnología ABR permite definir un perfil de acuerdo con las capacidades del
dispositivo y la banda ancha, adaptando el video de modo que continúa mostrándose
incluso si la resolución cambia o disminuye. Se utilizan protocolos como Apple HTTP
Adaptive Streaming (HLS), Adobe HTTP Dynamic Streaming (HDS), Mpeg-Dash,
Microsoft smooth streaming, entre otros (Boyin & Ruonan, 2013) (Essaili et al., 2013) (K.-
W. Hwang et al., 2016).
El MPEG-DASH (Dynamic adaptive streaming over HTTP), surge como una iniciativa de
estandarización del servicio, aplicable a los servicios de transmisión por Internet para
acceder a contenidos de video, independientemente del fabricante o desarrollador. Su
especificación consta en la ISO/IEC 23009-1:2014 (ISO/IEC, 2014). En (DASH Industry
Forum, 2018) se plantean unas pautas para apoyar la implementación de DASH,
conocidas como DASH-IF InterOperability Points (IOPs), que brindan soporte en la
distribución de video de alta calidad para servicios superiores que utilizan H.264 / AVC y
H.265 / HEVC, tanto los servicios en vivo como bajo demanda.
Los CDN transportarán el 72 por ciento del tráfico total de Internet para 2022, frente al 56
por ciento en 2017. Gran parte del tráfico de CDN es llevado por CDN privados en lugar
de CDN de terceros. Los CDN privados son aquellos creados y operados por
proveedores de contenido para su propio contenido. Los grandes operadores privados de
CDN incluyen Google, Amazon, Facebook y Microsoft. (Cisco, 2019).
o Las estrategias de inserción (push) se caracterizan por una computadora fuera del
CDN que envía contenido a la CDN. Este mecanismo puede ser tan simple como un
cliente FTP que empuja a un servidor FTP de CDN, pero en muchos casos el
mecanismo de inserción se encuentra en un panel de control del cliente de CDN. En
este escenario, el contenido del proveedor de video se mueve físicamente y se
coloca en la CDN. Luego, se requiere que el proveedor de video introduzca
explícitamente cada pieza de contenido en el CDN antes de que se pueda ver o
descargar. El servidor mantiene un estado de sesión, conexión con el cliente para
transmitir. El cliente puede parar o interrumpir la sesión
o Las estrategias de extracción (pull) se caracterizan por el CDN que extrae un archivo
de un servidor HTTP o FTP en función de una solicitud que el CDN recibió por
contenido. Cuando el CDN recibe una solicitud de contenido que no tiene en su
inventario, el CDN recuperará (extraerá) el contenido del origen del proveedor de
video, siempre que se haya definido un origen. En un escenario de extracción, se
debe configurar un origen predefinido específico en el perfil CDN del proveedor de
video antes de realizar una solicitud. Con frecuencia, el CDN reenvía
simultáneamente la solicitud al cliente solicitante y propaga el contenido al sistema de
gestión de contenido del CDN. Generalmente el cliente es quien pide el contenido.
La Figura 2-19 muestra las seis capacidades para realizar la SUN. Que son:
capacidades de conciencia del contexto, capacidades de conocimiento del contenido,
capacidades programables, capacidades de gestión de recursos inteligentes,
capacidades de gestión de red autónoma, y capacidades ubicuas.
NOTA 1 - Las líneas de puntos indican enlaces para recopilar información de reconocimiento de contexto de las partes
azules. Las líneas continuas indican enlaces para entregar medios.
NOTA 2 - La nube amarilla indica un conjunto de entidades que implementan capacidades inteligentes y ubicuas.
Fuente: (ITU-T, 2013a)
Otras iniciativas de códecs de compresión para uso de video en internet conocidos como
royalty-free (no requieren pago de regalías) son, el MPEG IVC (Internet Video Coding)
Capítulo 2 137
Fuente: Autores
8
AOMedia. Alliance for Open Media. https://aomedia.org/av1-features/
9
Google. https://www.google.com/
138 Modelo de U-learning basado en plataformas de TV everywhere
archivo de manifiesto. Este tipo de entrega es muy atractivo para los CDN, ya que
no requiere de servidores o recursos especializados para configurar y mantener.
Además, muchos CDN están optimizados para la entrega de contenido de objetos
pequeños y ahora pueden mover el video en segmentos pequeños en lugar de
archivos grandes.
Los primeros servicios de streaming de video, emplearon User Datagram Protocol (UDP),
como protocolo de transporte, motivada básicamente por la capacidad del transmisor
para transmitir a la velocidad de reproducción (Krishnamoorthi, 2018). Sin embargo, UDP
no ofrece garantías de entrega de paquetes; Si bien UDP puede proporcionar la entrega
oportuna de paquetes, los servicios de transmisión tuvieron que agregar funcionalidad
para superar los paquetes faltantes, utilizando diferentes técnicas de control y ocultación
de errores, corrección de errores hacia adelante y otros esquemas para enmascarar
imperfecciones. Tales técnicas fueron utilizadas con protocolos de streaming como
Microsoft Media Server (MMS), Real Time Messaging Protocol (RTMP), y Real Time
Protocol (RTP) y su suite asociado (Real Time Control Protocol (RTCP) and Real Time
Streaming Protocol (RTSP). El uso de protocolos propietarios o basados en UDP tenía
limitaciones importantes para la transmisión. Quizás el más grande de estos fue que el
tráfico a través de UDP iniciado externamente o los protocolos no estandarizados a
menudo están bloqueados por firewalls y traductores de direcciones de red (NAT), debido
a problemas de seguridad con los servicios sin conexión que usan UDP y debido a los
riesgos que plantean los protocolos desconocidos. Además, varios protocolos en el
momento requerían que los servidores rastrearan el estado del cliente continuamente, lo
que requería una infraestructura dedicada e inteligencia también en el lado del servidor.
Estas limitaciones, junto con las velocidades más rápidas de Internet (que permitieron
que los buffers de clientes se llenaran rápidamente), lentamente comenzaron a superar
los beneficios de usar protocolos similares a UDP.
aplicación y el protocolo TCP (Transmission Control Protocol) para garantizar que todos
los bytes de una página web se entreguen (eventualmente). El desarrollo y la
implementación de CDN y cachés de proxy redujeron significativamente el costo incurrido
por el proveedor de contenido y el operador de red en la entrega de datos a los usuarios
finales. Las mejoras incrementales en las velocidades de acceso y los tiempos de viaje
de ida y vuelta (round-trip Times, RTT) a lo largo de los años han hecho que la
transmisión por TCP sea una alternativa viable. Además, a medida que la capacidad de
almacenamiento y la potencia de cómputo del lado del cliente mejoraron, los clientes
podrían usar un bufer más grande para adaptarse a las fluctuaciones a corto plazo en el
ancho de banda de la red. Estos desarrollos, además de las mejoras en la entrega de
contenido web a través de CDN, cachés de proxy en el borde de la red, y NAT / firewalls
que no bloquean el tráfico de TCP, llevan a la adopción de la transmisión a través de
HTTP. La Tabla 2-3 resume los protocolos utilizados para streaming de acuerdo al tipo
de conexión y estrategias (Elemental Technologies, 2012), (Krishnamoorthi, 2018).
Otro protocolo es QUIC (Quick UDP Internet Connections), un protocolo basado en UDP
que ha sido diseñado para proporcionar características como el control de congestión
(implementado en la capa de aplicación), semántica orientada a la conexión,
multiplexación con latencia reducida, e incluye funciones de seguridad integradas y
algoritmos de control de congestión conectables (Krishnamoorthi, 2018). QUIC es un
nuevo protocolo de transporte actualmente en desarrollo en el grupo de trabajo de IETF
quic, que se centra en el soporte de la semántica necesario para HTTP / 2 [QUIC-HTTP],
como la multiplexación de flujos para evitar el bloqueo de cabecera de línea (IETF &
Network Working Group, 2018).
• A nivel mundial, de todo el tráfico IP, el video IP será del 82 por ciento para 2022.
• El tráfico total de video por Internet (negocios y consumidores) será del 80% de
todo el tráfico de Internet para 2022.
• El tráfico de video de Internet para el consumidor será el 82% del tráfico de
Internet del consumidor para 2022. El tráfico de video por Internet comercial será
el 73% del tráfico de Internet comercial para 2022.
• El video de Internet en vivo representará el 17,1 por ciento de Tráfico de video por
Internet para 2022. El video en vivo crecerá 15 veces desde 2017 hasta 2022.
• A nivel mundial, el 3,4 por ciento de todo el tráfico de video de Internet se deberá
a la videovigilancia en 2022, frente al 2,2 por ciento en 2017.
• El tráfico de Internet-Video-to-TV (generalmente usando dispositivo tipo dongle
como Roku) será el 27% del tráfico de video fijo de Internet del consumidor para
2022, que estaba en 33% en el 2017.
• A nivel mundial, el 79% de todo el tráfico de video por Internet cruzará las redes
de entrega de contenido para 2022.
• El 79 % del total de tráfico de datos móviles será video.
• A nivel mundial, el 1.3% de todo el tráfico de entretenimiento (video y juegos por
Internet) se deberá a la Realidad Virtual para el año 2022, un aumento del 0.2%
en 2017.
• A nivel mundial, el tráfico de Realidad Virtual se multiplicará por 12 entre 2017 y
2022 (65.3% CAGR).
• A nivel mundial la alta resolución del video sigue aumentando. Ultra HD
representará el 20.3% y en HD será del 56.2% del tráfico de video por Internet
para 2022. En el tráfico IP VoD para el 2022, el 35.1% será para Ultra HD y el
60.6% en HD.
• El efecto del video de los dispositivos en el tráfico es más pronunciado debido a la
introducción de la definición Ultra-High-Definición (UHD), o 4K, transmisión de
video. Esta tecnología tiene tal efecto porque la tasa de bits para video 4K es
Capítulo 2 143
alrededor de 15-18 Mbps, más del doble de la tasa de bits de video HD (5 - 7,2
Mbps) y nueve veces más que la velocidad de bits de video de definición estándar
(SD) (2 Mbps). Se estima que para el 2022, cerca del 62% de los televisores de
pantalla plana instalados serán UHD, frente al 23 % por ciento en 2017.
La siguiente gráfica ilustra que las formas de ver televisión tradicional y por suscripción
están cambiando a video online y móvil. Se resalta que sigue en aumento el video móvil.
En las redes sociales, Figura 2-23, el video es el contenido que más interación de
compartir hay, y facebook es donde más acciones hay con el video (comScore &
Shareablee, 2018).
Teniendo en cuenta autores como (Chiu et al., 2008), (Yahya et al., 2010), (Restrepo et
al., 2012), (Castro et al., 2013), (Aarreniemi-Jokipelto, 2006), (Caytiles et al., 2011),
(Sung, 2009), (Vieira Mejía, 2013) (Zhan & Yuan, 2009) (Chiu et al., 2008) (Ogata &
Yano, 2004), (G.-J. Hwang et al., 2008), (Kanagarajan & Ramakrishnan, 2018) y como
parte de la investigación a continuación se plantean las características que al articular
algunas o en su totalidad propician un ecosistema adecuado de u-learning (Moreno
Lopez et al., 2016):
En general estas características tienen alguna relación con las características esenciales
que ofrece la nube, base de la TV Everywhere.
Capítulo 3 147
(Companion screen)
Interoperabilidad – broadband &
broadcast
Streaming adaptativo - En IPTV OIPF
Airplay, de Apple
XMLHttpRequest
WebMessaging
Interoperabilidad DASH-IF InterOperability Points (IOPs)
Picture Experts Group (MPEG), el DASH Industry Forum (DASH-IF) y los organismos de
estándares regionales. WAVE utiliza protocolos estándar de la industria, como HTML5
con MSE Extensions [MEDIA-SOURCE] y EME [ENCRYPTED-MEDIA], MPEG-CMAF,
MPEG-CENC y transmisión de velocidad de bits adaptativa con protocolos MPEG-DASH
y Apple HLS. WAVE está estrechamente enfocado en permitir la interoperabilidad entre
las aplicaciones y servicios de audio y video y los dispositivos conectados. Para este
propósito, WAVE contempla tres especificaciones: una especificación de contenido, una
especificación de capacidades de reproducción del dispositivo y una especificación de
API HTML.
La plataforma de video everywhere deben ser capaz de adaptar los contenidos (como
video) en cualquier formato y dispositivo. Esta plataforma debe contar con las tecnologías
necesarias de codificación, transcodificación, gateway o middleware, así como opciones
de almacenamiento, administración, encapsulación y tecnologías de distribución -CDN,
entre otras. Lo ideal es que sea compatible con la "nube", debido a sus características y
ventajas. La plataforma de video se puede complementar con otros servicios de
computación en la nube (por ejemplo, aplicaciones de Google o suite G), o convergente
con cámaras que capturan videos de una conferencia o clase, o transmisiones en vivo,
entre otros. Figura 3-1 ilustra el escenario.
Fuente: Autor
Capítulo 3 153
• Contribuye en la accesibilidad
• Puede proporcionar servicios interactivos
• Independencia de tiempo y lugar. Además, tiene opciones de parar, pausar, y
volver a ver las veces que quiera, entre otras.
• Empleado en dispositivos de usuario, o de su preferencia o fáciles de usar.
• Puede mejorar los niveles de reflexión y satisfacción en los estudiantes.
• Mejorar el aprendizeje híbrido, aprendizaje remoto, aprendizaje personalizado
por demanda, MOOCs, SPOCs, clase invertida, aprendizaje social, y eventos en
vivo.
• Puede ser utilizado en el aula o en línea en cualquier momento, lugar y con
cualquier dispositivo.
• Grabar conferencias, documentar casos, documentar prácticas, compartir
conocimientos, realizar concursos, cuestionarios interactivos, comunicaciones
externas (exalumnos, público en general, etc), comunicaciones internas, en redes
sociales, entre otros.
• Propiciar una mayor participación (presentar, producir, y compartir)
• Propiciar una mayor involucración del usuario
• Entre otras.
De acuerdo con Strecker et al (Strecker et al., 2018), los videos apoyan el procesamiento
de la información de los usuarios al secuenciar la información y al reducir la carga
cognitiva. Además, los estudiantes pueden obtener orientación adicional para la
formación de conceptos a partir de cámara lenta, congelar fotogramas, repeticiones y la
superposición de texto adicional. Los beneficios de los materiales visuales se pueden
aumentar aún más introduciendo la interacción en videos similares a los hipervínculos en
los sitios web. El material visual se puede memorizar con facilidad y firmeza.
Fuente: Autor
En (G. A. Moreno López, Jiménez Builes, & Ramírez Monsalve, 2017) se aplica u-
learning con TV multipantalla, para un caso de sensibilidad de contexto de soporte de
aprendizaje en laboratorio. Algunos equipos contienen un código QR, que al ser accedido
por el dispositivo smartphone ingresaban al video que explicaba el funcionamiento del
equipo y ejemplo para realizar la práctica, como ilustra la Figura 3-3. También los videos
pueden ser vistos vía URL en otros dispositivos.
Fuente: (G. A. Moreno López, Jiménez Builes, & Ramírez Monsalve, 2017)
Para el caso de una solución on-premises, se debe contar con los componentes de Hw o
Sw en las instalaciones propias y se tiene más control de ellas. Por ejemplo la Figura 3-5
ilustra componentes que la empresa Elemental Technologies (Elemental Technologies,
2018) ofrece para implementar una solución on-premises. Se encuentra AWS
Elemental Server, que proporciona un procesamiento de video para flujos de trabajo
basados en archivos; El AWS Elemental Delta, es una plataforma de entrega de video
diseñada para optimizar la monetización, administración y distribución de video
multipantalla en redes IP internas y externas; El AWS Elemental Conductor es un sistema
de gestión de red de video para aplicaciones de entrega de video en vivo y basadas en
archivos; AWS Elemental Live, proporciona codificación de video y audio en tiempo real
para transmisión de TV lineal y transmisión en vivo a nuevas plataformas de medios.
Pero además de estos componentes hay que tener en cuenta el almacenamiento, y la
red de distribución de contenido.
La Tabla 3-2 indica ejemplos de implementación basados en la nube. Puede ser a través
de una solución de TV/video en la nube o OTT TV ofrecida por un proveedor/empresa, o
mediante programación con código de un nuevo servicio/aplicación con la plataforma de
158 Modelo de U-learning basado en plataformas de TV everywhere
usuario. Sin embargo, también es posible usar Youtube o para complementar una
plataforma de video everywhere.
11 https://corp.kaltura.com/
160 Modelo de U-learning basado en plataformas de TV everywhere
desde las instalaciones del cliente). Se resalta los beneficios de la solución SaaS y,
además, aplica el modelo OPEX (“Operational expenditures”) que no requiere
infraestructura en las instalaciones del cliente.
Criterios Descripción
Administración Permitiendo gestionar el servicio, configuración y ofrecer diferentes
(back-end) opciones. Cuenta con la infraestructura necesaria para el servicio (como
CDN, etc).
Transcodificación Transformando un formato de archivo en otro adecuado.
o Uso de los protocolos de transmisión adaptables necesarios para adaptar
Transcoding el contenido según el dispositivo y la red.
Entrega o Encriptación y distribución. Que el contenido puede estar disponible en
delivery tantas plataformas como sea posible.
Sitio de Opción para proyectar al cliente final (como portal de videos, portafolios,
visualización final enlaces dirección de internet, apps,). Preferiblemente con opción de
(front-end) personalización (imagen, nombre, dominio propio, etc)
Almacenamiento Si es ofrecido
Mantenimiento Si es ofrecido y actualizaciones
Velocidad de Número de minutos, o horas, o semanas
despliegue
Monitoreo Si es ofrecido
Escalabilidad Si es ofrecido
Seguridad Contenido, opciones de DRM, opciones de autenticación o password, etc.
Costo Chequear en función de los servicios que ofrece
Capacidad Si hay límite de usuarios*, de contenido, almacenamiento, o ancho de
banda**.
Involucración o Opciones de personalización, descubrimiento de contenidos, trabaja en
Engagement todos los dispositivos, otras experiencias u opciones de interactividad.
Otros servicios Estadísticas, analítica de aprendizaje, opción de integrar a LMS, VOD,
video en vivo, redes sociales, apps para móviles o smartTV, soporte, entre
otros.
Pruebas o Es posible echar un vistazo a la plataforma para hacer pruebas y conocer
Testing un poco las funcionalidades de la plataforma.
Embeber Opción de embeber o incrustar los videos en otros sitios (páginas web,
etc)
Facilidad de uso La configuración y puesta en marcha del servicio es “fácil”.
Formatos o Uso amplio de formatos o estándares, para aceptar videos subidos,
estándares procesarlos y entregarlos al destino final.
soportados
Soporte de usuarios* concurrentes y ancho ancho de banda** del reproductor video sea
preferiblemente ilimitado.
Fuente: Autor
Fuente: Autor
Momento Descripción
Comprender la idea de u-learning,
Estado y preparación investigar soluciones de procesamiento
inicial de video online, identificar el contexto
de aplicación, participantes, entre otros.
Chequear la funcionalidad de la
plataforma, el despliegue como tal del
Implementación del
servicio de u-learning en diferentes
servicio de u-learning
pantallas, seguimiento, uso de la
competencia digital, entre otros.
Fuente: Autor
En el capítulo 4, se detallará más estos elementos que hacen parte del modelo.
Fuente: Autor
Capítulo 4 171
Fuente: Autor
4.2 Referente de diseño universal para aprendizaje
El diseño universal para el aprendizaje (Universal Design for learning, UDL) es un marco
para mejorar y optimizar la enseñanza y el aprendizaje para todas las personas, basado
en conocimientos científicos sobre cómo aprenden los humanos (CAST, 2018). El marco
UDL se deriva de una amplia base de investigación sobre cómo aprende el cerebro
(como se refleja en las redes afectivas, de reconocimiento y estratégicas), Figura 4-1,
(Meyer et al., 2014):
Afectiva: El "por qué" del aprendizaje; los sentimientos, valores o emociones que
pueden influir en las actitudes hacia el aprendizaje.
Reconocimiento: El "qué" del aprendizaje; cómo identificamos la información y
categorizamos lo que vemos, escuchamos y leemos.
Estratégico: El "cómo" del aprendizaje; Es a través de redes estratégicas que
planificamos, ejecutamos y monitoreamos nuestros patrones mentales y motores
generados internamente, acciones y habilidades.
© CAST, 2018
Los lineamientos de UDL tienen un amplio reconocimiento, que pueden guiar a los
desarrolladores a crear sistemas educativos más equitativos y efectivos para todos los
estudiantes. El objetivo de UDL no es simplemente ayudar a los alumnos a dominar un
conjunto específico de conocimientos o habilidades específicas, sino dominar el
aprendizaje en sí mismo. A través de UDL, los educadores buscan crear aprendices
expertos, individuos que, independientemente de sus fortalezas y debilidades
particulares, saben cómo aprender. Para hacer esto con éxito en las aulas donde la
variabilidad de los estudiantes es común, UDL sugiere a los educadores que brinden
opciones que minimicen las barreras para el aprendizaje y maximicen las oportunidades
para que todos los alumnos crezcan (Rose et al., 2018).
Gagné & Briggs, and Morrison, Ross, & Kemp, Dick and Carey. El rol de los modelos de
diseño instruccional se basa en tres supuestos (Branch & Kopcha, 2014): (1) la
instrucción incluye tanto la enseñanza como el aprendizaje, (2) la educación abarca
actividades de macro-aprendizaje y (3) la instrucción se enfoca en actividades de micro-
aprendizaje.
Los cinco elementos esenciales del proceso de diseño instruccional son, analizar,
diseñar, desarrollar, implementar y evaluar (Analyze, Design, Develop, Implement, and
Evaluate - ADDIE). ADDIE se ha convertido en un referente y uno de los modelos de
diseño instruccional de más aceptación, por ser útil, y fácil de usar (C. Peterson, 2003).
La Figura 4-2 ilustra una representación concurrente del proceso de diseño instruccional.
Análisis
Diseño
Evaluación
Formativa /
Sumativa
Desarrollo
Implementación
La fase de análisis determina las necesidades del público objetivo, cuál es el problema.
Se tiene en cuenta estándares o competencias que se deben alcanzar. Esta fase puede
arrojar metas u objetivos educativos, actividades a realizar.
La fase de evaluación puede aplicarse en las fases previas, como una evaluación
formativa, y al final del curso como una evaluación sumativa. A lo largo de la fase de
evaluación, el diseñador debe determinar si el problema se ha resuelto, si se han
cumplido los objetivos, el impacto del producto o el curso y los cambios que son
necesarios en la futura entrega del programa.
Diseño
Diseño y desarrollo
Desarrollo
Fuente: Autor
Capítulo 4
Fuente: Autor
178 Modelo de U-learning basado en plataformas de TV everywhere
Factor Descripción
Idea Conceptos, características, y usos generales del u-learning.
Actores que - Estudiantes
participan - Profesores,
- Directivas,
- Empresas,
- Instituciones,
- Entre otras.
Tendencias de Plataformas multi-screen, CDN, OTT, cloud, transcoding,
tecnología dispositivos conectados, banda ancha, entre otros.
Contexto - Sector educativo,
- Empresarial,
- Salud,
- Ciudad inteligente,
- Inclusión social,
- Gobierno…
Estado - Nuevo
- Continuo
- Condiciones previas mínimas de infraestructura (internet,
dispositivos)
Otros - Propuesta borrador,
- Solución individual
- Solución colectiva (área, facultad, institución, etc).
- Entre otros
Fuente: Autor
Factor Descripción
Implementación Definir si se contempla o no.
- Docentes,
Interdisciplinario - Asesor,
- Ingenieros,
- Pedagogo,
- Programadores,
- de multimedia, audiovisual,
- Diseñador instruccional
- Community manager
- Otro profesional.
Fuente: Autor
Requerimientos Descripción
Tipo de solución - On premise (hw/sw implementada en instalaciones propias)
- Híbrida (parte propia y otra arrendada en nube)
- Cloud (soportado principalmente en la nube por otro proveedor)
Transmisión - Tecnología para TV/vídeo everywhere (como CDN, transcoding,
enconder de compresión, o encriptación y distribución a cualquier
plataforma, otros), en la nube.
- Tecnologías TV híbrida (Ej, broadcast y broadband)
- Tecnologías complementarias
- Tipo servicio (VoD, live, broadcast, etc)
Infraestructura de - Inalámbricas: Wifi, red celular (3G, 4G o 5G), red satelital, u otra.
conectividad a - Alámbricas: ADSL, fibra óptica, cable, u otra.
internet - Híbridas: inalámbricas y alámbricas
Dispositivos Smartphone, TV, PC, Tablet, tecnología sensórica, entre otros
(entrada y salida)
Sistema de - Interacción de una vía (estudiante – contenido)
comunicación - Interacción de dos vías (estudiante – docente, estudiante-
estudiante, estudiante – entorno de aprendizaje).
- Interacción complementada con dispositivos y recursos TIC
(tecnología sensórica (RFID, QR, etc.), App segunda pantalla, red
social, asistentes digitales, mensajería instantánea, otras
Requerimientos Descripción
Tipo de - Aprendizaje formal
aprendizaje - Aprendizaje no formal
- Aprendizaje informal
Grupo objetivo Dirigido a....
Características - Edades
- Factor cultural
- Nivel de educación
Consideraciones - Discapacidad física,
especiales - Deficiencia visual
- Deficiencia auditiva,
- Limitación cognitiva
- Otra
Otras necesidades - Flexibilidad de tiempo y lugar
- Opciones de comunicación y retroalimentación
con docente
- Otra
Situación - Estudiante trabaja/estudia,
- Solo estudia,
- Solo trabaja (si se implementa en empresa),
- Otro.
Objetivo de - Definir objetivos
aprendizaje/ - Definir resultado de aprendizaje
Resultado de
aprendizaje
esperado
Accesibilidad - Geográfica,
- Personal,
- Técnica
Motivación/ - Motivación al uso de tecnología,
expectativa - Experiencias en aprendizaje online
- Experiencia en el tema
- Otra
Fuente: Autor
Requerimientos Descripción
Rol de u-learning - Complementario
- Parcial
- Substituto
Teoría de - Instructivismo
aprendizaje - Cognitivismo
referente - Conductismo
- Constructivismo
- Conectivismo
- Híbrida (varias de anteriores)
Delimitación - Área de conocimiento
- o Dominio de aprendizaje
- Definir temáticas o programa
Contenido - Material de aprendizaje (vídeo, audio, documentos,
guías, otros)
- Otros
Interacción - Estudiante – contenidos
- Estudiante – Docente
- Estudiante – estudiante
- Estudiante - entorno aprendizaje
Estrategias - Clase invertida,
- BYOD,
- Otras metodologías activas (ABP, en casos, learning-
by-doing, etc.)
- Gamificación, entre otras
Actividades - Definir según objetivos de aprendizaje…
- Individual
- Colectiva
Libertad de elección Opciones para elegir el lugar, momento y recursos TIC
Evaluación - Autoevaluación
(diagnósticas, - Entre pares
formativas o - Experto – tradicional
sumativas) - Actividades (muestras, exposición, uso de video para
evidencias, etc.)
- Síncrona o asíncrona
- Uso de rúbricas
Aprendizaje - Según perfiles, conocimientos/habilidades,
personalizado - Ritmos de trabajo, estilos de aprendizaje,
- Seguimiento (ej, uso portafolio), según contexto, entre
otros.
Fuente: Autor
Requerimientos Descripción
Necesidad de capacitación Pueden ser generales o específicas.
- Por ejemplo, en gamificación, ABP, design
thinking, visual thinking, flipped classroom,
entre otros.
Adquirir o fortalecer competencias - Como docente
digitales - Como estudiante
- O como ciudadano
Fuente: Autor
Para ampliar el PLE y sacar provecho de los recursos TIC para el aprendizaje, es
esencial adquirir las competencias informacionales y digitales, que incluyen las
"habilidades, conocimientos, actitudes y comportamientos que permiten a las personas
reconocer cuándo necesitan la información, dónde encontrarla, cómo evaluarla y darle un
uso adecuado según el problema al que se enfrentan" (Juarros et al., 2012). El PLE esta
muy relacionado con las competencias digitales, es así que en Moreno et al (Gustavo A.
Moreno López et al., 2016) se plantean cuatro etapas en el modelo de entorno de
aprendizaje ubicuo uPLEMO, que son buscar, seleccionar, producir y compartir.
184 Modelo de U-learning basado en plataformas de TV everywhere
Como plantea The International Society for Technology in Education (ISTE, 2016), en
este mundo rodeado por tecnología es clave que los estudiantes adquieran y esten
preparados en determinadas competencias para prosperar en un panorama tecnológico
en constante evolución. A continuación, se indican las competencias ISTE para
estudiantes: estudiante empoderado, ciudadano digital, creador de conocimiento,
diseñador innovador, pensador computacional, comunicador creativo y colaborador
global.
Igual los docentes deben mejorar para ser profesionales empoderados y catalizador de
aprendizaje, y los estándares planteados por ISTE (ISTE, 2017) propenden a que el
docente ayude a los estudiantes a convertirse en aprendices capacitados e impulsar su
propio aprendizaje, a profundizar su práctica, a promover la colaboración con sus
compañeros, a repensar los enfoques tradicionales. A continuación, se indican las
competencias para docentes planteadas por ISTE: aprendiz, líder, ciudadano,
colaborador, diseñador, facilitador, y analista.
Requerimientos Descripción
Apoyado con - LMS,
sistemas - CMS,
- LCMS,
- LAMS,
- Combinados,
- Otros
Seguimiento - Learning analytics,
- Otros
Control - Equipo trabajo, personal,
recursos, proyecto
- Servicio, soporte
- Otros
Fuente: Autor
Factor Descripción
Entorno de - Dispositivos
dispositivos ubicos - Conectarse a red internet (wireless, wired,
convergencia redes)
- Infraestructura TVE (CDN, servidores, encoder,
transcoding, distribución, otros)
Entorno de - Plataforma (despliegue de contenido-video a
aprendizaje diferentes pantallas, pág. web, otros)
- Recursos (aplicaciones, contenidos de video u
otro, social media, sistemas de gestión, objetos de
Incluye las pruebas del despliegue, la implementación o ejecución del servicio como tal
de u-learning en diferentes pantallas, el uso e inculcar y fortalecer el desarrollo de
competencias digitales, y el monitoreo del servicio, como ilustra la Tabla 4-12.
Factor Descripción
Pruebas Verificación tx y rx
despliegue en diferentes dispositivos (Smartphone, o Tablet, o
PC/laptop, o SmartTV)
Ejecución - Grupos focales – pilotos
servicio - Escenarios reales
Uso & - Usando dispositivos ubicuos
Fortalecer - Interactuar con plataforma de video u entorno de
competencias aprendizaje virtual
Capítulo 4
Factor Description
Expectativa Grado Satisfacción
proceso Nuevos conocimientos/habilidades-logros
Impacto del Grado de usabilidad
servicio Favorabilidad al aprendizaje
Desempeño
Otros Revisión analítica de datos, u otros por
definir
Fuente: Autor
En este momento es importante también revisar los datos obtenidos principalmente por la
interacción con los medios digitales, que sirva en general para la retroalimentación y
mejora del proceso de enseñanza/aprendizaje. Esto se puede lograr con la plataforma de
video (si tiene la funcionalidad de analítica) u otros servicios/aplicaciones externas. En
este contexto interviene Learning Analytics o Analítica de aprendizaje, definida como la
aplicación de técnicas analíticas para analizar datos educativos, incluidos datos sobre las
actividades del alumno y el docente, para identificar patrones de comportamiento y
proporcionar información procesable para mejorar el aprendizaje y las actividades
relacionadas con el aprendizaje (van Harmelen et al., 2012). Otra definición es dada por
Sociedad para la Investigación de análisis de aprendizaje (SOLAR)16 que define Learning
Analytics como la medición, recopilación, análisis e informe de datos sobre los alumnos y
sus contextos, con el fin de comprender y optimizar el aprendizaje y los entornos en los
que se produce.
Fuente: Autor
El modelo propuesto, contempla cinco etapas definidas desde la perspectiva del diseño
instruccional, las cuales son: estado y preparación inicial, planeación y requerimientos,
diseño & desarrollo, implementación del servicio, y confrontar servicio y resultado de
aprendizaje. En cada una de estas etapas se contemplan diversos aspectos y
componentes, tratando de proyectar el modelo u-learning & TVE, desde una visión
integral para su implementación.
Capítulo 4
También se plantearon como anexos la guía como chequeo del modelo a la hora de
implementar, pautas para realizar el video, y ejemplo de esquema de guion para el video.
El diseño como tal del prototipo de u-learning, hace parte como una fase o etapa con
diversos componentes de un ecosistema, tomando como base el modelo planteado,
indicado en capítulo 4, que comprende las etapas de estado y preparación inicial,
planeación y requerimientos, diseño y producción, implementación del servicio de u-
learning, y confrontar servicio y resultados aprendizaje.
Fase Resumen
• Identidad prototipo
• Configuración plataforma video en Vimeo
• Preparar contenidos presentación (docente)
Fase diseño y • Grabación de video (docente y asesor)
desarrollo • Subir video y configuración en plataforma video (asesor)
• Configuración portal de video para usuario final – portafolio articulado a dominio
(asesor)
• Servicio de interacción con docente (correo electrónico)
• Recursos adicionales (links)
• Actividad (discusión / reto)
• Prepración evaluación (quiz pretest - postest)
▪ Alcances y limitaciones
El alcance del prototipo y para el experimento que se indicará en el capítulo de
validación, está limitado en ilustrar la idea de u-learning basado en TV multipantalla,
usando una plataforma de video online (aplicación real, no simulada) que permita
desplegar videos tipo educativos a diferentes tipos de pantalla conectados a internet, que
se pueda ver desde cualquier lugar y momento. Se toma como base el modelo, con sus
etapas, pero no todos los elementos por aspectos prácticos se pueden contemplar, y así
mismo estos inciden o depende de las funcionalidades de la plataforma a usar o
desarrollar. Es aplicado en un escenario real con estudiantes, en dos cursos diferentes
con un número de estudiantes específicos, que al final valoraran la aplicabilidad del
servicio para apoyar el proceso de aprendizaje. Se confronta resultado de aprendizaje
con una prueba final.
Entre las limitaciones, es que la plataforma no permite registrar usuarios, en este caso
estudiantes, por lo cual no se puede hacer seguimiento personalizado, y hacen falta otras
funcionalidades para uso educativo, como por ejemplo generar test interactivo, aunque si
se puede con enlaces externos (por ejemplo, a Google forms). Se depende del apoyo de
un profesor (tiempo, motivación, etc), por lo cual hay aspectos que no se pueden
controlar bien. Además, los cursos ya tienen su planeación definida durante el semestre.
No hubo un equipo interdisciplinario, sólo docente y asesor (autor). Depende de la
conectividad y buen servicio de internet (en red, wifi, o red celular), y características de
dispositivos. No se profundiza en que la solución sea accesible para todos (personas con
necesidades diversas). No se articula a un LMS. En la aplicación del prototipo en el curso
de algoritmos y programación, se implementó en tres semanas, varios videos como
complemento a lo dado en clase, las pruebas no tuvieron incidencia en las notas reales
del curso, más una actividad sí. En la aplicación del prototipo en el curso de Historia y
teoría 2, se implementó sólo para una clase de forma online, durante una semana, las
pruebas si tuvieron incidencia en las notas reales del curso.
194 Modelo de U-learning basado en plataformas de TV everywhere
Basado en la nube
Y televisión/video
Funcionalidad Descripción
• 7 TB de espacio de almacenamiento en total
• Espectadores ilimitados
• Reproductor personalizable
• Controles de privacidad
• Distribución en redes sociales
• Revisión y aprobación
• Proyectos privados por equipos
• Portafolios personalizables
Generales
• Llamadas a la acción en el reproductor (interacción)
• Generación de oportunidades
• Gráficas de interacción
• Google Analytics
• Eventos en vivo ilimitados
• Transmisión a varios destinos
• Chat y encuestas en vivo para los espectadores.
• Ancho de banda ilimitado en el reproductor de Vimeo
• Compatibilidad con 4K y HDR
• Sin anuncios antes, durante, ni después del video
• Insertar el reproductor en cualquier página
• Personaliza los colores y los componentes
Reproductor de • Personaliza las pantallas finales
video • Agregar logotipo personalizado
• Control de la velocidad de la reproducción. Agregar subtítulos.
• Compatibilidad con reproductores de terceros.
Reproductor compatible con los lectores de pantalla con audio, con el software de
doblaje, con los subtítulos ocultos y con opciones de accesibilidad para todos.
17 Vimeo, https://vimeo.com/es/
196 Modelo de U-learning basado en plataformas de TV everywhere
Como opción para proyectar al cliente final un sitio de visualización o front-end (como
portal de video, portafolio, etc), además del enlace al sitio particular en vimeo, o publicar
en redes sociales, o embeber en blogs o páginas web, es posible definir diferentes
portafolios (según temáticas o asignaturas) y articular a un dominio personalizado. Para
el prototipo aprenutvi, se definió el portafolio unalhisteo2 (para el curso de Historia y
Teoría 2 de la Universidad Nacional de Colombia), y el portafolio polialypro (para el curso
de Algoritmos y programación del Politécnico Jaime Isaza Cadavid). En la configuración
avanzada del portafolio se puede vincular a redes sociales u otros vínculos, un formulario
de contacto, usar comentarios, articular a Google analytics. La Figura 5-5 ilustra ejemplo
de un video del portafolio de video configurado para el curso de Algoritmos y
programación. Con la idea de describir el recurso de video realizado, se emplea un
conjunto de atributos (conocido como metadatos), basados del perfil de aplicación LOM-
CO (Ministerio de Educación Nacional, 2012) y el perfil de metadatos CEM 2.0 (Ministerio
de Educación Nacional - Colombia, 2013), que son referentes para Colombia, tomados
del estándar IEEE LOM (Learning Object Metadata).
198 Modelo de U-learning basado en plataformas de TV everywhere
-
Valoración “Expertos” Presentación
modelo tipo video
-Encuesta
con
Validación
Estudiantes -Desempeño
Aplicación
-Encuesta
modelo -
prototipo
Docentes -Encuesta
Fuente: Autor
200 Modelo de U-learning basado en plataformas de TV everywhere
Para la valoración del modelo, se aplicó el método Delphi (RAND, n.d.) (J. Skulmoski et
al., 2007), a una sola ronda, para conocer la opinión a un grupo de expertos, en este
caso personas que trabajan en Universidades Colombianas y que tienen conocimiento u
Se plantean unos indicadores basados del estandar ISO/IEC 25010:2011 (Systems and
software Quality Requirements and Evaluation (SQuaRE) -- System and software quality
models), (ISO, 2011) para evaluar un producto o sistema, en aspectos de calidad en uso
y calidad del producto. Otro indicador a valorar es la intención de uso (Venkatesh & Bala,
2008), (Venkatesh & Davis, 2000), la cual es basada de otros aspectos externos, de la
facilidad de uso, utilidad percibida, actitud hacia el uso. La Tabla 6-1 muestra los
indicadores y/o subcaracterísticas definidas para ser valoradas por los “expertos” que
participaron de la opinión sobre el modelo de u-learning & TVE.
Indicador Características
I1 Calidad en uso Usabilidad Satisfacción - utilidad
Reconocimiento de adecuado
Calidad del Capacidad de aprendizaje
I2 producto Usabilidad Operabilidad
Accesibilidad
I3 Intención de uso
Fuente: Construcción propia basada de (ISO, 2011), (Venkatesh & Davis, 2000)
(preguntas 2, 4, 8, 10, 11, 12, 13, 14, 15), usabilidad del producto (preguntas 1, 3,
6, 9, 7), e intención de uso (pregunta 5). El instrumento está compuesto por una
escala de 15 ítems tipo Likert, con cinco opciones de respuesta (1= Muy en
desacuerdo a 5= Muy de acuerdo), ver ANEXO E. Para desarrollar el instrumento
se empleó Google Forms.
▪ Ejecución: al realizar la solicitud vía email a los “expertos” para participar de la
valoración del modelo de u-learning & TVE, se les envió el enlace del portafolio de
video que tiene las presentaciones de la temática, y el enlace con la encuesta online.
Algunos manifestaron interés, pero al final no diligenciaron la encuesta, unos
manifestaron que estaban muy ocupados, otros por alguna razón no contestaron, y al
final colaboraron 19 personas con el diligenciamiento de la encuesta. La Figura 6-2
ilustra el portafolio de los videos con la presentación de la temática.
▪ Análisis:
De las 19 personas “expertas” que contestaron, 11 son hombres (57.9%) y 8 son mujeres
(42.1%). La mayoría cuenta con más de 10 años de experiencia en tecnologías
educativas. La Tabla 6-2 muestra resumen de porcentaje de las respuestas (MD: muy en
desacuerdo, D: en desacuerdo, NDA: ni de acuerdo ni en desacuerdo, A: de acuerdo,
MA: Muy de acuerdo) dadas en cada una de las preguntas (ANEXO E) y obtenidas del
Capítulo 6 203
Tabla 6-3: Resumen factores según análisis factorial exploratorio para el grupo
“expertos”.
Capítulo 6 205
La siguiente tabla ilustra los valores correspondiente a la correlación interna entre los
ítems del instrumento, obtenidas con el Alpha de Cronbach (Cronbach, 1951).
Por ejemplo, en el tercer nivel del modelo, existe una correlación alta de servicios y
entorno de aprendizaje.
A partir del gráfico del modelo de ecuaciones estructurales establecen que para el primer
factor está completamente determinado por el aspecto idea (u-learning y TVE) el cual
hace parte del primer nivel del modelo, puesto es el que tiene mayor valor en las cargas
factoriales. Con respecto al factor 2, factor 3 y factor 4 respectivamente están
directamente asociados con los componentes del primer nivel del modelo asociado a
actores que participan (principalmente los estudiantes), expectativa del proceso y la
utilidad del modelo y aplicación en cualquier institución.
Se planteó además un diseño pretest-postest (Gliner et al., 2003), (Dimitrov & Rumrill,
2003), (M. Seel, 2012), para evaluar el desempeño académico de los estudiantes,
teniendo un grupo de control (clase tradicional) y un grupo experimental (aplicando u-
learning & TVE), comparando los resultados de ambos grupos, luego de aplicar el
experimento (el modelo de u-learning con TVE). Posteriormente el grupo experimental
valora el prototipo de u-learning & TVE mediante una encuesta. La Tabla 6-5 ilustra el
proceso del diseño.
Indicador Características
Efectividad
Eficiencia
Usabilidad Satisfacción - utilidad
I1 Satisfacción - confianza
Calidad en Satisfacción - placer
uso Satisfacción - confort
Cobertura de contexto Flexibilidad
I2 Integridad de contexto
I3 Idoneidad funcional Corrección funcional
Reconocimiento de adecuado
Capacidad de aprendizaje
I4 Calidad del Usabilidad Operabilidad
producto Protección contra errores
Estética de la interfaz de usuario
Accesibilidad
I5 Portabilidad Adaptabilidad
I6 Confiabilidad Disponibilidad
I7 Intención de uso
Fuente: Construcción propia basada de (ISO, 2011), (Venkatesh & Davis, 2000)
▪ Análisis:
De los 22 estudiantes del Politécnico JIC, 4 son mujeres (18%) y 18 son hombres (82%).
En la Universidad Nacional, de los 24 estudiantes, 9 son mujeres (37,5%) y 15 son
hombres (62,5%). En cuanto al indicador de desempeño académico, se refleja que al
aplicar u-learning & TVE hay una mejora en general en los resultados, Tabla 6-7. Aunque
puede depender del nivel que tengan los estudiantes, como lo expresa la docente de la
asignatura de historia y teoría 2, que se sorprendió con el grupo de control.
Capítulo 6 213
Del modelo de ecuaciones estructurales para los datos analizados de los estudiantes del
poli se destacan con alta correlación la usabilidad en uso caracterizada en función de la
efectividad y la satisfacción – confianza. Adicional se presenta la usabilidad del producto
(en cuanto a capacidad de aprendizaje, que el medio empleado facilita entender el tema),
y la confiabilidad (en cuanto disponibilidad).
Indicador Características
I1 Calidad en uso Usabilidad Satisfacción - utilidad
Reconocimiento de adecuado
Calidad del Capacidad de aprendizaje
I2 producto Usabilidad Operabilidad
Accesibilidad
I3 Intención de uso
Fuente: Construcción propia basada de (ISO, 2011), (Venkatesh & Davis, 2000)
220 Modelo de U-learning basado en plataformas de TV everywhere
▪ Ejecución: A los tres docentes que aceptaron participar, se les explicó la temática, el
modelo, e hicieron parte de la planificación e implementación de los videos y/o
actividades para la aplicación de u-learning & TVE. Al final de la experiencia se les
invito a realizar la encuesta, y se les envió el enlace a las presentaciones de la
temática y el modelo, y el cuestionario online.
▪ Análisis:
De los tres profesores que participaron, dos son hombres (66,7%) y una es mujer
(33,3%). La Tabla 6-12 muestra resumen de porcentaje de las respuestas (MD: muy en
desacuerdo, D: en desacuerdo, NDA: ni de acuerdo ni en desacuerdo, A: de acuerdo,
MA: Muy de acuerdo) dadas en cada una de las preguntas (ANEXO G) y obtenidas del
formulario Google.
Capítulo 6 221
Posteriormente a partir del análisis factorial exploratorio muestra que los ítems convergen
y discriminan entre si de acuerdo con 2 constructos a evaluar los cuales presentan una
proporción de varianza explicada del 0,53 y 0,47 respectivamente. La siguiente tabla
muestra los factores obtenidos.
Capítulo 6 223
Tabla 6-13: Resumen factores según análisis factorial exploratorio para docentes.
Factor 1 Factor 2
Hace relación a usabilidad en uso (en Hace relación a usabilidad en uso (en cuanto a
cuanto a satisfacción- utilidad, de TVE y satisfacción- utilidad, de TVE y beneficio para
beneficio para implementar u-learning, de implementar u-learning, planeación inicial
acuerdo con los niveles y componentes (actores que participan), planeación y
propuestos del modelo, claridad del requerimientos (equipo de trabajo, necesidades
modelo, planeación inicial (actores, personales o grupo objetivo, aspectos
tendencias y contexto)), reconocimiento pedagógicos, aspectos de gestión), al diseño-
de adecuado, favorece aprendizaje, desarrollo entorno de aprendizaje, y a las
intención de uso, accesibilidad, facilidad expectativas del proceso).
de ejecutar modelo.
A partir del Alpha de Cronbach se mide la correlación interna entre los ítems en cada
escala y correlación entre las clases. La siguiente tabla indica el valor de consistencica
interna obtenido.
Laptop Smart TV
Smartphone Tablet
Fuente: Autor
Figura 6-11: Ejemplo video seleccionado del prototipo para ver y su descripción.
Capítulo 6 225
Fuente: Autor
De acuerdo con los datos indicados por la plataforma entre el periodo de abril 20 a julio
31, se indica en la Tabla 6-15 un resumen de las vistas por dispositivo y navegador. Por
ejemplo, en el prototipo del Poli, un total de 168 vistas, y la mayoría fueron en
computador (126), seguidos del móvil (41). En el prototipo aplicado en UNAL tuvo un
número de vistas menor de 103, ya que fue en un corto tiempo. El navegador más
empleado es Chrome y el sistema operativo windows.
En este capítulo se ilustró los escenarios de validación. Uno fue por medio de un grupo
de “expertos” (personas con conocimiento u experiencia en tecnologías educativas) que
valoraron el modelo u-learning & TVE en términos de usabilidad en uso (en cuanto a
satisfacción – utilidad), usabilidad del producto (en cuanto a reconocimiento de
adecuado, capacidad de aprendizaje, operabilidad, accesibilidad) y la intención de uso. El
instrumento es fiable en términos de consistencia interna. En general la percepción es
positiva sobre el modelo. De acuerdo con el análisis factorial y ecuaciones estructurales
se destacan los siguientes aspectos como la idea (u-learning y TVE), los actores que
participan, la expectativa del proceso y la utilidad del modelo y aplicación en cualquier
institución.
Capítulo 6 227
El otro escenario es con los docentes que participaron de la aplicación del modelo-
prototipo u-learning & TVE. Se evalúo la usabilidad en uso (en cuanto a satisfacción –
utilidad), usabilidad del producto (en cuanto a reconocimiento de adecuado, capacidad de
aprendizaje, operabilidad, accesibilidad) y la intención de uso. También el instrumento es
fiable en términos de consistencia interna según Alpha de Cronbach. En general la
percepción es positiva sobre el prototipo de u-learning & TVE. De acuerdo con el análisis
factorial se obtuvieron dos factores; el primer factor está relacionado con la usabilidad en
uso (en cuanto a satisfacción- utilidad, de TVE y beneficio para implementar u-learning,
de acuerdo con los niveles y componentes propuestos del modelo, claridad del modelo,
planeación inicial (actores, tendencias y contexto)), el reconocimiento de adecuado (que
el modelo es válido como referencia para implementar u-learning&TVE), que u-learning
&TVE contribuye al proceso de aprendizaje, a la operabilidad (facilidad de ejecutar el
modelo), la accesibilidad, la intención de uso, y planeación inicial (actores, tendencias y
contexto). El segundo factor hace relación a usabilidad en uso (en cuanto a satisfacción-
228 Modelo de U-learning basado en plataformas de TV everywhere
utilidad, de TVE y beneficio para implementar u-learning, planeación inicial (actores que
participan), planeación y requerimientos (equipo de trabajo, necesidades personales o
grupo objetivo, aspectos pedagógicos, aspectos de gestión), al diseño-desarrollo entorno
de aprendizaje, y a las expectativas del proceso).
Al realizar las pruebas experimentales del servicio de u-learning basado en TVE por
medio de una solución en la nube provista por un proveedor, el resultado mostró que la
implementación lleva solo unas pocas horas (conocer y configurar la herramienta,
preparar los videos) y/o puede aumentar si se define programar con código, implementar
otros servicios o actividades, entre otros. El desempeño de la plataforma de video fue
satisfactorio, ya que se evidenció el funcionamiento y adaptación del video en diferentes
dispositivos y sistemas operativos.
Un sistema de televisión definido por software ofrece más ventajas para implementar un
servicio u-learning. La siguiente tabla presenta una comparación de las ventajas de un
sistema de televisión tradicional frente a Sw-De TV cuando se implementa un servicio de
aprendizaje en línea.
Tabla 7-2: Ventajas para u-learning. TV tradicional Vs TV Everywhere.
Sistema TV
TVE
tradicional
• No tiene que preocuparse por HW.
• Actualización de software
• Convergencia de infraestructura
• Solución asequible para cualquier institución o
• Una audiencia persona.
particular • Implementación más rápida
• Servicio • Tener una plataforma de video unificada
tradicional. • Amplia cobertura y movilidad.
• Para uso en • Mayor flexibilidad para VOD, servicios en vivo,
instrucción y integración con otras soluciones o aplicaciones,
como entre otros.
comparación • Más interactividad.
• Multipantalla, para cualquier dispositivo.
• Dispositivos conectados a la red
• Escalable
• Más resistente a fallas.
• Integración de analítica.
Fuente: Autor
Al comparar las plataformas de Sw-De TV con el canal de youtube, que utilizan muchas
empresas o usuarios independientes para implementar videos, Youtube es más una red
social abierta accesible a cualquier tipo de público. Puede conducir fácilmente a la
distracción ya que aparecen otros contenidos. No tiene un requisito de autenticación para
los usuarios; no es posible personalizar la plataforma; no permite análisis avanzados del
232 Modelo de U-learning basado en plataformas de TV everywhere
servicio y de cada usuario. Sin embargo, también es posible usar Youtube para
complementar la plataforma de TVE o el aprendizaje ubicuo.
El modelo como tal es una guía, y busca que de forma integral se piense en la solución
de u-learning. Se plantearon varias etapas, con factores y elementos, que en
determinado grado contribuyen a la implementación de u-learning. Contempla usar
plataformas de TV/video convergente multipantalla basada en la nube para contribuir en
el proceso de enseñanza/aprendizaje, pero deja a criterio definir la opción de
implementación, o la solución – producto de un proveedor. El video es considerado como
el contenido principal. El modelo contempla que se puedan usar otros recursos TIC que
complementen la solución, y desde lo pedagógico estar abiertos a otras posibilidades.
También se recalca en el desarrollo de competencias digitales que amplían la posibilidad
de aprender, trabajar y compartir en el ecosistema digital. Tal vez se tenga que revisar lo
planeado y redefinir para adecuar al uso educativo. De acuerdo a (Casey & Fraser,
2010), en cualquier entorno de aprendizaje en línea, habrá algún compromiso entre lo
deseable desde el punto de vista educativo y lo técnicamente viable, más sin embargo,
los límites de la viabilidad tecnológica se mueven rápidamente, esto dado por los
avances tecnológicos.
Desde la visión integral que se presenta el modelo, implica no sólo disponer de una
plataforma para desplegar video, para que lo vean cuando quieran, en todas partes, y
usando su pantalla de preferencia, sino pensar en otros aspectos pedagógicos, como por
ejemplo, que los estudiantes luego de ver el video realicen otra actividad relacionada,
como participación en un foro/encuesta, auto-test, evaluación, tarea (ej. realizar un mapa
conceptual), reto (hacer un video), etc. Como indica (Holland & Judge, 2013) es
necesario una combinación exitosa de tecnología con prácticas pedagógicas
innovadoras. Este es un desafío de emplear contenido de video relevante junto con
metodologías de enseñanza y aprendizaje para usar con el video (Tiernan, 2015).
Así como se indica en el modelo de u-learning & TVE, es todo un ecosistema, en el cual
intervienen varios elementos, donde se pueden aplicar otras estrategias como la clase
invertida o gamificación y estar “abiertos” a conocer, diseñar y aplicar. Así lo comenta
(Collazos Ordóñez et al., 2016), que u-Learning no solo implica un cambio tecnológico,
sino que además, requiere un cambio metodológico y didáctico para potenciar
aprendizajes. Por ejemplo al usar gamificación como indica (Morillas Barrio et al., 2016)
puede lograr que el momento de aprendizaje sea entretenido y agradable.
El docente pone a disposición del estudiante otras formas para que el estudiante
aprenda. El video complementa el enfoque de diseño de aprendizaje universal (UDL), al
proporcionar otro medio de aprendizaje, motivación, y formas de expresar lo que sabe.
Como indica (G. zen Liu et al., 2016) U-learning posibilita una experiencia de aprendizaje
centrada en el estudiante, al permitir que el estudiante según su preferencia defina el
tiempo, lugar, dispositivo, e interactuar con diversos recursos TIC, aspectos
personalizados y según contexto. Se amplía y fortalece el entorno de aprendizaje
personal. Permite estimular el desarrollo de competencias digitales, para buscar, crear,
compartir información. Y darle empoderamiento al estudiante, por ejemplo, si realiza un
video.
Con el video se puede lograr experiencias inmersivas, y así lograr como plantea (Lui &
Slotta, 2014) diferentes oportunidades para la percepción, reflexión o integración de
entendimientos científicos.
Capítulo 7 237
En subcapítulo 3.4, se indicó sobre la importancia y uso del video; como que el
estudiante este activo con las opciones de interactividad, se puede lograr un cambio de
actitud (un estudiante más motivado) facilitar la comprensión y retención del aprendizaje,
al posibilitar que el estudiante vuelva y vea los aspectos que resalta del video. Se puede
emplear en grabaciones de clase, conferencias, transmisiones en vivo, para clase
invertida, usar para tareas o eventos, etc. (Hung et al., 2014) indica que los niveles de
reflexión son mejorados al usar videos en escenarios de aprendizaje ubicuo. En (Reher
et al., 2019) se plantea que puede mejorar las habilidades de comunicación de los
estudiantes al integrar grabación de video y autoreflexión.
Los medios interactivos aumentan las tasas de retención, aumentan la satisfacción de los
estudiantes y encienden la capacidad estudiantil. El video interactivo puede transformar
la observación pasiva en aprendizaje activo, donde los estudiantes pueden explorar,
analizar y aplicar conceptos a través de contenido de aprendizaje enriquecido.
Autores como (Brame, 2015) indican que el video es una herramienta educativa
altamente efectiva, al integrar la carga cognitiva, la participación de los estudiantes, y el
aprendizaje activo. Tiernan (Tiernan, 2015) plantea que el video es una oportunidad para
fortalecer su uso en la educación para soportar y mejorar el aprendizaje de los
estudiantes. A los estudiantes les gusta que el uso del video sea ubicuo en la educación
y tienen una disposición positiva para las plataformas de video. Con el video se puede
obtener una mejor comprensión de los conceptos al ver el contenido a su propio ritmo y
en su propio tiempo.
El u-learning basado en TVE puede contribuir en cierto grado, según los diferentes estilos
de aprendizaje, o ritmos de aprendizaje, o estilos cognitivos de las personas. El video se
puede parar, pausar y/o volver a ver, para afianzar el entendimiento. Rittschof (Rittschof,
2010) plantea que los aprendices con el tipo de pensamiento de independencia de
campo pueden separar independientemente la información requerida del entorno
complejo y realizar tareas con sus propios marcos de referencia internos observados.
Para aquellos estudiantes con el tipo de pensamiento de dependencia de campo, son
susceptibles a pistas irrelevantes en el entorno y les gusta el aprendizaje guiado. En el
aspecto de la construcción del conocimiento, el tipo de dependencia de los aprendices
tiende a obtener resultados de aprendizaje a partir de la estructura de la información
externa y la motivación, mientras que el tipo de independencia de los aprendices tiende a
obtener resultados de aprendizaje a través del establecimiento de una estructura de
información por sí mismos.
En el caso de estilos verbal – visual, Mayer (Mayer, 2002) amplía aún más la teoría
cognitiva en la perspectiva de la teoría de la codificación dual, al plantear el aprendizaje
multimedia. Esta información multimedia esta compuesta de información verbal y de
imágenes, donde los ojos y oídos de los aprendices reciben estímulos. El aprendizaje
multimedia ocurre cuando un alumno construye una representación mental a partir de
palabras e imágenes que se han presentado. Las palabras pueden ser texto impreso
(como texto impreso en una ventana en la pantalla de una computadora) o texto hablado
(como un discurso presentado a través de parlantes de computadora). Las imágenes
pueden ser gráficos estáticos, como fotos, dibujos, mapas, cuadros, figuras y tablas, o
gráficos dinámicos como videos o animaciones. Cuando los alumnos pueden hacer un
buen uso de la información de procesamiento doble, pueden mejorar la capacidad de
procesamiento de la información y mejorar la efectividad del aprendizaje. El estilo
cognitivo de imágenes-verbales representa la forma representativa preferida por los
estudiantes. Las personas con tendencia visual tienden a procesar la información como
guía de imágenes de manera más eficiente, también son competentes en la
interpretación de gráficos o información espacial; las personas que tienen tendencia
verbal procesarán la información como guía verbal de manera más eficiente, son mejores
en el procesamiento del análisis semántico, como las conexiones de texto, la
clasificación, la inferencia, etc. Este tipo de estudiantes tiende a tener un mejor
Capítulo 7 239
U-Learning & TVE, así como los MOOC esta enriquecido con videos, y de acuerdo con
(J.-J. Chang et al., 2018) la efectividad del aprendizaje mejora entre los estudiantes que
tienen estilos cognitivos de imágenes, verbales independientes y de imágenes
dependientes, mientras que los estudiantes con el tipo estilo cognitivo verbal dependiente
son los menos adecuados para este método de enseñanza. El nivel de atención y la
efectividad del aprendizaje estaban altamente correlacionados entre los alumnos con el
tipo de estilo cognitivo verbal independiente, por lo que estos estudiantes son los más
adecuados para los métodos de enseñanza MOOC.
8. Evaluación
En este capítulo se contrasta las respuestas a la pregunta de investigación presentada y
otros detalles de la contribución en aspectos de divulgación y participación.
Las respuestas a las preguntas que surgieron de la pregunta de investigación son dadas
a continuación:
242 Modelo de U-learning basado en plataformas de TV everywhere
▪ Otras Contribuciones.
Se han hecho las siguientes divulgaciones:
- Publicación en revistas:
Moreno-López, G.A., Ramírez-Monsalve, E.dJ. and Jiménez-Builes, J.A., Ubiquitous
learning model based on platforms of multi-screen TV (uLMTV) DYNA, 84(203), pp.
160-169, December, 2017. ISSN 0012-7353 DOI:
http://dx.doi.org/10.15446/dyna.v84n203.64160
- Proceedings
Future Technologies Conference (FTC) 2017. Nov. 29-30, 2017, Vancouver, Canadá.
Capítulo 8 245
- Participación en proyectos:
Aplicación TV/video en la nube bajo el enfoque de aprendizaje ubicuo. En la
Universidad Nacional de Colombia. Fecha inicio: septiembre 2017.
Proyectos previos:
Por otro lado, los resultados de las pruebas del prototipo ilustran la facilidad para
implementar un sistema de TV definido por software. Es más rápido y su desempeño y
visualización en múltiples pantallas (PC, teléfono inteligente, tableta, TV conectada) son
satisfactorios en comparación con los sistemas de TV tradicionales. Por lo cual, cualquier
usuario o entidad educativa o empresa puede implementar fácilmente un sistema de TV
everywhere.
248 Modelo de U-learning basado en plataformas de TV everywhere
Producto-Proveedor Link
Ooyala http://www.ooyala.com/ott-tv
CINEGY https://home.cinegy.com/
TMIRA https://tmira.com/
STREANN http://es.streann.com/plataforma-de-tv-ott.html
Adobe – primetime https://www.adobe.com/la/marketing-cloud/primetime.html
SEACHANGE https://www.seachange.com/
Harmonic https://www.harmonicinc.com/solutions/ott/
BREADPEAK http://www.broadpeak.tv/
IMAGINE COMMUNICATIONS https://www.imaginecommunications.com/solutions/multiscr
een-delivery/ott
DATACAST https://www.dacast.com/
MUVI https://www.muvi.com/
BRIGHTCOVE https://www.brightcove.com/en/
BEENIUS http://www.beenius.tv
FRACTALMEDIA http://fractalmedia.es/plataforma-ott/
MAGINEPRO https://www.maginepro.com/ott-platforms/
ELEMENTAL Elemental
VIACESS ORCA Viacess Orca
KALTURA https://corp.kaltura.com
WOWZA https://www.wowza.com/es
VIMEO https://vimeo.com/es/
ANVATO https://www.anvato.com/
MEDIASTREAM https://www.mediastre.am/
CONTUS VPLAY https://www.contus.com/video-on-demand-solution.php
VIXY https://www.vixyvideo.com/
VPLAYED https://www.vplayed.com/
256 Modelo de u-learning basado en plataformas de TV everywhere
EDGEWARE https://www.edgeware.tv/
IBM CLOUD VIDEO https://video.ibm.com/
WISTIA https://wistia.com/
ENSEMBLEVIDEO https://www.ensemblevideo.com/
MEDIASITE https://mediasite.com
VIDIZMO https://www.vidizmo.com/
Audio – sonido fondo: Si contempla o no audio como sonido de fondo, para ambientar
tema o explicación.
En una escala Likert de 5 puntos, favor valorar las siguientes preguntas, y experiencia en general.
1. Completamente en desacuerdo
2. En desacuerdo
3. Ni de acuerdo ni en desacuerdo
4. De acuerdo
5. Completamente de acuerdo
Gracias por su tiempo y colaboración.
# Nombre Institución
1 Universidad Pontifica Bolivariana
2 Universidad de Medellín
3 Universidad del cauca
4 UdeA
5 Universidad CES
6 Universidad Católica de Oriente
7 Universidad Católica Luis Amigó
8 Corporación Unificada Nacional de Educación
Superior CUN
9 Universidad Nacional de Colombia
10 Sena
11 Universidad Cooperativa de Colombia
12 Universidad de Cartagena
13 Universidad Nacional Abierta y a Distancia UNAD
14 Politécnico JIC
15 Fundación Universitaria Católica del Norte
16 Universidad Pedagógica y Tecnología de Colombia
17 Universidad de Boyacá
Doctorando en Docente
Comunicaciones
6 Maestría MBA en Dirección
de Proyectos,
especialización
administración de
Tecnologías de Información
y Comunicación Jefe - Virtualidad 14
7 Magister en Educación;
Especialista en la
Enseñanza del inglés;
Licenciado en Filosofía y
Educación Religiosa; Médico
Genetista Docente Investigador 17
8 Especialista en Miembro equipo de
teleinformática, aspirante a Coordinación del
magister en Gestión de la Sistema de Acreditación
Tecnología Educativa en alta Calidad 19
9 Ingeniera industrial, magister
en ciencias de la información
y las comunicaciones Docente investigadora 3
10 Ph.D.en ingeniería sistemas Profesor titular 23
11 Ingeniero electrónico Profesional contratista 4
12 Maestría gestión
tecnológica, especialista en
alta gerencia, especialista en
gestión de la calidad Director de Gestión
universitaria Tecnológica 22
13 Director del Centro
Tecnológico de
formación virtual y a -
Doctorando en Educación distancia 10
14 Maestría en Diseño y
gestión de proyectos
tecnológicos Docente 3
15 Magister en artes en Vicerrectora Académica
educación-Doctorante y de Investigación 12
16 Especialización Educación a
Distancia, Magister Nuevas
Tics Aplicadas a la
Educación, Doctorado en
Diseño y Creación Docente investigador 13
17 Magister educación virtual Docencia- investigación 16
18 Doctor en Ciencias de la
Educación Director de Programa 19
19 Magíster en Ciencias de la
Información y las
Comunicaciones.
Especialista en Telemática, Docente de Tiempo
Ingeniera de Sistemas Completo 4
269
Bontchev, B., Vassileva, D., Aleksieva-Petrova, A., & Petrov, M. (2018). Playing styles
based on experiential learning theory. Computers in Human Behavior, 85, 319–
328. https://doi.org/10.1016/j.chb.2018.04.009
Borgman, C. L., Abelson, H., Dirks, L., Johnson, R., Koedinger, K. R., Linn, M. C., Lynch,
C. A., Oblinger, D. G., Pea, R. D., & Salen, K. (2008). Fostering learning in the
networked world: The cyberlearning opportunity and challenge, a 21st century
agenda for the National Science Foundation. Report of the NSF Task Force on
Cyberlearning, 59. https://www.nsf.gov/pubs/2008/nsf08204/nsf08204.pdf
Boyin, W., & Ruonan, X. (2013). Design of Video-on-Demand System Based on
Streaming Media Technology. 1349–1351. https://doi.org/10.1109/ICCIS.2013.357
Brame, C. J. (2015). Effective educational videos. http://cft.vanderbilt.edu/guides-sub-
pages/effective-educational-videos/
Branch, R. M., & Kopcha, T. J. (2014). Instructional Design Models. In Handbook of
Research on Educational Communications and Technology (4th ed., pp. 77–87).
Springer, J.M. Spector et al. (eds.). 10.1007/978-1-4614-3185-5_7
Broderick, G. G. (1956). Educational Television: Are we Educating by Television. Journal
of the SMPTE, 65(1), 20–22. https://doi.org/10.5594/J04788
Brown, T. A. (2003). Confirmatory factor analysis of the Penn State Worry Questionnaire:
Multiple factors or method effects. Behaviour Research and Therapy, 41, 1411–
1426.
Brown, T. A. (2006). Confirmatory factor analysis for applied research. Guilford Press.
Buchem, I., Merceron, A., Kreutel, J., Haesner, M., & Steinert, A. (2015). Gamification
designs in Wearable Enhanced Learning for healthy ageing. Interactive Mobile
Communication Technologies and Learning (IMCL), 2015 International
Conference On, 9–15.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=7359545
Burbules, N. C. (2010). Meanings of ubiquitous learning. In Ubiquitous Learning, Bill Cope
and Mary Kalantzis, eds. (pp. 15–20). University of Illinois Press.
C., J. (2002). Manual of the learning styles profiler. Cymeon Research.
Caceffo, R., & Vieira da Rocha, H. (2012). Design and Model of a Ubiquitous Classroom
Response System Through Context Factors. Ubiquitous Learning: An International
Journal, 4(3), 61–72. https://doi.org/10.18848/1835-9795/CGP/v04i03/40337
Cárdenas-Robledo, L. A., & Peña-Ayala, A. (2018). Ubiquitous learning: A systematic
review. Telematics and Informatics, 35(5), 1097–1132.
https://doi.org/10.1016/j.tele.2018.01.009
Caro, M. F., Josyula, D. P., Cox, M. T., & Jiménez, J. A. (2014). Design and validation of
a metamodel for metacognition support in artificial intelligent systems. Biologically
Inspired Cognitive Architectures, 9, 82–104.
https://doi.org/10.1016/j.bica.2014.07.002
Casey, D., & Fraser, J. (2010). A Framework for Developing and Implementing u-Learning
Models. In Handbook of Research on Human Performance and Instructional
Technology (pp. 310–323). Information Science Reference - IGI Global.
https://doi.org/10.4018/978-1-60566-782-9.ch019
CAST, Inc. (2018). Universal Design for Learning Guidelines version 2.2.
http://udlguidelines.cast.org/
Castro, S. M., Clarenc, C. A., López de Lenz, C., Moreno, M. E., & Tosco, N. B. (2013).
Analizamos 19 plataformas de e-learning (2013th ed.).
www.congresoelearning.org
Bibliografía 273
Caytiles, R. D., Jeon, S.-H., & Kim, T. (2011). U-Learning Community: An Interactive
Social Learning Model Based on Wireless Sensor Networks. 745–749.
https://doi.org/10.1109/CICN.2011.165
Chang, B., Lim, M., Ham, D., Lee, Y., Kang, S., & Cha, J. (2007). Supporting multi-device
for ubiquitous learning. In Technologies for E-Learning and Digital Entertainment
(pp. 457–467). Springer. http://link.springer.com/chapter/10.1007/978-3-540-
73011-8_45
Chang, J.-J., Lin, W.-S., & Chen, H.-R. (2018). How Attention Level and Cognitive Style
Affect Learning in a MOOC Environment? Based on the Perspective of Brainwave
Analysis. Computers in Human Behavior, 24.
https://doi.org/10.1016/j.chb.2018.08.016
Chen, J., Qin, Z., & Zhang, H. (2001). Exploration in developing modern distant education
base in digital video broadcast cable network. 2001 International Conferences on
Info-Tech and Info-Net. Proceedings (Cat. No.01EX479), 6, 72–77 vol.6.
https://doi.org/10.1109/ICII.2001.983007
Chen, M., Chiang, F. K., Jiang, Y. N., & Yu, S. Q. (2017). A context-adaptive teacher
training model in a ubiquitous learning environment. Interactive Learning
Environments, 25(1), 113–126. https://doi.org/10.1080/10494820.2016.1143845
Chen, M., Yu, S. Q., & Chiang, F. K. (2017). A dynamic ubiquitous learning resource
model with context and its effects on ubiquitous learning. Interactive Learning
Environments, 25(1), 127–141. https://doi.org/10.1080/10494820.2016.1143846
Chin, K.-Y., & Chen, Y.-L. (2013). A Mobile Learning Support System for Ubiquitous
Learning Environments. Procedia - Social and Behavioral Sciences, 73, 14–21.
https://doi.org/10.1016/j.sbspro.2013.02.013
Chiu, P.-S., Kuo, Y.-H., Huang, Y.-M., & Chen, T.-S. (2008). A Meaningful Learning
Based u-Learning Evaluation Model. 77–81.
https://doi.org/10.1109/ICALT.2008.100
Chu, H.-C., & Lin, C.-W. (2013). The Development and Application of a Repertory Grid-
Oriented Ubiquitous Augmented Reality Learning System. 207–210.
https://doi.org/10.1109/IIAI-AAI.2013.52
Chu, H. n, Chen, J. M., Yang, K. H., & Lin, C. W. (2016). Development and application of
a repertory grid-oriented knowledge construction augmented reality learning
system for context-aware ubiquitous learning. International Journal of Mobile
Learning and Organisation, 10(1/2), 40.
https://doi.org/10.1504/IJMLO.2016.076189
Cinegy. (2017). Cinegy—Software Defined Television.
https://home.cinegy.com/index.php/products/software-defined-television
Cisco. (2019, February 27). Cisco Visual Networking Index: Forecast and Trends, 2017–
2022. Cisco White Paper.
https://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-
networking-index-vni/white-paper-c11-741490.html
CLN. (2011, November 6). Consumer lifestyle news [Http://www.cln-online.org].
Cobcroft, R. (2006, January). Literature review into mobile learning In the university
context.
Collazos Ordóñez, C. A., Jurado Muñoz, J. L., & Paredes, L. M. (2016). Entornos ubicuos
y colaborativos (u-CSCL) para ambientes de enseñanza-aprendizaje de
competencias profesionales. Bonaventuriana.
274 Modelo de u-learning basado en plataformas de TV everywhere
de Sousa Monteiro, B., Gomes, A. S., & Mendes Neto, F. M. (2014). Youubi: Open
software for ubiquitous learning. Computers in Human Behavior.
https://doi.org/10.1016/j.chb.2014.09.064
de Sousa Monteiro, B., Gomes, A. S., & Mendes Neto, F. M. (2016). Youubi: Open
software for ubiquitous learning. Computers in Human Behavior, 55, 1145–1164.
https://doi.org/10.1016/j.chb.2014.09.064
Delgado Kloos, C., Munoz-Merino, P. J., Munoz-Organero, M., Alario-Hoyos, C., Perez-
Sanagustin, M., Parada, G., Hugo, A., Ruiperez, J. A., & Sanz, J. L. (2014).
Experiences of running MOOCs and SPOCs at UC3M. Global Engineering
Education Conference (EDUCON), 2014 IEEE, 884–891.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6826201
Diaz, J., & Rusu, C. (2014). Ubiquitous Computer-Supported Collaborative Learning: A
Literature Review. 593–598. https://doi.org/10.1109/ITNG.2014.48
Dimitrov, D. M., & Rumrill, P. D. (2003). Pretest-posttest designs and measurement of
change. Speaking of Research, IOS Press., 7.
Dos Santos, D. T., Do Vale, D. T., & Meloni, L. G. P. (2006). Digital tv and distance
learning: Potentials and limitations. Frontiers in Education Conference, 36th
Annual, 1–6. http://ieeexplore.ieee.org/abstract/document/4117110/
dos Santos, R. A., Pozzebon, E., Frigo, L. B., & Marcelino, R. (2015). Remote
experimentation model based on digital TV. Experiment@ International
Conference (Exp. at’15), 2015 3rd, 321–324.
http://ieeexplore.ieee.org/abstract/document/7463288/
Doyle, G. (2016). Resistance of channels: Television distribution in the multiplatform era.
Telematics and Informatics, 33(2), 693–702.
https://doi.org/10.1016/j.tele.2015.06.015
Duan, Y., Fu, G., Zhou, N., Sun, X., Narendra, N. C., & Hu, B. (2015). Everything as a
Service (XaaS) on the Cloud: Origins, Current and Future Trends. 621–628.
https://doi.org/10.1109/CLOUD.2015.88
Duran, D. F., Cerón, M. R. A., & Arciniegas, H. J. L. (2011). Architecture for the support of
the video on demand service for virtual academic communities on IPTV.
Computing Congress (CCC), 2011 6th Colombian, 1–7.
http://ieeexplore.ieee.org/abstract/document/5936300/
Eberle, B. (2008). Scamper: Creative Games and Activities for Imagination Development.
Prufrock Pr.
Edwin, M., Juan Carlos, M., Juan, T., Cesar, R. J., Johan, V. M., & Oscar, I. T. (2012).
Multiplatform learning system based on interactive digital television technologies,
IDTV. 1–10. https://doi.org/10.1109/CLEI.2012.6427218
El Guabassi, I., Bousalem, Z., Al Achhab, M., Jellouli, I., & EL Mohajir, B. E. (2018).
Personalized adaptive content system for context-aware ubiquitous learning.
Procedia Computer Science, 127, 444–453.
https://doi.org/10.1016/j.procs.2018.01.142
Elemental. (2017). Software-Defined Video Processing Solutions | Elemental.
http://www.elemental.com/
Elemental Technologies. (2012). CDNs DEMYSTIFIED. A Streaming Technology Primer.
http://www.elemental.com/
Elemental Technologies. (2018). Software-Defined Video Processing Enabling
Multiscreen Delivery. AWS Elemental. https://www.elemental.com/products#On-
Premises
276 Modelo de u-learning basado en plataformas de TV everywhere
McCrindle, M. (2014). The ABC of XYZ; Understanding the Global Generations (Third).
McCrindle Research Pty Ltd. https://mccrindle.com.au/
McCrindle, M. (2019). Home—McCrindle. https://mccrindle.com.au/
McKenna, P., McKenna, P., & Laycock, B. (2004). Constructivist or Instructivist:
Pedagogical Concepts Practically Applied to a Computer Learning Environment.
ITiCSE ’04 Proceedings of the 9th Annual SIGCSE Conference on Innovation and
Technology in Computer Science Education, 36(3), 5.
https://doi.org/10.1145/1026487.1008041
Medvedeva, T. A. (2015). University Education: The Challenges of 21st Century. Procedia
- Social and Behavioral Sciences, 166, 422–426.
https://doi.org/10.1016/j.sbspro.2014.12.547
Mehmood, R., Alam, F., Albogami, N. N., Katib, I., Albeshri, A., & Altowaijri, S. M. (2017).
UTiLearn: A Personalised Ubiquitous Teaching and Learning System for Smart
Societies. IEEE Access, 5, 2615–2635.
https://doi.org/10.1109/ACCESS.2017.2668840
Mell, P., & Grance, T. (2011). The NIST Definition of Cloud Computing.
http://nvlpubs.nist.gov/nistpubs/Legacy/SP/nistspecialpublication800-145.pdf
Mertens, D. M. (2015). Research and evaluation in education and psychology: Integrating
diversity with quantitative, qualitative, and mixed methods (4th ed). SAGE
Publications.
Meyer, A., Rose, D. H., & Gordon, D. (2014). Universal design for learning: Theory and
practice. CAST Inc. http://udltheorypractice.cast.org/login
Miller, A. (1987). Cognitive Styles: An integrated model. Educational Psychology: An
International Journal of Experimental Educational Psychology, 7(4), 251–268.
http://dx.doi.org/10.1080/0144341870070401
MINEDUCACIÓN. (en línea). Proyectos Cierre de Brechas—Ministerio de Educación
Nacional de Colombia. https://www.mineducacion.gov.co/1759/w3-propertyvalue-
55278.html
MINEDUCACION. (2017, April 18). Conversatorio de Educación Superior Aprendizajes y
Retos de la Educación Virtual 2017 [Conversatorio].
http://aprende.colombiaaprende.edu.co/es/node/94148
Ministerio de Educación Nacional. (2012). Recursos Educativos Digitales Abiertos
(Primera). http://186.113.12.159/Documentacion/LibroREDA.pdf
Ministerio de Educación Nacional. (2017). PLAN NACIONAL DECENAL DE EDUCACIÓN
2016-2026: El camino hacia la calidad y la equidad.
http://www.plandecenal.edu.co/cms/index.php/novedades/56-documento-final-
plan-decenal-de-educacion-2016-2026
Ministerio de Educación Nacional - Colombia. (2013). Especificación perfil de metadato
CEM 2.0. http://186.113.12.159/Documentacion/Especificacion_CEM.pdf
MINTIC. (2017). Primera gran encuesta TIC / 2017 Estudio de acceso, uso y retos de las
TIC en Colombia. https://colombiatic.mintic.gov.co/679/w3-channel.html
MinTIC, R. de C. (2019, May 6). Boletín trimestral del sector TIC - Cifras cuarto trimestre
de 2018. Informes Del Sector. https://colombiatic.mintic.gov.co/679/w3-article-
100444.html
Moreno López, G. A., & Jimenez Builes, J. A. (2012). CYCLE OF PDCA T-LEARING
MODEL AND ITS APPLICATION ON INTERACTIVE DIGITAL TV. Dyna, 79(173),
61–70. http://www.researchgate.net/publication/225270948_Cycle_of_PDCA_t-
learning_Model_and_its_Application_on_Interactive_Digital_TV/file/d912f4fcfa6b1
591fd.pdf
284 Modelo de u-learning basado en plataformas de TV everywhere
Moreno Lopez, G. A., Jimenez Builes, J. A., & Bernal Villamil, S. C. (2016). Overview of
u-learning. Concepts, characteristics, uses, application scenarios and topics for
research. IEEE Latin America Transactions, 14(12), 4792–4798.
https://doi.org/10.1109/TLA.2016.7817013
Moreno López, G. A., Jiménez Builes, J. A., & Puche Plaza, W. S. (2017). Hacia una
experiencia de aprendizaje ubicuo extendida basada en plataformas de TV
everywhere y gamification. Proceedings of the 15th LACCEI International Multi-
Conference for Engineering, Education, and Technology: “Global Partnership for
Development and Engineering Education,” 6.
https://doi.org/10.18687/LACCEI2017.1.1.490
Moreno López, G. A., Jiménez Builes, J. A., & Ramírez Monsalve, E. J. (2017).
Ubiquitous learning model based on platforms of multi-screen TV (uLMTV). DYNA,
84(203), 160–169. https://doi.org/10.15446/dyna.v84n203.64160
Moreno López, G. A. M., & Jimenez Builes, J. A. J. (2017). A Framework to Implement a
U-Learning Service based on Software-Defined Television. PROCEEDINGS OF
THE 2017 FUTURE TECHNOLOGIES CONFERENCE (SAI), 8.
http://saiconference.com/Conferences/FTC2017Proceedings
Moreno López, G. A. M., Reyes Gamboa, A. X., & Acosta Díaz, S. I. (2014).
Fundamentos para el desarrollo de contenidos educativos para TVDi versión 1.1
(1a.). Fondo Editorial Politécnico Colombiano Jaime Isaza Cadavid.
Morillas Barrio, C., Munoz-Organero, M., & Sanchez Soriano, J. (2016). Can Gamification
Improve the Benefits of Student Response Systems in Learning? An Experimental
Study. IEEE Transactions on Emerging Topics in Computing, 4(3), 429–438.
https://doi.org/10.1109/TETC.2015.2497459
Mott, J. (2010, March 3). Envisioning the Post-LMS Era: The Open Learning Network.
Educase Review. https://er.educause.edu/articles/2010/3/envisioning-the-postlms-
era-the-open-learning-network
Mulet, E., Royo, M., Chulvi, V., & Galán, J. (2017). Relationship between the degree of
creativity and the quality of design outcomes. DYNA, 84(200), 38–45.
https://doi.org/10.15446/dyna.v84n200.53582
Muller, K., Schwarz, H., Marpe, D., Bartnik, C., Bosse, S., Brust, H., Hinz, T., Lakshman,
H., Merkle, P., Rhee, F. H., Tech, G., Winken, M., & Wiegand, T. (2013). 3D High-
Efficiency Video Coding for Multi-View Video and Depth Data. IEEE Transactions
on Image Processing, 22(9), 3366–3378.
https://doi.org/10.1109/TIP.2013.2264820
Murakami, T. (2001). Ubiquitous Networks: The New IT Paradigm. NRI Papers, 30, 1–10.
http://133.250.195.94/global/opinion/papers/2001/pdf/np200130.pdf
Murray, S. (2018, September). Digital TV Research. OTT Revenues.
https://www.digitaltvresearch.com/
Naciones Unidas. (2015, September 25). Educación. Objetivos de Desarrollo Sostenible.
https://www.un.org/sustainabledevelopment/es/education/
Naqvi, A., & Branch, G. (2015). H-learning in the distance learning paradigm. Internet
Technologies and Applications (ITA), 2015, 342–344.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=7317422
Net-learning, & Santamaría, F. (2016, June 29). “Millennials y GenZ: Un desafío para el
mundo educativo y laboral” [Webinar]. https://www.net-
learning.com.ar/blog/novedades-en-e-learning/millennials-y-genz-un-desafio-para-
el-mundo-educativo-y-laboral-video.html
Bibliografía 285
Noam, E. (2014). Cloud TV: Toward the next generation of network policy debates.
Telecommunications Policy, 38(8–9), 684–692.
https://doi.org/10.1016/j.telpol.2013.10.004
Noam, E. M. (2008). TV or Not TV: Three Screens, One Regulation? Canadian Radio-
Television and Telecommunication Commision.
http://www.crtc.gc.ca/eng/media/noam2008.htm
Nobles, C. E., Mullins, F. G., Avagner, J. L., & Lee, R. (1961). Application of Airborne
Television to Public Education. IRE Transactions on Education, 4(1), 26–33.
http://ieeexplore.ieee.org/abstract/document/4322172/
Ogata, H., & Yano, Y. (2004). Context-aware support for computer-supported ubiquitous
learning. 27–34. https://doi.org/10.1109/WMTE.2004.1281330
Oyedele, A., & Simpson, P. M. (2018). Streaming apps: What consumers value. Journal
of Retailing and Consumer Services, 41, 296–304.
https://doi.org/10.1016/j.jretconser.2017.04.006
Ozkan, M., & Solmaz, B. (2015). Mobile Addiction of Generation Z and its Effects on their
Social Lifes. Procedia - Social and Behavioral Sciences, 205, 92–98.
https://doi.org/10.1016/j.sbspro.2015.09.027
Päivi Aarreniemi, J. (2005). T-learning Model for Learning via Digital TV. 1–6.
Peterson, C. (2003). Bringing ADDIE to Life: Instructional Design at Its Best. Journal of
Educational Multimedia and Hypermedia, 12(3), 227–241.
Peterson, E. R., Rayner, S. G., & Armstrong, S. J. (2009). Researching the psychology of
cognitive style and learning style: Is there really a future? Learning and Individual
Differences, 19(4), 518–523. https://doi.org/10.1016/j.lindif.2009.06.003
Pinal, F. P., Nava, S., Perez, J. N., Vargas, I. A., Cardenas, E. V., & Gutierrez, A. B.
(2016). Experimental B-learning laboratory for an electrical machines
undergraduate course. IEEE Latin America Transactions, 14(2), 524–529.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=7437188
Pinto, D. O., Queiroz-Neto, J. P., & de Lucena, V. F. (2008). An engineering educational
application developed for the brazilian digital tv system. Frontiers in Education
Conference, 2008. FIE 2008. 38th Annual, S2F–14.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=4720493
Pires, A. T., & Miranda, G. L. (2016). Digital educational resources production in a Digital
Tv studio: Training course for teachers. Information Systems and Technologies
(CISTI), 2016 11th Iberian Conference On, 1–7.
http://ieeexplore.ieee.org/abstract/document/7521540/
Proantioquia. (2019). Desafíos y oportunidades para la competitividad en Antioquia
(2019-2024). https://www.proantioquia.org.co/publicaciones/
Proantioquia, Eafit, Comfama, Comfenalco, El Colombiano, & Cámara de comercio de
Medellín. (2019). Informe de calidad de vida de Medellín, 2018.
https://www.medellincomovamos.org/
Rabello, S., Oliveira, J., Wagner, A., Barbosa, J., & Barbosa, D. (2012). CoolEdu-A
Collaborative Multiagent Model for Decentralized Ubiquitous Education
Environments. IEEE Latin America Transactions, 10(6), 2273–2279.
https://doi.org/10.1109/TLA.2012.6418132
Rajashekhar, S. L., Ayyangar, G. V., & Sharma, R. (2010). Satellite-based distance
education in digital paradigm: ISRO perspective. 6th International Conference on
Digital Content, Multimedia Technology and Its Applications, 366–371.
Ramirez-Gonz’lez, G., Cordoba-Paladinez, C., Sotelo-Torres, O., Palacios, C., Munoz-
Organero, M., & Delgado-Kloos, C. (2012). Pervasive Learning Activities for the
286 Modelo de u-learning basado en plataformas de TV everywhere
LMS .LRN through Android Mobile Devices with NFC Support. 672–673.
https://doi.org/10.1109/ICALT.2012.213
Ramírez-Montoya, M. S., & García-Peñalvo, F. J. (2017). Presentación. La integración
efectiva del dispositivo móvil en la educación y en el aprendizaje. RIED. Revista
Iberoamericana de Educación a Distancia, 20(2), 29.
https://doi.org/10.5944/ried.20.2.18884
Ramón, Ó. (2007). DEL ELEARNING AL ULEARNING: LA LIBERACIÓN DEL
APRENDIZAJE. Socialmente2011.
https://socialmente2011.wikispaces.com/file/view/DEL_E-LEARNING_AL_U-
LEARNING.pdf
RAND, C. (n.d.). Delphi Method. Retrieved August 8, 2019, from
https://www.rand.org/topics/delphi-method.html
Ravisekaran, K., & Ramakrishnan, S. (2015). Towards development of U-conferencing
facility in learning management system. 1–6.
https://doi.org/10.1109/ICCIC.2015.7435743
Rayburn, D. (2007). Streaming and digital media: Understanding the business and
technology. Elsevier.
Regueras, L. M., Verdu, E., Munoz, M. F., Perez, M. A., de Castro, J. P., & Verdu, M. J.
(2009). Effects of Competitive E-Learning Tools on Higher Education Students: A
Case Study. IEEE Transactions on Education, 52(2), 279–285.
https://doi.org/10.1109/TE.2008.928198
Reher, V., Rehbein, G., & Reher, P. (2019). Integrating Video Recording and Self-
reflection to Enhance Communication Skills Training for Dental Students. In V.
Van Toi, T. Q. Le, H. T. Ngo, & T.-H. Nguyen (Eds.), 7th International Conference
on the Development of Biomedical Engineering in Vietnam (BME7) (Vol. 69, pp.
715–719). Springer. https://doi.org/10.1007/978-981-13-5859-3_120
Reigeluth, C. M. (1983). Instructional design: What is it and why is it. In Instructional
Design Theories and Models (pp. 3–36). C.M. Reigeluth (Ed.).
Reigeluth, C. M. (2016). Instructional Theory and Technology for the New Paradigm of
Education. Revista de Educación a Distancia (RED), 50.
https://doi.org/10.6018/red/50/1b
Restrepo, C. Z., Pulido, J. L., Venegas, M. A., Núñez, R. A., Vieira Mejía, C., & Agudelo
Velásquez, O. (2012). TAG: Three dimensions as basic references for the
construction of ubiquity learning environments in a university context: Proceedings
of the 4th International Conference on Computer Supported Education, 2, 427–
431. https://doi.org/10.5220/0003923904270431
Riding, R., & Douglas, G. (1993). The effect of cognitive style and mode of presentation
on learning performance. British Journal of Educational Psychology, 63(2), 297–
307. https://doi.org/10.1111/j.2044-8279.1993.tb01059.x
Rittschof, K. A. (2010). Field dependenceindependence as visuospatial and executive
functioning in working memory: Implications for instructional systems design and
research. Educational Technology Research and Development, 58(1), 99–114.
Roblek, V., Mesko, M., Dimovski, V., & Peterlin, J. (2019). Smart technologies as social
innovation and complex social issues of the Z generation. Kybernetes, 48(1), 91–
107. https://doi.org/10.1108/K-09-2017-0356
Roschelle, J., Martin, W., Ahn, J., & Schank, P. (2017). Cyberlearning Community Report:
The State of Cyberlearning and the Future of Learning With Technology. Menlo
Park CA: SRI International. https://circlcenter.org/resources/community-report/
Bibliografía 287
Rose, D. H., Robinson, K. H., Hall, T. E., Coyne, P., Jackson, R. M., Stahl, W. M., &
Wilcauskas, S. L. (2018). Accurate and Informative for All: Universal Design for
Learning (UDL) and the Future of Assessment. In Elliott S., Kettler R., Beddow P.,
Kurz A. (eds) Handbook of Accessible Instruction and Testing Practices. Issues,
Innovations, and Applications. (Second Edition, pp. 167–180). Springer.
https://doi.org/10.1007/978-3-319-71126-3
Sangani, K. (2013). BYOD to the classroom [bring your own device]. Engineering &
Technology, 8(3), 42–45. http://digital-
library.theiet.org/content/journals/10.1049/et.2013.0304
Sans Martín, A. (2009). Métodos de investigación de enfoque experimental. In
Metodología de la investigación educativa. (Coord.) por Rafael Bisquerra Alzina
(2nd ed., pp. 167–192). La Muralla.
Santos, M. E. C., Chen, A., Taketomi, T., Yamamoto, G., Miyazaki, J., & Kato, H. (2014).
Augmented Reality Learning Experiences: Survey of Prototype Design and
Evaluation. IEEE Transactions on Learning Technologies, 7(1), 38–56.
https://doi.org/10.1109/TLT.2013.37
Sanz, E., & Crosbie, T. (2016). The meaning of digital platforms: Open and closed
television infrastructure. Poetics, 55, 76–89.
https://doi.org/10.1016/j.poetic.2015.11.002
Sathaye, S. (2015, April 22). Cloud Tech and the Software Defined TV Paradigm.
http://www.btreport.net/articles/2015/04/cloud-tech-and-the-software-defined-tv-
paradigm.html
Sharples, M., Taylor, J., & Vavoula, G. (2005). Towards a Theory of Mobile Learning.
Shih, S.-C., Kuo, B.-C., & Liu, Y.-L. (2012). Adaptively Ubiquitous Learning in Campus
Math Path. Educational Technology & Society, 15(2), 11.
Shin, J. C. (2014). The University as an Institution of Higher Learning: Evolution or
Devolution? In The Future of the Post-Massified University at the Crossroads:
Restructuring Systems and Functions (1st ed.). Springer International Publishing.
Siemens, G. (2005, January). Connectivism: A learning theory for the digital age.
International Journal of Instructional Technology and Distance Learning, 2(1), 3–
10. http://www.itdl.org/Journal/Jan_05/article01.htm
Simsek, N. (2005). Perceptions and opinions of educational technologists related to
educational technology. Educational Technology & Society, 8(4), 178–190.
http://www.ebiblioteka.lt/resursai/Uzsienio%20leidiniai/IEEE/English/2006/Volume
%208/Issue%204/Jets_v8i4_16.pdf
Singh, S., Jeong, Y.-S., & Park, J. H. (2016). A Survey on Cloud Computing Security:
Issues, Threats, and Solutions. Journal of Network and Computer Applications,
75, 200–222. https://doi.org/10.1016/j.jnca.2016.09.002
Snedecor, G. W., & Cochran, W. G. (1989). Statistical Methods (8th ed.). Iowa State
University Press.
Soskic, N., Kuzmanovic, N., Vidakovic, M., & Miljkovic, G. (2014). Second screen user
experience: A new digital television frontier. Information and Communication
Technology, Electronics and Microelectronics (MIPRO), 2014 37th International
Convention On, 1057–1060.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6859725
Spínola, R. O., & Travassos, G. H. (2012). Towards a framework to characterize
ubiquitous software projects. Information and Software Technology, 54(7), 759–
785. https://doi.org/10.1016/j.infsof.2012.01.009
288 Modelo de u-learning basado en plataformas de TV everywhere
Stankowski, J., Grajek, T., Wegner, K., & Domanski, M. (2013). Video quality in multiple
HEVC encoding-decoding cycles. Systems, Signals and Image Processing
(IWSSIP), 2013 20th International Conference On, 75–78.
https://doi.org/10.1109/IWSSIP.2013.6623453
Stefan, L., Gheorghiu, D., Moldoveanu, F., & Moldoveanu, A. (2013). Ubiquitous Learning
Solutions for Remote Communities—A Case Study for K-12 Classes in a
Romanian Village. Control Systems and Computer Science (CSCS), 2013 19th
International Conference On, 569–574. https://doi.org/10.1109/CSCS.2013.22
Strecker, S., Kundisch, D., Lehner, F., Leimeister, J. M., & Schubert, P. (2018). Higher
Education and the Opportunities and Challenges of Educational Technology.
Business & Information Systems Engineering, 60(2), 181–189.
https://doi.org/10.1007/s12599-018-0522-8
Sung, J.-S. (2009). U-learning model design based on ubiquitous environment.
International Journal of Advanced Science and Technology, 13, 77–88.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.178.3054&rep=rep1&typ
e=pdf
Tan, T. K., Weerakkody, R., Mrak, M., Ramzan, N., Baroncini, V., Ohm, J.-R., & Sullivan,
G. J. (2016). Video Quality Evaluation Methodology and Verification Testing of
HEVC Compression Performance. IEEE Transactions on Circuits and Systems for
Video Technology, 26(1), 76–90. https://doi.org/10.1109/TCSVT.2015.2477916
TDG. (2011). The Difusion Group. http://tdgresearch.com/content/ottmonitor.aspx
TDT. (2014). Televisión Digital para Todos. Colombia. http://www.tdtparatodos.tv/
Tedre, M., Apiola, M., & Cronjé, J. C. (2011). Towards a systemic view of educational
technology in developing regions. AFRICON, 2011, 1–8.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6072012
Tennyson, R. D., & Volk, A. (2015). Learning Theories and Educational Paradigms. In
International Encyclopedia of the Social & Behavioral Sciences (2nd ed., Vol. 13,
pp. 699–711). Elsevier. https://doi.org/10.1016/B978-0-08-097086-8.92036-1
The World Bank. (2014). Education for All (EFA). http://go.worldbank.org/I41DLBA8C0
Thiprak, S., & Kurutach, W. (2015). Ubiquitous computing technologies and Context
Aware Recommender Systems for Ubiquitous Learning. 1–6.
https://doi.org/10.1109/ECTICon.2015.7206939
Tiempo, C. E. E. (2018, April 29). Educación virtual, un camino que apenas inicia en el
país. Portafolio.co. https://www.portafolio.co/economia/educacion-virtual-un-
camino-que-apenas-inicia-en-el-pais-516662
Tiernan, P. (2015). An inquiry into the current and future uses of digital video in University
teaching. Education and Information Technologies, 20(1), 75–90.
https://doi.org/10.1007/s10639-013-9266-8
Tortorella, R. A. W., Kinshuk, D., & Chen, N.-S. (2018). Framework for designing context-
aware learning systems. Education and Information Technologies, 23(1), 143–
164. https://doi.org/10.1007/s10639-017-9591-4
TVtechnology. (2015, May 15). Software-Defined Video: A Conversation with Elemental’s
Keith Wymbs. http://www.tvtechnology.com/news/0086/software-defined-video-a-
conversation-with-elementals-keith-wymbs/275942
Umam, K., Mardi, S. N. S., & Hariadi, M. (2017). Ubiquitous learning model using
interactive internet messenger group (IIMG) to improve engagement and behavior
for smart campus. Journal of Physics: Conference Series, 801, 012083.
https://doi.org/10.1088/1742-6596/801/1/012083
Bibliografía 289