Modelo de U-Learning Basado en Plataformas de TV Everywhere: Gustavo Alberto Moreno López

Modelo de U-learning basado en
plataformas de TV everywhere
Gustavo Alberto Moreno López
Universidad Nacional de Colombia

Facultad de Minas, Departamento de Ciencias de la Computación y de la Decisión
Medellín, Colombia
2020
II Modelo de u-learning basado en plataformas de TV everywhere
Modelo de U-learning basado en

plataformas de TV everywhere
Gustavo Alberto Moreno López
Tesis como requisito parcial para optar al título de:

Doctorado en Ingeniería - Sistemas
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
Universidad Nacional de Colombia

Facultad de Minas, Departamento de Ciencias de la Computación y de la Decisión
Medellín, Colombia
2020
A Dios y la vida por permitirme vivir y luchar
por alcanzar las metas. A mis padres y
familiares por todo su amor, comprensión y
apoyo. A mis amigos y a todas las personas
que de alguna manera han contribuido en mi
proceso de formación. Con esfuerzo y
dedicación se puede lograr grandes logros, y
el reto es continuar aprendiendo y aportar a la
sociedad.
Agradecimientos
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.
Palabras clave: aprendizaje ubicuo, multipantalla, modelo, TV “en todas partes”,

tecnologías educativas, computación en la nube.
VIII Modelo de u-learning basado en plataformas de TV everywhere
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.
Therefore, a U-learning model is proposed, which allows the content to be displayed on

any screen connected to the Internet, based on TV Everywhere (TVE) platforms. The
model defines five stages with their components; It is accompanied by a description as an
implementation guide, technology trends and implementation options.
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.
Keywords: u-learning, multiscreen, model, TV everywhere, educational technologies,

cloud computing
Contenido IX
Contenido
Pág.
Lista de figuras .............................................................................................................. XII
Lista de tablas .............................................................................................................. XV
Lista de abreviaturas.................................................................................................. XVII
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
1. Contexto de u-learning .......................................................................................... 19

1.1 Tecnología educativa ....................................................................................... 19
1.1.1 Modelos educativos basados en TIC ............................................................... 22
1.2 Computación ubicua......................................................................................... 29
1.2.1 Características dentro de un ambiente de computación ubicua ..................... 31
1.2.2 Servicios ubicuos ........................................................................................... 32
1.3 Enfoque de U-learning ..................................................................................... 33
1.3.1 Conceptos de U-learning ............................................................................... 34
1.3.2 Particularidades y dimensiones de U-learning ............................................... 37
1.3.3 Usos del aprendizaje ubico ............................................................................ 43
1.3.4 Escenarios y rol de u-learning........................................................................ 43
1.4 Teorías de aprendizaje aplicadas a u-learning ................................................. 45
1.5 Estilos de aprendizaje y cognitivos ................................................................... 51
1.6 Ejemplos de propuestas de u-learning ............................................................. 55
1.7 Dificultades identificadas en la literatura sobre u-learning ................................ 63
1.8 Análisis de trabajos relacionados con modelos de u-learning ........................... 67
1.8.1 Metodología de revisión literatura .................................................................. 67
1.8.2 Resultado del análisis de la literatura............................................................. 68
1.8.3 Descripción breve de los trabajos seleccionados ........................................... 70
1.8.4 Análisis de las debilidades de los modelos seleccionados ............................. 81
X Modelo de u-learning basado en plataformas de TV everywhere
1.9 Tendencias que favorecen la implementación de u-learning ............................. 87

1.9.1 Dispositivos ubicuos .......................................................................................87
1.9.2 Tecnologías que pueden soportar la implementación de u-learning ...............91
1.9.3 Tráfico e internet banda ancha .......................................................................92
1.9.4 Web ubicua ..................................................................................................100
1.9.5 Generación de nuevos estudiantes ..............................................................102
1.10 Conclusiones del capítulo ............................................................................... 105
2. Contexto de TV multipantalla ...............................................................................107

2.1 En la evolución de la TV ................................................................................. 107
2.1.1 Comparación de sistemas de TV ..................................................................116
2.1.2 Ejemplos de aplicación de la TV en contextos educativos ............................117
2.2 Conceptos y términos relacionados con TV everywhere ................................. 121
2.2.1 Software-defined TV .....................................................................................122
2.2.2 TV as a service.............................................................................................125
2.2.3 TV por streaming ..........................................................................................126
2.2.4 Tipos de servicio de video ............................................................................127
2.3 Tendencias de tecnologías que favorecen TV multipantalla ............................ 128
2.3.1 Computación en la nube (cloud computing). .................................................128
2.3.2 Tecnologías de transcoding..........................................................................130
2.3.3 Redes de distribución de contenidos (Content Delivery Network) .................131
2.3.4 Redes ubicuas inteligentes ...........................................................................133
2.3.5 Tecnologías de encoding / compresión ........................................................136
2.3.6 Protocolos y conexiones...............................................................................137
2.3.7 Incremento uso del video .............................................................................142
3. Elementos de U-learning empleando TVE...........................................................145

3.1 Características de u-learning .......................................................................... 145
3.2 Estándares posibles para U-learning .............................................................. 147
3.2.1 Relacionados con el aprendizaje ..................................................................147
3.2.2 Generales según aplicación .........................................................................148
3.2.3 Otras tecnologías y estándares que posibilitan el despliegue de contenidos
multipantalla............................................................................................................150
3.3 Plataforma de video everywhere ..................................................................... 152
3.4 Importancia y usos del video ........................................................................... 153
3.5 Framework general de la arquitectura para el servicio de u-learning basado en
TVE 155
3.6 Alternativas para implementar TVE ................................................................. 156
3.7 Criterios para seleccionar una solución de TV multipantalla ........................... 160
3.8 Framework general de u-learning con TVE ..................................................... 161
3.9 Escenarios posibles para implementar u-learning basado en TVE en una
Universidad ............................................................................................................... 163
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
4.4.1 Primer Nivel, estado y preparación inicial .................................................... 178

4.4.2 Segundo nivel, Planeación y requerimientos ............................................... 178
4.4.3 Tercer nivel, diseño y desarrollo .................................................................. 185
4.4.4 Cuarto nivel, implementación del servicio de u-learning............................... 186
4.4.5 Quinto nivel, Confrontar servicio y resultado de aprendizaje. ....................... 187
4.5 Lista de chequeo .............................................................................................188
4.6 Conclusiones del capítulo................................................................................188
5. Desarrollo prototipo de U-learning para múltiples pantallas ............................ 191

5.1 Metodología diseño prototipo de U-learning ....................................................191
5.2 Resumen aplicación modelo uLTVE ................................................................191
5.3 Identidad del prototipo de u-learning y TVE .....................................................194
5.3.1 Nombre del prototipo ................................................................................... 194
5.3.2 Diseño imagen logo prototipo ...................................................................... 194
5.4 Descripción del sistema TV multipantalla empleado ........................................195
6. Validación modelo de U-learning ........................................................................ 199

6.1 Diseño general validación modelo y aplicación prototipo u-learning ................199
6.2 Valoración del modelo con “expertos” .............................................................200
6.3 Aplicación modelo y prototipo u-learning & TVE ..............................................207
6.3.1 Valoración con estudiantes .......................................................................... 208
6.3.2 Valoración con docentes.............................................................................. 219
6.4 Ejemplos pruebas aplicación prototipo u-learning & TVE ................................223
7. Discusión e implicaciones para enseñanza y aprendizaje ................................ 229

7.1 Implicaciones para enseñanza y aprendizaje ..................................................236
8. Evaluación ............................................................................................................ 240
9. Conclusiones y trabajo futuro ............................................................................. 246

9.1 Conclusiones...................................................................................................246
9.2 Recomendaciones para trabajo futuro .............................................................249
A. Anexo: Guía de chequeo Modelo U-learning (uLTVE) ....................................... 253
B. Anexo: Lista posibles proveedores TV online ................................................... 255
C. Anexo: Pautas para realizar video ...................................................................... 257
D. Anexo: Ejemplo esquema guion para realizar video ......................................... 259
E. Anexo: Instrumento encuesta “expertos” validación modelo .......................... 261
F. Anexo: Instrumento encuesta a estudiantes ...................................................... 263
G. Anexo: Instrumento encuesta a docentes .......................................................... 265
H. Anexo: Información general perfiles de “expertos” .......................................... 267
Bibliografía .................................................................................................................. 270

Contenido XII
Lista de figuras
Pág.
Figura 1-1: Tendencias de Aprendizaje Vs Tecnología. ................................................. 23

Figura 1-2: Redes Ubicuas............................................................................................. 31
Figura 1-3: Ejemplo entorno u-learning sensible al contexto. ......................................... 32
Figura 1-4: Ejemplo dominios de aplicación de servicios ubicuo. ................................... 33
Figura 1-5: Ejemplos usos de u-learning. ....................................................................... 43
Figura 1-6: Ejemplo escenarios de u-learning. ............................................................... 44
Figura 1-7: Ciclo de aprendizaje experiencial. ................................................................ 53
Figura 1-8: Ejemplo Cursos tutoriales en línea de la trayectoria adaptativa de U-learning
de matemáticas............................................................................................................... 56
Figura 1-9: Ejemplo de contenido detallado del objetivo de aprendizaje. ....................... 59
Figura 1-10: Escenario aplicación UL con AR. ............................................................... 60
Figura 1-11: Ejemplo Modelo Entorno de Aprendizaje Personal ubicuo, uPLEMO. ........ 60
Figura 1-12: Ejemplo u-learning con realidad aumentada. ............................................. 61
Figura 1-13: Dispositivos más empleadas en u-learning. ............................................... 62
Figura 1-14: Tecnologías más empleadas en u-learning. ............................................... 63
Figura 1-15: Resumen proceso selección literatura........................................................ 69
Figura 1-16: Resumen general artículos......................................................................... 70
Figura 1-17: Arquitectura de sistema del ecosistema de desarrollo de aprendices basado
en la espiral de conocimiento. ......................................................................................... 71
Figura 1-18: Ejemplo Arquitectura del sistema. .............................................................. 71
Figura 1-19: Modelo comunidad de u-learning basada en redes de sensores
inalámbricos. ................................................................................................................... 72
Figura 1-20: Arquitectura de CoolEdu. ........................................................................... 73
Figura 1-21: Framework de la ruta de matemáticas u-learning adaptativo. .................... 74
Figura 1-22: Modelo educaticional para escenarios de u-learning. ................................. 76
Figura 1-23: Modelo de diseño de aprendizaje para u-learning. ..................................... 78
Figura 1-24: La estructura lógica del recurso de aprendizaje ubicuo con contexto. ........ 78
Figura 1-25: Modelo de u-learning usando IIMG. ........................................................... 79
Figura 1-26: Un modelo de formación docente adaptable al contexto en el entorno de u-
learning. .......................................................................................................................... 79
Figura 1-27: Estructura interna del framework propuesto. .............................................. 80
Figura 1-28: Framework de UTiLearn............................................................................. 81
Figura 1-29: Proyección crecimiento dispositivos conectados a nivel global. ................. 88
Figura 1-30: Dispositivos electrónicos en hogares Colombianos. ................................... 89
Contenido XIII
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
Figura 4-1: UDL – Tres redes de aprendizaje............................................................... 172

Figura 4-2: Ejemplo representación modelo ADDIE. .................................................... 175
Figura 4-3: Modelo general de u-learning..................................................................... 177
Figura 4-4: Ejemplo propuesta lista de chequeo. ......................................................... 188
Figura 5-1: Nombre del prototipo – Aprenutvi. .............................................................. 194
Figura 5-2: Imagen del prototipo aprenutvi. .................................................................. 194
Figura 5-3: Ejemplo CDN de Fastly que soporta plataforma definida. .......................... 196
Figura 5-4: Ejemplo interfaz configuración video desde la plataforma definida............. 197
Figura 5-5: Ejemplo video en portafolio polialypro.aprenutvi. ....................................... 198
Figura 6-1: Proceso validación general. ....................................................................... 199
Figura 6-2: Ejemplo portafolio video presentación temática. ........................................ 202
Figura 6-3: Correlaciones entre preguntas asociadas al indicador de usabilidad en uso
..................................................................................................................................... 205
Figura 6-4: Ejemplo correlación preguntas sobre tercer nivel modelo .......................... 206
Figura 6-5: Esquema de ecuaciones estructurales. ...................................................... 206
Figura 6-6: Ejemplo prototipo aprenutvi en algoritmos y programación. ....................... 211
Figura 6-7: Ejemplo prototipo aprenutvi en Historia y teoría 2. ..................................... 211
Figura 6-8: Ecuaciones estructurales con estudiantes Poli........................................... 218
Figura 6-9: Ecuaciones estructurales con estudiantes Unal. ........................................ 218
Figura 6-10: Ejemplos despliegue prototitpoen diferentes pantallas. ............................ 224
Figura 6-11: Ejemplo video seleccionado del prototipo para ver y su descripción. ....... 224
Figura 6-12: Ejemplo estadística videos más vistos en prototipo polialypro.aprenutvi. . 225
.
Contenido XV
Lista de tablas
Pág.
Tabla 1-1: Resumen enfoques educativos basados en TIC. .......................................... 22

Tabla 1-2: Resumen rasgos sobresalientes en evolución tecnología educativa. ............ 24
Tabla 1-3: Comparación enfoques educativos basados en TIC. .................................... 29
Tabla 1-4: Resumen conceptos de u-learning. ............................................................... 34
Tabla 1-5: Resumen características de u-learning según otros autores. ........................ 41
Tabla 1-6: Ejemplos teorías de aprendizaje. .................................................................. 50
Tabla 1-7: Ejemplos estilos de aprendizaje y u-learning. ............................................... 54
Tabla 1-8: Resumen estilos cognitivos. .......................................................................... 55
Tabla 1-9: Dificultades reportadas en la literatura. ......................................................... 64
Tabla 1-10: Proceso de revisión sistemática de la literatura........................................... 67
Tabla 1-11: Propuesta clasificación análisis de estudios definidos................................. 68
Tabla 1-12: Comparativo de modelos. ........................................................................... 83
Tabla 1-13: Velocidades de banda ancha fija (en Mbps), proyectadas año 2019 y 2022.
....................................................................................................................................... 94
Tabla 1-14: Porcentaje conexiones banda ancha mayores a 10, 25 y 50 Mbps,
proyectadas al 2019 y al 2022. ....................................................................................... 94
Tabla 1-15: Velocidades de conexión de red móvil promedio proyectadas (en Mbps) por
región al año 2019 y al 2022. ......................................................................................... 95
Tabla 1-16: Velocidades de conexión de red Wi-Fi promedio proyectadas (en Mbps) por
región. ............................................................................................................................ 96
Tabla 1-17: Generaciones de estudiantes.....................................................................103
Tabla 1-18: Otros rasgos distintivos de las generaciones. ............................................104
Tabla 2-1: Ejemplos de sistemas operativos y dongle para TV. ....................................110
Tabla 2-2: Comparativo sistemas de TV. ......................................................................116
Tabla 2-3: Resumen protocolos empleados para streaming. ........................................141
Tabla 3-1: Ejemplos estándares relacionados con el aprendizaje. ................................147
Tabla 3-2: Ejemplo de alternativas de implementación de u-learning basadas en video
everywhere....................................................................................................................158
Tabla 3-3: Criteros sugeridos para definir plataforma de video. ....................................161
Tabla 3-4: Etapas del framework de u-learning propuesto. ...........................................163
XVI Modelo de u-learning basado en plataformas de TV everywhere
Tabla 4-1: Identificación de ideas de otros modelos. .................................................... 169

Tabla 4-2: Relación UDL y u-learning & TVE. ............................................................... 173
Tabla 4-3: Relación ADDIE con modelo planteado. ...................................................... 176
Tabla 4-4: Aspectos del nivel de iniciación ................................................................... 178
Tabla 4-5: Opción conformación equipo de trabajo. ..................................................... 179
Tabla 4-6: Aspectos tecnológicos. ................................................................................ 179
Tabla 4-7: Necesidades personales o del grupo objetivo. ............................................. 181
Tabla 4-8: Aspectos pedagógicos................................................................................. 182
Tabla 4-9: Necesidades de formación o fortalecimiento de competencias digitales. ..... 183
Tabla 4-10: Aspectos de gestión. ................................................................................. 185
Tabla 4-11: Aspectos de diseño y desarrollo. ............................................................... 185
Tabla 4-12: Aspectos de implementación del servicio de u-learning. ............................ 186
Tabla 4-13: Aspectos del servicio y resultado de aprendizaje. ...................................... 187
Tabla 5-1: Resumen aplicación modelo en prototipo u-learning. .................................. 191
Tabla 5-2: Resumen funcionalidades plataforma de video definida. ............................. 195
Tabla 6-1: Indicadores a valorar por "expertos". ........................................................... 201
Tabla 6-2: Resumen de respuestas (%) valoración “expertos”. .................................... 203
Tabla 6-3: Resumen factores según análisis factorial exploratorio para el grupo
“expertos”...................................................................................................................... 204
Tabla 6-4: Resultado consistencia interna escenario con “expertos”. ........................... 205
Tabla 6-5: Estructura diseño empleado en la valoración de aplicación modelo y prototipo.
..................................................................................................................................... 208
Tabla 6-6: Indicadores a valorar por estudiantes. ......................................................... 209
Tabla 6-7: Resultados pruebas desempeño estudiantes. ............................................. 213
Tabla 6-8: Resumen de respuestas (%) de estudiantes al cuestionario. ....................... 215
Tabla 6-9: Resumen factores según análisis factorial para estudiantes. ....................... 217
Tabla 6-10: Resultados consistencia interna escenario con estudiantes. ..................... 217
Tabla 6-11: Indicadores a valorar por docentes. ........................................................... 219
Tabla 6-12: Resumen respuestas (%) valoración por docentes. ................................... 221
Tabla 6-13: Resumen factores según análisis factorial exploratorio para docentes. ..... 223
Tabla 6-14: Resultados consistencia interna escenario con docentes. ......................... 223
Tabla 6-15: Estadísticas vistas por dispositivo y navegador del prototipo. .................... 226
Tabla 7-1: Limitaciones para u-learning. TV tradicional Vs TV Everywhere. ................. 230
Tabla 7-2: Ventajas para u-learning. TV tradicional Vs TV Everywhere. ....................... 231
Contenido XVII
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
El área de investigación son las TIC (Tecnologías de la Información y la Comunicación)

en la educación o la tecnología educativa. El interés surge para contribuir al proceso
educativo con más apropiación de las TIC, y en este sentido con las tendencias de la TV
digital, TV everywhere (TVE) y la posibilidad de convergencia con otros dispositivos. La
TIC tiene un papel importante en el apoyo del sistema de educación y las nuevas
tecnologías tienen el potencial de transformar fundamentalmente cómo y qué aprender
durante toda su vida. Las nuevas tecnologías digitales hacen posible una "revolución del
aprendizaje" en la educación como lo indica Wang (Wang, Feng & Zhou, Chunfang,
2013), y permiten ofrecer enseñanza de manera distribuida respetando los diferentes
ritmos de aprendizaje (Saowapakpongchai, 2010). Por eso la importancia de continuar
con la investigación, y como las TIC contribuyen a solucionar los diversos requerimientos
para la educación (como la flexibilidad, disponibilidad de conexiones, eliminar barreras
espacio - tiempo, entre otras).
Las tendencias de mayores capacidades de datos, internet, de incremento en

dispositivos móviles, del despliegue de la TV digital y otros dispositivos conectados,
muestran un crecimiento de las TIC, como lo reitera (Cisco, 2019) que los dispositivos
conectados para el año 2020 será tres veces la población mundial y el video como el de
mayor tráfico en la red. La convergencia de tecnologías en el mundo digital, permite que
la TV e internet se unan, y la tendencia en los TV conectados (CLN, 2011) o dispositivos
con conectividad a internet como los decodificadores, reproductores Blu-ray, media
center, consolas de juego, entre otros, se incrementa cada vez más. Por ejemplo en
Europa surge el estándar HbbTV (HbbTV, 2016), como híbrido entre la radiodifusión y la
banda ancha, y en general sigue en auge las plataformas tecnológicas de “Over The
Top”- OTT (Hooper et al., 2010), que permiten distribuir video, audio, TV, y otros servicios
vía internet directamente a los dispositivos conectados de usuario, permitiendo el acceso
a servicios en cualquier lugar, cualquier momento, y en cualquier dispositivo. Como lo
2 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.
Varios estudios y modelos se han realizado que representan u-learning, específicamente

con otros procesos y tecnologías como Wireless Sensor Network (WSN) (Caytiles et al.,
2011), (Lee et al., 2015) y (Hsu et al., 2016) empleando móviles y NFC (Near Field
Communication), computación basada en contexto y tablet (H.-C. Chu & Lin, 2013),
Global Positioning System-GPS (Fang et al., 2011), y en (Ho et al., 2017) con móviles y
realidad aumentada. Sin embargo, las prácticas de u-learning son principalmente
Introducción 3
limitadas a aplicaciones de pequeña escala, limitadas en cobertura y despliegue.

Específicamente se carece de la tendencia de TV en la nube.
Esta tesis de doctorado se basa de plataformas everywhere, para diseñar un modelo de

u-learning, que permita entender que es lo necesario para su implementación en un
contexto educativo, para el despliegue de contenidos (video) en cualquier dispositivo
conectado, extendiendo el dominio de U-learning. Usando las plataformas de TVE se
posibilita el despliegue de contenidos en cualquier pantalla (TV, PC, tablet y
smartphone), y potencializa la inclusión dado que, en el caso del TV, es un dispositivo
familiar y fácil de usar por la mayoría de las personas.
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.
Planteamiento del problema
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).
De acuerdo a los Objetivos de Desarrollo Sostenible, planteado por Naciones Unidas

(Naciones Unidas, 2015), se hace necesario trabajar en lograr una educación inclusiva,
equitativa y de calidad y promover oportunidades de aprendizaje durante toda la vida
para todos. Además, se recalca en mejorar en todos los niveles de formación, incluyendo
la Universitaria.
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
Muchos programas de formación no aprovechan las ventajas de la tecnología e internet,

como comenta (VIRTUAL EDUCA & ACESAD, 2013) que hoy ya no es comprensible un
proyecto formativo ausente de tecnología, de contacto con redes informáticas y de las
valiosas oportunidades que para la docencia y la investigación tiene el Internet, incluso
para programas presenciales. Algunas Universidades implementan sistemas LMS, pero
algunos de estos no son amigables, y en otros casos incomodan al docente al tener que
cambiar el modelo de dar la clase. Varios sistemas de gestión de contenidos, LMS, no
soportan funcionalidades ubicuas, y video conferencias (Ravisekaran & Ramakrishnan,
2015). Mott (Mott, 2010), indica que si bien los LMS cumplen con su función de
administración, algunos LMS, tienden a ser centradas en el docente, en vez de ser
centradas en el estudiante, y están configurados para el tiempo de duración del semestre
(Interrumpiendo la continuidad y el flujo del proceso de aprendizaje)
De acuerdo a Ministerio de Educación de Colombia, entre los proyectos para cerrar la

brecha en la educación superior, se encuentran regionalización y flexibilización de la
oferta para buscar opciones de mayor acceso, la educación superior inclusiva, calidad, la
permanencia en la educación superior, (MINEDUCACIÓN, en línea). Ampliar la cobertura
es un gran reto, y tal como plantea la Asociación Colombiana de Educación Virtual y a
Distancia (ACESAD, 2018) para propiciar acceso a miles de estudiantes en educación
superior, es posible con la educación virtual. De acuerdo a portafolio (Tiempo, 2018), la
educación virtual en Colombia todavía está iniciando, aproximadamente el 5 % (unos
597) de 11.798 de programas registrados ante el Ministerio de Educación pertenecen a
metodología virtual, y un 5,2 % son estudiantes en modalidad virtual. De acuerdo al
conversatorio liderado por el Ministerio de educación, la educación superior necesita
fortalecerse con la educación virtual para construir un país que responda a las dinámicas
de la sociedad del conocimiento (MINEDUCACION, 2017). Según el plan decenal de
educación 2016-2026 (Ministerio de Educación Nacional, 2017), varios son los retos a
trabajar en la educación superior, como seguir trabajando para garantizar el acceso de la
población joven (principalmente vulnerable), continuar disminuyendo la tasa de
deserción, hacer especial énfasis en una oferta de programas de calidad que llegue a
más estudiantes y no solo a unos pocos. En el departamento de Antioquia se hace
necesario ampliar la cobertura en educación superior, que al 2019 se encuentra
alrededor de 36 % (Proantioquia, 2019). En el caso de la ciudad de Medellín, la tasa de
acceso a la Universidad es de 45% (Proantioquia et al., 2019).
6 Introducción
Son diversas los estudios, proyectos y modelos que representa u-learning,

específicamente con otros procesos y tecnologías tales como redes de sensores
inalámbricos (WSN) (Caytiles et al., 2011), dispositivos móviles (Sung, 2009),
computación basado en contexto, tablet (H.-C. Chu & Lin, 2013), usando NFC - Near
Field Communication, RFID - Radio Frequency Identification, y sistemas de
posicionamiento global –GPS (Fang et al., 2011), (Lee et al., 2015) y (Hsu et al., 2016),
empleando móviles y NFC (Near Field Communication), en (Ho et al., 2017) con móviles
y realidad aumentada, pero es insuficiente sobre el uso de las tendencias de TV digital en
u-learning, plataformas y tecnologías para despliegue en múltiples pantallas (TV
Everywhere (TVE), plataformas Over The Top (OTT)), la convergencia con dispositivos
conectados y de la importancia del video.
Algunas de las dificultades destacadas en la literatura sobre u-learning se refiere a

prácticas principalmente limitadas a aplicaciones a pequeña escala y pocos modelos de
aplicaciones maduras (Zhou et al., 2012), que no tienen suficiente información para ser
implementada (de Sousa Monteiro et al., 2014) y que se requiere diseñar u-learning
desde un camino sistémico y holístico (Zhan & Yuan, 2009) (Indrajit, 2016); Que los
diseños de modelos de u-learning aún son limitados (Umam et al., 2017). Se requiere el
desarrollo de modelos de u-learning apropiados para informar el uso de dichos entornos
(Hsu et al., 2016). Otras dificultades están relacionadas con el hecho de que el contenido
pueda ser desplegado y adaptado en cualquier dispositivo (Edwin et al., 2012), que la
infraestructuras de TIC no tienen convergencia tecnológica (Zahariev et al., 2013), que
para lograr un mayor desarrollo de sistemas educativos apoyado con las TIC, es
necesario nuevos tipos de tecnologías para respaldar los enfoques de enseñanza y
aprendizaje (Wang, Feng & Zhou, Chunfang, 2013), y que se necesitan diseños de
aprendizaje apropiados para que el aprendizaje sea más significativo y efectivo (G. zen
Liu et al., 2016).
Algunos trabajos que incorporan el despliegue de contenidos no lo hacen de forma

integral, sino que se enfocan en uno o varios de sus componentes o dispositivos, dejando
a un lado otras posibilidades. (Hijazi & Itmazi, 2013), (Stefan et al., 2013), (Diaz & Rusu,
2014). Otros autores relacionan U-learning aplicándolo solo con dispositivos móviles
(Smartphone), y con tecnología sensórica. Siendo necesario explorar nuevos tipos de
tecnologías para soportar los nuevos enfoques de enseñanza/aprendizaje (Wang, Feng &
Zhou, Chunfang, 2013). Varios de los proyectos/modelos son desarrollados con sistemas
Introducción 7
propietarios, soluciones cerradas, otras de propósito particular, y poco de propósito

general que cubre diferentes plataformas (de Sousa Monteiro et al., 2014). También hay
deficiencia en el alcance y limitación del concepto U-learning, como por ejemplo lo
plantea Mandula (Mandula et al., 2011), donde menciona que el ubiquitous learning, es
sensible al contexto, y que además proporciona contenido de aprendizaje en cualquier
lugar y en cualquier momento utilizando diferentes tipos de dispositivos móviles y
tecnologías de sensores; Relacionándolo sólo con aprendizaje móvil, excluyendo por
ejemplo a un TV como dispositivo.
Luego de la revisión de literatura analizada sobre modelos de u-learning, se identifican

varios aspectos. En pocos trabajos se menciona el uso de múltiples dispositivos, salvo en
(Zhao & Okamoto, 2011), lo cual deja por fuera la tendencia del crecimiento de diversos
tipos de pantallas con capacidades de conectarse a la red de internet y que los usuarios
usan, como los PC, laptops, smartphones, tablets, y TV conectados. Varios modelos
presentan en cierto grado buena información de la propuesta como (Atif et al., 2015), (M.
Chen, Yu, et al., 2017), (M. Chen, Chiang, et al., 2017), (Tortorella et al., 2018), (Zhao &
Okamoto, 2011), (Rabello et al., 2012), (H. Kim et al., 2012), (Wagner et al., 2014), pero
en general hacen falta más etapas o componentes que guien una implementación de u-
leanring desde una perspectiva más integral (como aspectos tecnológicos, pedagógicos,
planeación, diseño, desarrollo, implementación, evaluación). Sobre el uso principal del
video, ninguno de los estudios contemplaba el video como recurso o contenido
importante para la solución de u-learning, dejando a un lado las ventajas o beneficios del
uso del video. En ciertos trabajos se refleja la posibilidad de usar otros recursos TIC,
como en (M. Chen, Yu, et al., 2017), (Zhao & Okamoto, 2011), (Casey & Fraser, 2010),
H. Zhang & Maesako, 2009), (Mehmood et al., 2017), (Zea Restrepo et al., 2015), pero
en otros poco o nada, siendo una limitante, debido al auge de otras herramientas TIC que
pueden complementar la solución. En cuanto a grado de cobertura o propuesta de
mejorarla, trabajos como (Zea Restrepo et al., 2015) y (Coto et al., 2016) lo proyectan de
forma amplia, otros como (H. Kim et al., 2012), (M. Chen, Chiang, et al., 2017), (M. Chen,
Yu, et al., 2017) y (Shih et al., 2012) sólo en un campus, y trabajos como (Rabello et al.,
2012), (Mehmood et al., 2017) y (Atif et al., 2015) presentan simulaciones; Esto depende
de la solución propuesta, pero puede ser una debilidad si la cobertura del servicio de u-
learning solo es en determinadas áreas. Frente a la característica de context-awareness,
la mayoría de los trabajos lo contemplan, lo cual es normal e importante para que la
8 Introducción
solución sea sensible al contexto donde este el usuario o el contenido se adapte al

dispositivo de usuario, entre otros; Por ejemplo (Shih et al., 2012) emplean sensores
RFID, y en (H. Kim et al., 2012) con WSN. En lo relacionado con la
infraestructura/Tecnología principal, varios reflejan una infraestructura cliente servidor
como en (Shih et al., 2012) usando también sensores RFID, Tablet PC, Wireless, en
(Zhao & Okamoto, 2011) y (Mehmood et al., 2017) con PC, y móviles, en (Casey &
Fraser, 2010) con XML, ASP.net, móviles, y en (H. Kim et al., 2012) móviles y WSN; En
(Tortorella et al., 2018) emplean un sistema basado en Raspberry Pi 2, display LCD,
sensores, sistemas expertos, y unos pocos como (Rabello et al., 2012) usan agentes. Se
destaca que es poco o no se contempla el uso de infraestructura/tecnologías soportada
en la nube y el uso de diversidad de pantallas. Con respecto a pruebas de despliegue
real, son varios los trabajos que lo realizan, como en (Tortorella et al., 2018) aplicado
para una solución de entrenamiento de conducción; Esto es importante para ver si la
solución técnicamente es posible o ver alcances o experiencias de usuario u otros
resultados; Aunque algunas son limitadas en cobertura, y a ciertos dispositivos. Frente al
uso de estándares o especificaciones, (Atif et al., 2015) por ejemplo emplea IEEE LOM,
pero la mayoría no lo indican, y esto puede ser una debilidad para futuras
implementaciones, robustez o proyección de la solución. Sobre el Dominio de aplicación,
algunas son específicas, por ejemplo: (M. Chen, Yu, et al., 2017) educación sobre
plantas en escuela vocacional, (M. Chen, Chiang, et al., 2017) entrenamiento de
profesores, (Shih et al., 2012) matemáticas, (Umam et al., 2017) de comunicación
usando mensaje de texto, (Tortorella et al., 2018) – Sistema entrenamiento de
conducción, (Wagner et al., 2014) ciencias de la computación, ciudad inteligente; Algunos
aplicados dentro del campus (escuela, etc); Otros son genéricos, y unos pocos como
(Zea Restrepo et al., 2015), (Coto et al., 2016), (Zea Restrepo et al., 2015) 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 en las Universidades hay
mucho por trabajar al respecto.
La problemática gira en torno al modelado de una solución de u-learning para un

contexto Universitario, considerando el uso de tecnologías de TV/video multipantalla. En
general, hay pocos estudios de u-learning centrado en las tendencias de TV digital y en
el despliegue de video en múltiples pantallas, especialmente de TV/video en todas
partes.
Introducción 9
Luego de la revisión de literatura, se concluye que muy pocos modelos de u-learning

presentan información amplia y desde una visión más integral, para su implementación
en un escenario educativo y que apoye el proceso de enseñanza/aprendizaje. Además,
se nota que no se tiene en cuenta desde el enfoque pedagógico, como aspectos del
proceso de la teoría de diseño instruccional, actividades, entre otras. Específicamente se
carece de alternativas de desarrollo con tecnologías de TV/video multipantalla (TVE,
OTT, TV en la nube, etc), y las tendencias de la Infraestructura/tecnología soportada en
la nube para despliegue y convergencia entre dispositivos y redes.
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:
¿Cúal debería ser la caracterización de un modelo de u-learning basado en plataformas

de TV everywhere implementable en condiciones reales que contribuya al proceso
educativo?
A continuación, se presenta la sistematización del problema de investigación, la cual está

conformada por un conjunto de preguntas que permitirán descomponer el problema
principal en problemas menos complejos:
10 Introducción
• ¿Cuáles son las características de los diferentes modelos educativos basados

en TIC?
• ¿Cuáles son las especificaciones técnicas que tienen las plataformas y
tecnologías que posibilitan el despliegue de contenidos everywhere?
• ¿Cuáles son los componentes que debe tener el modelo de u-learning y que
integre las plataformas de TV everywhere?
• ¿Cómo las tendencias de plataformas everywhere, OTT, enriquecen y
contribuyen al U-learning?
• ¿Qué indicadores se deben tener en cuenta para validar el modelo de U-
learning basado en plataformas de TV everywhere mediante un caso de
estudio?
Hipótesis
A continuación, se presenta la hipótesis de investigación que ha sido propuesta como
opción válida de solución a la problemática descrita:
Es posible contribuir al proceso de enseñanza/aprendizaje a través de plataformas de TV

everywhere, bajo un modelo de u-learning, el cual permita que el contenido pueda ser
desplegado en cualquier dispositivo (pantalla), en cualquier lugar y momento, en un
escenario de conectividad, e indicando lo necesario para su implementación.
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
2. Identificar las tecnologías que posibilitan el despliegue de contenidos en

múltiples pantallas.
3. Caracterizar los elementos de U-learning usando plataformas de TV
everywhere.
4. Diseñar un modelo de U-learning considerando la infraestructura y elementos
técnicos de TV everywhere.
5. Desarrollar una aplicación de U-learning para múltiples pantallas.
6. Validar el modelo mediante pruebas y grupo focal en un escenario establecido
de educación.
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.
El enfoque de investigación es cuantitativo, en el cual se plantea y se comprueba

hipótesis, y se explica con base en resultados medibles (Asencio et al., 2017); representa
un conjunto de procesos organizado de manera secuencial para comprobar ciertas
suposiciones; otras características como: busca la mayor objetividad posible, se pretende
generalizar resultados, se vale de la lógica deductiva (Hernández Sampieri & Mendoza
Torres, 2018).
12 Introducción
El alcance de la investigación es correlacional, que tiene como finalidad “conocer la

relación o grado de asociación que exista entre dos o más conceptos, categorías o
variables en una muestra o contexto en particular” (Hernández Sampieri et al., 2014); En
este caso, la incidencia del uso de plataformas de TVE en procesos educativos. También
es exploratorio, que se realiza “cuando el objetivo consiste en examinar un tema poco
estudiado o novedoso” (Hernández Sampieri et al., 2014); En este caso u-learning
empleando TV everywhere. Y, es descriptiva, que consiste en “especificar propiedades y
características importantes de cualquier fenómeno que se analice” (Hernández Sampieri
et al., 2014); En este caso se detalla el enfoque de u-learning & TVE, y el modelo
propuesto.
En general se aplica la metodología de investigación basada en diseño (Design-Based

Research) (F. Wang & Hannafin, 2005) que busca mejorar las prácticas educativas a
través de análisis iterativo, diseño, desarrollo e implementación. Es iterativo ya que
desde que se plantea la idea hasta el planteamiento de propuesta final, en determinadas
veces se revisa la literatura y las tendencias. El modelo fue rediseñado varias veces (se
tuvo en cuenta ideas de otros investigadores-literatura). Se realizan sucesivas búsquedas
de alternativas para implementar el prototipo y pruebas en varias plataformas de video. El
investigador es también participante (tomando un rol como docente). La participación de
docentes y estudiantes en el proceso de creación del modelo y prototipo se realizó por un
lado al involucrar a los docentes en conocer la idea, que aplicaran el modelo y prototipo,
y dando su valoración final, y los estudiantes participaron de la implementación del
prototipo y valoración. Así mismo los docentes participaron de la planeación siguiendo el
modelo y elaboración de videos y actividades como insumos del prototipo. Algunos
estudiantes elaboraron también videos e interactuaron con la plataforma. Se realizaron
unas pruebas previas de opciones de implementación donde participan docentes y
grupos de estudiantes, lo cual va permitiendo proyectar mejoras del modelo y definir
plataforma. Esa participación de docentes y estudiantes ha impactado el desarrollo de los
productos, ya que se obtienen otras ideas, proyectar mejoras, identificar y explorar otras
herramientas de video (tanto de creación video como en la plataforma), y por otro lado se
refleja en las valoraciones positivas del modelo y del prototipo, lo que refleja su
importancia y aceptación. También al pedir la valoración por expertos, se tuvieron unas
observaciones que se reflejan en el ajuste del modelo, como por ejemplo contemplar la
planeación de necesidades de competencias digitales (ya que en un principio solo se
Introducción 13
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.
Se plantean varias fases en general para desarrollar la tesis: la primera de revisión;

segunda de análisis de información literatura y tendencias; tercera de diseño del modelo;
cuarta fase de diseño del prototipo de u-learning, y la quinta de validación del modelo,
que se describen a continuación:
La primera etapa es de revisión de literatura y tendencias, relacionados con u-learning y

TV multipantalla. Como resultado de esta etapa es la identificación de información que
fundamenta y soporta el marco teórico y estado del arte.
En la segunda etapa de análisis, se revisa, profundiza, y se obtiene información y

propuesta de conceptos. Como resultado se obtendrá la conceptualización de u-learning,
las tendencias que favorecen la implementación de u-learning, el análisis de estudios
relacionados con modelos de u-learning, el contexto y conceptos relacionados con TV
everywhere, tendencias que favorecen la TV multipantalla, que dan cuerpo al marco
teórico y estado del arte.
En la tercera etapa se caracterizarán los requerimientos esenciales para el diseño de los

elementos constituyentes del modelo propuesto, basado principalmente en TV
everywhere, y convergencia en múltiples pantallas. Esta etapa generará como resultado
las características de u-learning, los componentes del modelo de U-learning, las opciones
de implementación, los criterios para seleccionar una solución de TV multipantalla y la
arquitectura general que integra las plataformas de TV everywhere y dispositivos
conectados.
Luego, en la cuarta etapa se diseñará, y desarrollará prototipo de u-learning & TVE. El

resultado es la definición y delimitación del aplicativo-contenido para ser desplegado en
varias pantallas, detallados en documento, la aplicación, y los videos.
Finalmente, en la quinta etapa se validará el modelo de U-learning propuesto mediante

un escenario con “expertos”, y otro de aplicación del modelo-prototipo en un curso real
14 Introducción
universitario donde participan estudiantes y docentes. Como resultado se tendrán el

análisis de la validación del modelo propuesto y su respectiva documentación.
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 3. Definición del modelo de U-learning

➢ Definición de los componentes que integran el modelo
➢ Caracterización de los componentes que integran el modelo.
Etapa 4. Diseño y desarrollo prototipo

➢ Se revisa y planifica según modelo planteado.
➢ Se define opción de implementación
➢ Diseño conceptual y delimitación del tema para el prototipo.
➢ Se configura e implementa prototipo de u-learning basado en plataforma de TV
everywhere.
➢ Realización de pruebas iniciales.
Etapa 5. Validación
Introducción 15
➢ Evaluar el modelo propuesto en un escenario con “expertos”.

➢ Evaluar el modelo – prototipo en un escenario de aplicación con docentes y
estudiantes.
➢ Analizar los resultados de las evaluaciones por parte de expertos y de
aplicación del modelo – prototipo con docentes y estudiantes.
➢ Documentación del informe final.
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
Aportes educativos. La principal contribución que se busca aportar en esta tesis de

doctorado es el modelo de U-learning basado en plataformas de TV everywhere,
logrando extender el dominio de U-learning. Donde el contenido principalmente de video
se pueda desplegar en cualquier pantalla. Se presentaron conceptos, etapas y
16 Introducción
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).
El aporte propuesto de acuerdo con la literatura revisada es inédito e innovador, debido a

que las plataformas de TV everywhere, despliegue de contenidos y convergencia en
pantallas conectadas es poco reportada como una alternativa de solución para extender
el dominio de U-learning. Así mismo se aportaron conceptos, y un modelo de U-learning
más detallado para implementarse. Al involucrar la TV everywhere se potencia la
inclusión porque ya la televisión puede ser vista en la pantalla de preferencia. Así mismo
el modelo permite entender lo que es necesario para su aplicación en un contexto
educativo.
Se hacen aportes al área de telecomunicaciones, ciencias de la computación y

relacionadas, al ilustrar una temática de generación de la televisión, basada en la nube y
convergente con otros dispositivos e internet. En este escenario las tecnologías, la banda
ancha, el despliegue de video a diferentes pantallas prevalecen. Esto contempla
infraestructura, configuración, desarrollo, y generación de contenidos.
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
Desarrollo de un prototipo de u-learning basado en plataformas de TV

everywhere, implementado en un contexto Universitario, en dispositivos
conectados, como una herramienta de prueba de concepto.
➢ 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.
➢ Proyección de nuevos proyectos:

Potencializando nuevas investigaciones, desarrollo o innovación de proyectos
relacionadas con U-learning, y las tendencias de tecnologías.
Estrategias de comunicación y divulgación

Los resultados de la investigación fueron publicados y divulgados en:
▪ Revistas científicas indexadas/homologadas.
▪ Participación con ponencias en eventos científicos nacionales e
internacionales relacionados con las áreas de Tecnología educativa, TIC
en educación, Telecomunicaciones y sistemas aplicados.
▪ Site web con información relacionada a U-learning, redes ubicuas, y
Tecnología educativa.
▪ Divulgación de resultados dentro de los Grupos de Investigación GIAT,
Inteligencia Artificial en Educación, y otros.
▪ Informe final del modelo propuesto y prototipo de validación.
Organización del documento

18 Introducción
El documento está distribuido de la siguiente manera: el capítulo primero busca

responder al primer objetivo específico, presentando el marco teórico de referencia y el
estado del arte sobre u-learning. El capítulo dos presenta el marco de referencia sobre
TV multipantalla, términos relacionados y tecnologías que posibilitan el despliegue a
varias pantallas. Luego el capítulo tres contempla aspectos relacionados al tercer objetivo
específico, elementos de u-learning empleando TVE. El capítulo cuatro describe el
modelo planteado de u-learning, involucrando tecnologías de TV multipantalla. El capítulo
cinco detalla el desarrollo de una aplicación de u-learning para múltiples pantallas.
Posteriormente en el capítulo seis se describe el proceso de validación del modelo y los
resultados obtenidos. El capítulo siete presenta discusiones e implicaciones para
enseñanza y aprendizaje. En el capítulo ocho se hace una evaluación sobre las
respuestas a la pregunta de investigación y descripción de las divulgaciones y
participación en proyecto. Y, finalmente el capítulo nueve contempla las conclusiones y
recomendaciones de trabajos futuros.
1. Contexto de u-learning
Las tecnologías de la información y la comunicación (TIC) han generado importantes

contribuciones en los procesos educativos. Este capítulo presenta las generalidades de
u-learning como un paradigma que enriquece los procesos de enseñanza y aprendizaje
en cualquier momento, lugar y usando cualquier dispositivo. Contempla el contexto donde
está enmarcado u-learning, el área de tecnología educativa, el marco teórico sobre u-
learning empezando con la computación ubicua, conceptos, y particularidades de u-
learning, revisión del estado del arte, y tendencias que favorecen el u-learning. En general
contribuye al primer objetivo específico sobre Determinar los conceptos de U-learning, TV
everywhere, TV híbrida y tendencias relacionadas de computación ubicua y computación
en la nube.
1.1 Tecnología educativa

La tecnología educativa es considerada como una disciplina que surge a mediados del
siglo XX (Valcárcel Muñoz, 2002). A medida que fue evolucionando la tecnología, y su
aplicación para uso educativo fue cada vez más impactante tanto para facilitar la
enseñanza como para lograr mejoras en el aprendizaje.
Algunas definiciones de tecnología educativa (Educational technology, EdTech):

• Es un enfoque sistémico como objetivo orientado a la solución de problemas,
utilizando herramientas, técnicas, teorías y métodos de múltiples dominios de
conocimiento, para: 1) el diseño, desarrollo y evaluar, recursos humanos y
mecánicos de manera eficiente y eficaz con el fin de facilitar y aprovechar todos
los aspectos del aprendizaje, y 2) guiar y transformar los sistemas y las
prácticas educativas con el fin de contribuir a influir cambios en la sociedad.
(Luppicini, 2005).
20 Modelo de U-learning basado en plataformas de TV everywhere
• Es la teoría y práctica en la aplicación de la tecnología para mejorar la

educación y la enseñanza. (Bi & Han, 2013)
• Las tecnologías educativas incluyen tanto herramientas como recursos
expresamente desarrollados para el sector de la educación, así como vías de
desarrollo que pueden incluir herramientas adaptadas a otros fines que
coincidan con las estrategias para hacerlas útiles en el aprendizaje. Éstas
incluyen tecnologías que están cambiando el panorama de la educación, ya
sea formal o informal, haciéndolas más accesibles y personalizadas.
(Johnson et al., 2014)
• La tecnología educativa es el estudio y la práctica ética de facilitar el
aprendizaje y mejorar el rendimiento mediante la creación, el uso y la gestión
de los procesos y recursos tecnológicos adecuados. (AECT et al., 2008)
• La tecnología en la educación son los elementos o herramientas que se utilizan
para apoyar a la enseñanza y el aprendizaje. De este modo, son todas
tecnologías: los programas de software, PC, el sistema de gestión de
aprendizaje, o la red de comunicaciones. Un libro impreso es una tecnología.
La tecnología incluye una combinación de herramientas con aspectos técnicos
propios que les permitan funcionar como un sistema de tecnología, como la red
telefónica o Internet. Sin embargo, las tecnologías o incluso los sistemas
tecnológicos no comunican o crean significado por sí mismos. Simplemente,
permanecen hasta ser activados o hasta que una persona interactúe con la
tecnología. (A. W. (Tony) Bates, 2015)
La tecnología educativa conjuga la idea del diseño instructivo, la elaboración de

mensajes didácticos y la búsqueda de la optimización o eficacia de los procesos. Así
mismo, la tecnología educativa se interesa por todos los aspectos relacionados con la
clasificación, selección y evaluación de medios, el diseño de los mismos y su utilización
en contextos de enseñanza-aprendizaje. La tecnología educativa define como su objeto
de estudio los medios desde una doble perspectiva: a) Los medios como parte de la
cultura en la que se inscribe la actividad educativa, y b) Los medios como parte del
currículo o como parte integrada de la acción educativa. (Valcárcel Muñoz, 2002).
La Tecnología Educativa es el campo concerniente con el diseño, el desarrollo, la

utilización, la gestión, la evaluación de los procesos y los recursos para el proceso de
Capítulo 1 21
enseñanza y aprendizaje, soportado con las tecnologías de la información y la

comunicación (TIC), que busca mejorar los procesos educativos.
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.
Los primeros estudios relacionados con la tecnología de la educación empezaron a

comienzos del siglo XX, con el empuje de la tecnología industrial, independientemente de
las ciencias de la educación y estudios de los educadores (Simsek, 2005). El progreso de
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).
1.1.1 Modelos educativos basados en TIC

Las TIC han soportado y tienen un gran impacto en la educación. Las nuevas tecnologías
tienen el potencial para transformar como y que aprendemos a traves de nuestras vidas,
y hacen posible una “revolución en el aprendizaje” en la educación (Wang, Feng & Zhou,
Chunfang, 2013).
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.
Tabla 1-1: Resumen enfoques educativos basados en TIC.
Enfoque TIC Recurso principal usado

CBT PC + CD-media
E-LEARNING PC + internet
M-LEARNING Dispositivo móvil + internet
T-LEARNING TV + opciones de internet
B-LEARNING Online + instrucción presencial
U-LEARNING Cualquier dispositivo + internet +
cualquier escenario
Fuente: Construcción propia
El siguiente gráfico permite apreciar desde la evolución de la tecnología, cómo han

surgido las oportunidades para el aprendizaje:
Capítulo 1 23
Figura 1-1: Tendencias de Aprendizaje Vs Tecnología.
Fuente: (Yamamoto et al., 2010)
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.
Tabla 1-2: Resumen rasgos sobresalientes en evolución tecnología educativa.
Época Características Ejemplos acontecimientos predominantes

A finales de De boca en boca, • Moisés usó una piedra cincelada para transmitir los diez
1950´s memorización, mandamientos en forma de escritura, probablemente
escritos, símbolos, alrededor del siglo VII a.C
inicio educación a • Siglo V a.c, en la antigua Grecia con los documentos
distancia escritos.
• Las placas de pizarra ya se usaban en la India en el siglo XII
d.C.,
• Pizarras de tiza comenzaron a usarse en las escuelas
alrededor del siglo XVIII.
• Imprenta de Gutenberg en 1450.
• Desarrollo de la primera educación formal por
correspondencia, con la University of London, a partir de
1858.
• La British Broadcasting Corporation (BBC) comenzó a
transmitir programas de radio educativos para las escuelas
en la década de 1920
• Después de la segunda guerra mundial se empezó a usar
proyectores de filminas para formación
• BF Skinner comenzó a experimentar con máquinas que
hicieron uso de la enseñanza programada o aprendizaje
asistido por computadores en 1954.
Finales de Principios del • Audioconferencia en los 70´s como complemento.
1950´s – conductismo y los • La televisión fue utilizada por primera vez en la educación en
finales de medios de difusión la década de 1960, para las escuelas y para la educación
1970´s general de adultos
• Se populariza la radio y televisión.
Finales de Revolución digital, • Videoconferencia empleando sistemas de cable y salas
1970´s - Computadores, redes dedicadas en los 80´s
finales de de computadores, se • Las transmisiones por satélite comenzaron a estar
1990´s popularizan disponibles en la década de 1980
programas de • PLATO (Programmed Logic for Automatic Teaching
aprendizaje asistido Operation) fue un sistema de entrenamiento asistida por
por computadora, computadora desarrollado originalmente en la University of
Internet, auge Illinois, popular en 70 ´s y 80´s.
transmisiones por • Arpanet (EE. UU) fue la primera red en utilizar el protocolo
satélite, inicios de Internet en el año 1982
sistemas LMS, • Proyectores electrónicos y software de presentación como
además de la teoría Powerpoint alrededor de 1990
conductivista, • A principios de la década de 1990, las computadoras
también es popular la personales tenían capacidad multimedia. Uso del CD-ROM
teoría cognitiva, • Desde mediados de los 80´s se han tratado de replicar los
mientras va cogiendo procesos de enseñanza con la inteligencia artificial
fuerza la teoría de
• La www World Wide Web fue lanzada formalmente en 1991
aprendizaje
• Primeros sistemas de gestión del aprendizaje (LMS), tales
constructivista,
como WebCT (que más tarde se convirtió en Blackboard),
En 1995
• En 1988, la Open University del Reino Unido ofreció el curso
DT200, que se convirtió en uno de los primeros cursos
online masivos

Capítulo 1 25
Tabla 1-2: (Continuación)

Época Características Ejemplos acontecimientos predominantes
Finales de Internet, e-learning • Google fue creado en 1999, convirtiéndose en uno de los
1990´s – principales navegadores web
mediados • Introducción sistemas captura de conferencias para
2000´s grabación, en la década 2000´s
• El Instituto de Tecnología de Massachusetts (MIT) comenzó
a grabar sus clases magistrales y ponerlas a disposición del
público, de forma gratuita, a través de su proyecto Open
CourseWare en 2002
• Crecimientos de sistemas de aprendizaje online – e-learning
• Siistemas de respuesta de audiencia (Audience Response
Systems, ARS) o "clickers", tecnología que surgió durante la
última parte de este período.
• Surgen los tableros digitales
Mediados Internet social y • Auge de redes sociales como Facebook, youtube, Twitter,
2000´s- móvil, etc.
actualidad Servicios y • Introducción streaming de clases en el aula 2008
Aplicaciones en la • Crecimiento internet y banda ancha
nube, video, internet • El desarrollo de la tecnología móvil trae una nueva era
de las cosas, mayor conocida como m-learning.
convergencia digital, • En 2008, George Siemens, Stephen Downes y Dave
inteligencia artificial, Cormier en Canadá utilizaron la tecnología web para crear el
servicios ubicuos primer Curso “conectivista” MOOC (Massive Open Online
Course),
• El aprendizaje híbrido coge más auge
• Expansión de la televisión digital. Auge enfoque t-learning
• Crecimiento diversidad de dispositivos electrónicos y
conectados a internet
• Toma fuerza el u-learning.
▪ Computer-based training (CBT)

El entrenamiento basado en computador, se popularizó en la década de los 80s, con la
revolución de los computadores personales, el uso de aplicaciones de software
educativas, y en formato multimedia para uso en CD-ROM (Yoshida, 2013). Como
menciona (Bezhovski & Poorani, 2016) , el entrenamiento basada en computadora (CBT)
es cualquier curso de instrucción cuyo principal medio de entrega es el computador.
También es conocido como aprendizaje basado en computador (Computer-based

learning, CBL). En esencia, el desarrollo del aprendizaje programado apunta a
computarizar la enseñanza, estructurando la información, evaluando el conocimiento de
los alumnos y proporcionando retroalimentación inmediata a los alumnos. BF Skinner
comenzó a experimentar con máquinas que hicieron uso de la enseñanza programada o
aprendizaje asistido por computadores en 1954, basada en la teoría del conductismo. Un
resurgimiento de los enfoques de aprendizaje programados son los MOOC. Desde
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
• Aprendizaje en una sociedad móvil, con el centro de atención en cómo la

sociedad y sus instituciones pueden adecuar y dar soporte al aprendizaje en una
población cada vez más móvil.
El aprendizaje móvil se puede definir como la plataforma portátil y liviana donde el
aprendiz puede participar en actividades de aprendizaje sin tener ninguna restricción
geográfica (Bezhovski & Poorani, 2016). El m-learning, esta soportado por las
tecnologías móviles, los estilos de aprendizaje moderno, en el cual hay una movilidad del
aprendiz y de su autonomía (Stefan et al., 2013). Los usuarios aceptan cada vez más
usar el móvil para adquirir un aprendizaje (Arias et al., 2016).
▪ 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
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)
El u-learning es el tema principal de la Tesis y posteriormente se ampliará.

Capítulo 1 29
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.
Tabla 1-3: Comparación enfoques educativos basados en TIC.

Item e-learning m-learning t-learning u-learning
Dispositivos Computador Smartphon TV Cualquier
escritorio, e, tablet, dispositivo,
laptop laptop
Ubicación Fijo, algo móvil Móvil Fijo Cualquier lugar
servicio
Tipo de Un poco pasivo Algo activo Algo activo Más activo
servicio
Tecnología Internet (ADSL, Móvil (3G, De acuerdo Red
de red FFTX..) y algo 4G, wifi, ..) al sistema convergente
de WiFi de TVD y (inalámbrico,
algunos
cableado,
con internet
sensores).
Cobertura Limitado a la Limitado a Limitado Extensiva

red y al la red y al sistema TV
dispositivo dispositivo y
dispositivo
Accesibilidad Moderada Moderada Mejorada Amplia
Sensibilidad Limitado Regular Limitado Amplio

al contexto
Fuente: Autor
1.2 Computación ubicua

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 y hasta de forma transparente para el
usuario (Mark Weiser, 1991). Weiser expone que la computación ubicua estará inmersa
en diferentes dispositivos, aun invisible para los usuarios, y que pueden ser llevados a
cualquier lugar. El potencial real del concepto no proviene de cualquiera de estos

dispositivos, surge de la interacción de todos ellos. Weiser se refiere a un mundo repleto
por dispositivos computacionales que permiten no solo acceder a la información sino
también crearla sin importar el lugar o momento que se requiera y haciendo un fuerte
énfasis en la invisibilidad de la herramienta o Calm technology (Weiser, 1991), (Mark
Weiser, 1993a), (M. Weiser, 1994), (Mark Weiser, 1993b), (Mark Weiser & Brown, 1997).
En su opinión, la interacción con las computadoras se llevaría a cabo tanto a través de

mecanismos directos que unen los sensores y actuadores y por la amplia presencia de
pantallas interactivas (referido como "pads") incrustados en las superficies de paredes,
muebles y objetos. Weiser expone que la computación ubicua se verá inmerso en
diferentes dispositivos, todavía invisible para los usuarios, y que se puede llevar a
cualquier lugar. Weiser indica también que estos dispositivos estarán interconectados en
una red ubicua, y que los computadores ubicuos también serán de diferentes tamaños,
cada una adaptada a una tarea en particular. Indica que la tecnología necesaria para la
computación ubicua se presenta en tres partes: computación de bajo consumo que
incluyen pantallas igualmente convenientes, software para aplicaciones ubicuas y una
red que lo une todo. Los prototipos de tabs, pads y boards (display) son sólo el comienzo
de la computación ubicua. (Weiser, 1991), (Mark Weiser, 1993b).
Weiser soporta el término de invisibilidad en el desarrollo de la teoría sobre computación

ubicua en que: "you focus on the task, not the tool" (M. Weiser, 1994), la cual trata dar a
entender con el ejemplo del alfabeto: "La tecnología del alfabeto cuando fue inventada
inicialmente, y por miles de años, fue costosa, fuertemente controlada, ‘preciosa’. Hoy,
nos rodea discretamente y sin esfuerzo. Si mira a su alrededor ahora: ¿cuántos objetos y
superficies tienen letras y palabras sobre ellas? Los computadores en el lugar de trabajo
pueden ser tan discretos y ubicuos como esto”1 (Mark Weiser, 1993a). La visión de Mark
Weiser de ubicuidad pertenece a las redes exóticas, como lo plantea Teruyasu
(Murakami, 2001), donde todo llega a ser un objeto de cómputo y está conectado a la
red. En las redes exóticas se habla por ejemplo de Smart room, internet car, paper
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.
Fuente: Construcción propia basada de (Murakami, 2001)
Otros términos relacionados con la computación ubicua o ubiquitous computing son

pervasive computing, ambient intelligence, Internet of Things, Calm technology, Things
That Think, y Computing Everywhere.
1.2.1 Características dentro de un ambiente de computación

ubicua
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
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).
En la siguiente figura se ilustra un ejemplo de context-aware u-learning (G.-Z. Liu &

Hwang, 2010), en la cual hay un jardín y cada planta esta etiquetada con tag RFID.
Luego cada estudiante tiene un dispositivo handheld equipado con un lector RFID, y
puede comunicarse con un servidor.
Figura 1-3: Ejemplo entorno u-learning sensible al contexto.
Fuente: Construcción propia basada de (G.-Z. Liu & Hwang, 2010)
1.2.2 Servicios ubicuos

Chen-Shu y Yeu-Rue (C.-S. Wang & Tzeng, 2008) plantean diversos dominios de
aplicación de los servicios ubicuos, como los siguientes:
▪ Aplicación de U-Commerce, para realizar transacciones, de banca, compras,
Capítulo 1 33
entre otros, desde cualquier lugar.

▪ Aplicación de U-manufacture, para recibir los requerimientos del cliente, con
opciones para que el proceso de la producción sea monitorizado y controlado, así
como la logística.
▪ Aplicación de U-health, para identificar, monitorear, situaciones de emergencia
que tenga que ver con la salud.
▪ Aplicación de U-learning, para que los estudiantes puedan disfrutar de contenidos
de aprendizaje en cualquier tiempo y lugar.
La Figura 1-4, plantea diferentes dominios de aplicación de la computación ubicua.
Figura 1-4: Ejemplo dominios de aplicación de servicios ubicuo.
Fuente: Autor
1.3 Enfoque de U-learning

El u-learning como tal es un enfoque amplio y rico para explorar. En este capítulo se
presenta la revisión conceptos, y propuesta de nuevo concepto, usos, escenarios y roles
de u-learning.
1.3.1 Conceptos de U-learning

De acuerdo a ISO (the International Organization for Standardization) e IEC (the
International Electrotechnical Commission) en el ISO/IEC TS 29140-2 (ISO/IEC, 2011a),
el aprendizaje ubicuo, es el aprendizaje que es estimulado y respaldado a través de
diversos canales y siempre de fácil acceso. La siguiente tabla presenta un resumen de
definiciones relacionados con u-learning dada por diversos autores, y clasificadas según
el énfasis dado, si en general, en lo móvil, sensibilidad al contexto, sensibilidad al
contexto-entorno, entorno, sistemas pervasivos, adaptativo, e inteligente.
Tabla 1-4: Resumen conceptos de u-learning.

REFERENCIA CONCEPTO U-LEARNING ÉNFASIS-
RECALCA
(Aihua, 2010) Significa actividades de aprendizaje en cualquier lugar, en cualquier
tiempo, entretejida en la vida diaria de las personas.
(Umam et al., El aprendizaje ubicuo no se restringe a estar en el aula o en entornos
2017) formales de aprendizaje. Por el contrario, el aprendizaje implica situar a los
alumnos tanto en el mundo real como en el virtual para ampliar las
experiencias de aprendizaje de los alumnos.
Richardus Eko u-learning está respaldado por las tecnologías de la información y la
(Indrajit, 2016) comunicación (TIC), donde los estudiantes pueden moverse fácilmente de
un lugar a otro, a través del espacio y el tempo.
(Stefan et al., Aprendizaje en cualquier dispositivo y en cualquier contexto.
2013)
(Zhou et al., Aprendizaje en cualquier dispositivo, en cualquier contexto, y con cualquier
2012) persona.
(Xiao et al., Los estudiantes pueden usar todo tipo de terminales para acceder a la
2016) información requerida de cierta manera, independientemente de la hora y
el lugar.
(Martín-Sanz, Se agrupa la presencia de la tecnología en todos los momentos y en todas
2007) las situaciones en los que una persona puede agregar un nuevo
conocimiento a su saber personal. Las actividades formativas están
apoyadas con diversas tecnologías.
(Ramón, 2007) El conjunto de actividades formativas, apoyadas en la tecnología, y que
están realmente accesibles en cualquier lugar… incluso en los lugares que
en realidad no existen.
(Collazos u-Learning involucra tecnologías y enfoques soportados en propuestas
Ordóñez et al., pedagógicas que proponen actividades formativas disponibles en
2016) diferentes lugares y tiempos y posibilidad de acceso desde diversos
dispositivos. U-learning es la suma de e-learning y m-learning. En General
(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
Es un paradigma de aprendizaje novedoso que los estudiantes pueden

(Zhan & Yuan, aprender cualquier cosa en cualquier momento y en cualquier lugar
2009) mediante el uso de redes informáticas ubicuas, diversos tipos de
dispositivos en torno a los estudiantes y recursos de aprendizaje digitales.
(Coto et al., Aprovecha cualquier medio tecnológico para recibir información y facilitar el
2016) aprendizaje.
(H. Kim et al., Es un paradigma educativo centrado en el alumno caracterizado por
2012) proporcionar formas intuitivas para identificar a los colaboradores
correctos, los contenidos correctos y los servicios de aprendizaje correctos
en el lugar correcto y el momento adecuado en función del entorno del
alumno.
(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
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.
Una propuesta planteada en esta tesis de concepto de u-learning, se refiere al

ecosistema que propicia un proceso de enseñanza/aprendizaje apoyado con la
convergencia de las tecnologias, telecomunicaciones, escenarios de conectividad a
internet, y sistemas de computo, para acceder a la información/contenidos/servicios
adecuados, en cualquier lugar, momento, y con diferentes dispositivos, que logran dar
sentido de ubicuidad, de aprendizaje continuo, de interés y motivación para aprender,
inmersa con la vida cotidiana de las personas, y de conexión con el entorno-contexto
(cosas, personas, espacio, entre otros) en que se mueven los indivíduos, de la forma
más transparente y sencilla posible. En este ecosistema los contenidos ricos como el
vídeo, se pueden desplegar y adaptar en cualquier pantalla (TV, PC, Smartphone o
Tablet) (Moreno Lopez et al., 2016).
Este ecosistema posibilita o complementa el aprendizaje más allá de un aula de clase

tradicional, agrupando o tomando los benefícios de los diferentes enfoques de TIC en
educación, propiciando un aprendizaje en todas partes. Este ecosistema puede posibilitar
que los estudiantes puedan elegir, de acuerdo con sus expectativas, intereses,
experiencias, etc., seguir aprendiendo, en dónde, cuándo, cómo hacerlo, y de dónde
obtener la información, qué recursos TIC usar, etc.; Generando así un ambiente de
aprendizaje personal ubicuo. Un Entorno de Aprendizaje Personal Ubicuo o uPLE se
define como el ecosistema donde cualquier persona desea aprender activamente sobre
cualquier área de conocimiento; que se puede acceder desde cualquier lugar, en
cualquier momento, manteniendo contacto con cualquier otra persona mediante el uso de
cualquier recurso de TIC y dispositivo ubicuo (Gustavo A. Moreno López et al., 2016).
Capítulo 1 37
1.3.2 Particularidades y dimensiones de U-learning

Algunos autores plantean determinadas particularidades o rasgos que contempla u-
learning.
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.
Según (Ogata & Yano, 2004) las características son:

▪ Permanencia: los estudiantes nunca pierden su trabajo a menos que sea
eliminado a propósito. Además, todos los procesos de aprendizaje se registran
continuamente todos los días.
▪ Accesibilidad: los estudiantes tienen acceso a sus documentos, datos o videos
desde cualquier lugar. Esa información se proporciona en función de sus
solicitudes. Por lo tanto, el aprendizaje involucrado es autodirigido.
▪ Inmediatez: dondequiera que estén los estudiantes, pueden obtener cualquier
información de inmediato. Por lo tanto, los estudiantes pueden resolver problemas
rápidamente. De lo contrario, el alumno puede registrar las preguntas y buscar la
respuesta más adelante.
▪ Interactividad: los estudiantes pueden interactuar con expertos, profesores o
compañeros en forma de sincronías o comunicación asincrónica. Por lo tanto, los
expertos son más accesibles y el conocimiento se vuelve más disponible.
▪ Ubicación (situating) de actividades de instrucción: el aprendizaje podría
integrarse en nuestra vida diaria. Los problemas encontrados así como el
conocimiento requerido se presentan en sus formas naturales y auténticas. Esto
ayuda a los alumnos a notar las características de las situaciones problemáticas
que hacen que las acciones particulares sean relevantes.
De acuerdo a (G.-J. Hwang, 2006):

▪ Consciente del contexto; es decir, se puede detectar la situación del alumno o la
situación del entorno del mundo real en el que se encuentra el alumno.
▪ Un entorno de aprendizaje ubicuo proporciona activamente apoyos
personalizados de la manera correcta, en el lugar correcto y en el momento
adecuado, en función de las situaciones personales y ambientales del alumno en

el mundo real, así como del perfil y la cartera de aprendizaje de el aprendiz
▪ Un entorno de aprendizaje ubicuo permite el aprendizaje continuo en cualquier
lugar y en cualquier momento; es decir, al alumno se le permite aprender sin ser
interrumpido mientras se mueve de un lugar a otro.
▪ Un entorno de aprendizaje ubicuo puede adaptar los contenidos de la asignatura
para cumplir las funciones de varios dispositivos móviles.
(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.
Para (Yahya et al., 2010):

▪ Permanencia: la información permanece a menos que los alumnos la eliminen a
propósito.
▪ Accesibilidad: la información está siempre disponible cuando los estudiantes
necesitan usarla.
▪ Inmediatez: los estudiantes pueden recuperar la información de inmediato.
▪ Interactividad: los alumnos pueden interactuar con sus compañeros, profesores y
expertos de manera eficiente y efectiva a través de diferentes medios.
Capítulo 1 39
▪ Conciencia contextual: el entorno puede adaptarse a la situación real de los

alumnos para proporcionar información adecuada para los alumnos.
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
(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
En el capítulo 3, se proponen un conjunto de características de u-learning, que se articulan además a TV everywhere.
▪ 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.
Figura 1-5: Ejemplos usos de u-learning.
Fuente: Autor
1.3.4 Escenarios y rol de u-learning

Los diferentes escenarios de U-learning se enmarcan en contextos de educación formal,
no formal e informal (Moreno Lopez et al., 2016). En la educación formal hay un sistema
de enseñanza/aprendizaje estructurado (establecimientos aprobados que otorgan grados
y títulos); en la educación no formal hay actividades educativas fuera de los sistemas
formales con el objeto de complementar, actualizar un conocimiento o experiencia,
académica o laboralmente. En la educación informal, hay un proceso de adquisición de
conocimientos y habilidades, a partir de experiencias cotidianas de la vida y de forma
espontánea.
Un docente puede complementar con las TIC diferentes metodologías de aprendizaje

activas (Regueras et al., 2009), o implementar la modalidad de clase invertida o flipped
classroom (Furse et al., 2014), o la estrategia traiga su propio dispositivo a la clase
(BYOD, Brind your own device) (Sangani, 2013) o aprendizaje por medio de redes
sociales (Adnan & Tasir, 2014), o como indica Delgado (Delgado Kloos et al., 2014) con
cursos online abiertos masivos (Massive Open Online Course, MOOC) o los cursos
online privados pequeños (Small Private Online Course, SPOC), aplicaciones de
segundas pantallas o second screen (Soskic et al., 2014), o experiencias de realidad
aumentada (M. E. C. Santos et al., 2014), o robótica educativa (Martins et al., 2015),
internet de las cosas para aprendizaje (ur Rahman et al., 2016), implementaciones de la
tecnología vestible o wearable technology para el aprendizaje (Buchem et al., 2015), o la
tecnología holográfica (Naqvi & Branch, 2015), o con contenidos ricos en video e
interactivos (Hung et al., 2014), o proyección en ciudades inteligentes, inclusión digital,
entre otros. La figura siguiente ilustra diferentes escenarios para u-learning.
Figura 1-6: Ejemplo escenarios de u-learning.
Fuente: Autor
Un ejemplo de aplicación del enfoque u-learning, usando dispositivos ubicuos, TV

multipantalla y la estrategia de clase invertida y gamification (en aula de clase usando la
herramienta Kahoot) es presentada en (G. A. Moreno López, Jiménez Builes, & Puche
Plaza, 2017).
Capítulo 1 45
El rol de u-learning en un proceso de enseñanza/aprendizaje puede ser complementario,

parcial o substituto.
• El rol complementario de u-learning, se refiere cuando es usada para proveer
servicios o material de aprendizaje adicional al de la clase presencial, por
cualquier medio o dispositivo.
• El rol parcial de u-learning, se refiere al uso de cualquier dispositivo como uno de
los medios para permitir aprendizaje; En este caso, u-learning es planeado y es
parcialmente necesitado en el aprendizaje, y lo otro es desarrollado
presencialmente.
• Por último, el uso de cualquier dispositivo para acceder a contenidos e
información de aprendizaje puede substituir a la clase convencional o presencial
en su totalidad.
1.4 Teorías de aprendizaje aplicadas a u-learning

Los diferentes enfoques de educación basados en tecnologías, y en este caso u-learning,
están cobijados por patrones o características comunes generales del aprendizaje
humano, de cómo se logra el aprendizaje. Diversas teorías de aprendizaje y modelos han
sido propuestas, basadas en la biología humana, psicología, teoría sociológica y
educacional. Los aspectos de estos modelos pueden relacionar información para un
modelo de u-learning (Casey & Fraser, 2010). Los siguientes son ejemplos de modelos o
teorías de aprendizaje:
▪ 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
Piaget. Los estudiantes son procesadores activos de información y el conocimiento

resultante en la memoria se puede describir en términos de estructuras que cambian con
el desarrollo (esquema). Hay dos procesos cognitivos que las personas usan para
interactuar: la asimilación (adquisición de nuevos conocimientos) y la acomodación
(proceso mental de aceptación de nuevos conocimientos con los antiguos) (Tennyson &
Volk, 2015)
▪ 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
el aprendizaje y predecir comportamientos y, por lo tanto, poder controlar y predecir los

resultados de aprendizaje.
En el conductismo, el aprendizaje es un cambio en el comportamiento resultante de los

eventos ambientales. Por lo tanto, el aprendizaje puede describirse como un
condicionamiento resultante de una relación entre estímulos y respuestas. La psicología
del comportamiento en sus diversas formas tiene dos principios primarios de aprendizaje;
El primer principio es el papel de las condiciones del entorno (estímulos) en el
establecimiento de un marco desde el cual se inicia el aprendizaje. El segundo es la
ocurrencia de comportamientos observables (respuestas) que resultan del entorno. La
teoría del comportamiento contemporáneo mantiene un fuerte énfasis en el
comportamiento. Estos incluyen los conceptos del encuestado activo (por ejemplo,
hablar, escribir, experimentar y demostrar) y evaluación del aprendizaje (por ejemplo, la
observación real del comportamiento de los alumnos como resultado de la instrucción,
como puntajes más altos en las pruebas, mejor desempeño, habilidades de interacción, o
mejores hábitos de estudio). (Tennyson & Volk, 2015). Uno de los autores más
representativos es John Watson.
▪ Teoría de aprendizaje social

Se basa sobre las formas en que los estudiantes aprenden al interactuar unos con otros.
El concepto principal en la teoría del aprendizaje social es la ocurrencia del aprendizaje
al observar a los demás, especialmente a los compañeros. Además, la teoría social
combina conceptos conductuales de refuerzo y castigo con conceptos cognitivos de
conciencia y expectativas (Tennyson & Volk, 2015).
▪ Teoría de aprendizaje situado

Con el aprendizaje situado, se trata de aprender a través de una actividad dirigida por
objetivos situada en circunstancias que son auténticas, en términos de la aplicación
prevista del conocimiento aprendido. La fuente de este interés reside en la transferencia
de conocimientos apropiados dentro de las instituciones educativas a situaciones y
circunstancias fuera de esas instituciones. El aprendizaje situado es un puente entre las
teorías cognitivas y constructiva socio cultural, donde esa relación proporciona una base
que tiene en cuenta de cómo las situaciones influyen en la co-construcción del
conocimiento (Billet, 1996). De acuerdo a Waite and Pratt (Waite & Pratt, 2015), el
"aprendizaje situado", en el sentido de aprendizaje (como adquisición) que tiene lugar in

situ, tiene implicaciones para los medios por los cuales el aprendizaje tiene lugar. En esta
versión de "el aprendizaje está situado", el significado es que el conocimiento ya no se ve
como una posesión del individuo para ser transportado, desempaquetado y utilizado en
todas las situaciones, sino que el significado en sí mismo se "mantiene" en las relaciones
entre personas, artefactos, y actividades. En este sentido, el aprendizaje situado implica
un cambio no solo en los medios de aprendizaje, sino también en sus fines; De modo que
el aprendizaje desde esta perspectiva es "embebido"; que esta incorporada en la
actividad de la práctica de las personas en contextos sociales, así que tiene más sentido
hablar de "saber" como un proceso de actividad y de significado situado, que el
conocimiento como un objeto. Autores representativos son Lave y Wenger (Lave &
Wenger, 1991).
▪ 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).
Principios del conectivismo:

- El aprendizaje y el conocimiento se basan en la diversidad de opiniones.
- El aprendizaje es un proceso de conexión de nodos especializados o fuentes de
información
- El aprendizaje puede residir en dispositivos no humanos.
- La capacidad de saber más es más crítica que lo que se sabe actualmente.
Capítulo 1 49
- Nutrir y mantener las conexiones es necesario para facilitar el aprendizaje

continuo.
- La capacidad de ver las conexiones entre campos, ideas y conceptos es una
habilidad central.
- La aceptación-prevalencia (conocimiento preciso y actualizado) es la intención de
todas las actividades de aprendizaje conectivistas
- La toma de decisiones es en sí misma un proceso de aprendizaje. Elegir qué
aprender y el significado de la información entrante se ve a través de la lente de
una realidad cambiante. Si bien ahora es una respuesta correcta, puede estar mal
mañana, debido a alteraciones en el clima de información que afecta la decisión.
▪ Características comunes de las teorías

Independiente de cual modelo, o combinación de estos debe ser usado, los entornos de
aprendizaje y la enseñanza formal tienen aspectos comunes (Casey & Fraser, 2010):
- El material para enseñar es ensamblado. Puede ser un ensamble físico y

desarrollo de recursos y, a menudo hay una organización y secuenciación del
material de acuerdo con algún orden lógico percibido, a facilitar el aprendizaje.
- El material se presenta a los alumnos de algún modo. la explicación verbal, las
demostraciones visuales, el uso de los medios o la persuasión a la discusión, por
ejemplo. Asociados con esta presentación se encuentran algunas actividades de
aprendizaje relacionadas, típicamente actividades estudiantiles, diseñadas para
reforzar el material presentado: la realización de ejercicios, por ejemplo.
- Con la enseñanza y el aprendizaje cara a cara, a menudo hay una interacción
iterativa entre los alumnos y el profesor. El maestro evalúa el éxito de aprendizaje
de los estudiantes y ajustar el proceso de enseñanza/aprendizaje en
consecuencia. Este ajuste constante al tener en cuenta el estado actual de
aprendizaje de los estudiantes, puede ser importante para un buen entorno de
aprendizaje. Este proceso tiene una dimensión temporal. Idealmente, el tiempo de
demora entre los pasos sucesivos de la iteración debería ser mínima
- El maestro puede asumir un rol de gerente y motivador del proceso de
aprendizaje: dirigir actividades de los estudiantes, evaluando su rendimiento y
alentarlos.
Es importante resaltar el papel desempeñado por la interacción humana, en este caso

entre profesor y estudiante; Esta interacción social puede permite la transferencia de
información, y también puede propiciar la motivación para participar en el aprendizaje.
El u-learning proporciona apoyos tecnológicos a las teorías mencionadas anteriormente,

al mismo tiempo, estas teorías de aprendizaje construyeron una base teórica para el
aprendizaje ubicuo. Los aspectos claves, es cómo aplicar la capacidad de computación y
administración de dispositivos ubicuos para navegar por el aprendizaje de los estudiantes
y mejorar sus estructuras cognitivas y modelos de pensamiento, además de promover la
construcción del conocimiento y la solución de problemas (Zhou et al., 2012)
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.
Tabla 1-6: Ejemplos teorías de aprendizaje.
Teoría de Enfoque principal Cómo sucede Elemento Aplicabilidad en u-

aprendizaje aprendizaje de learning
incidencia
Instructiva El docente juega un Asimilando lo Influencia del Definición dominio de
papel importante en que el profesor profesor, aprendizaje, Enseñanza
impartir la instrucción indica, “Buena específica de “algo”,
Memorización enseñanza” Profesor diseña los trabajos,
Motivación,
Conductivista Se condiciona el Pricipalmente se Estimulos, Programación de actividades,
aprendizaje. trata del recompensa, Refuerzo,
Capítulo 1 51
Se programa el comportamiento, castigo Cambio en la motivación,

aprendizaje. es observable actitud, ver desempeños,
Proceso estímulo-
respuesta.
Constructiva Rol activo de los Creado por cada Motivación, Profesor es un guía,
estudiantes en la persona participación, El estudiante construye su
construcción del social, propio conocimiento a partir
Conocimiento. cultura de investigación y desarrollo
Las interacciones de solución de problemas,
sociales son realizando ejercicios y tareas
importantes para la de evaluación,
construcción del Creando por ejemplo un
conocimiento. video con su móvil, etc.
Cognitiva Procesamiento Estructurado, Experiencias Cada individuo recibe,
mental de la computacional previas y procesa y almacena la
información, esquema información en el tiempo,
adquisición y mental actual Se busca cambiar una
almacenamiento. existente estructura coginitiva existente
para incorporar nueva
información,
Cognitiva Se aprende en Modelado, Relaciones, Propiciando la interacción
social - interacción con los observación e participación, síncrona o asíncrona, en
Aprendizaje demás imitación entorno físicos o virtuales.
social Ver trabajos de otros,
Conectivista El aprendizaje es un Esta distribuido Diversidad Usando la tecnología como
proceso de conexión en la red, o de Redes soporte de aprendizaje, con
de nodos contexto de cualquier dispositivo, a
expecializados de tecnología, cualquier lugar y momento,
diferentes fuentes, reconociendo e
Las tecnologías interpretando
digitales e internet
crean nuevas
oportunidades para
aprender y compartir
información
1.5 Estilos de aprendizaje y cognitivos
Al hablar de u-learning, también se debería considerar que hay diversidad de personas, y

que pueden aprender de forma diferente.
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
el entorno o el contexto. Por lo tanto, el estilo de aprendizaje de una persona es

maleable.
Jackson (C., 2002) propuso cuatro estilos de aprendizaje basados en la neuropsicología

de la personalidad: iniciador, razonador, analista e implementador. Esos estilos de
aprendizaje están influenciados en mayor o menor grado por la biología, así como por la
experiencia y el control consciente.
Sobre la base de la transformación de la experiencia, David Kolb (D. A. Kolb, 1984)

definió su Inventario de estilos de aprendizaje (LSI) teniendo en cuenta el ciclo de
aprendizaje. Kolb comenta sobre Experiential Learning Theory (ELT), como una teoría
dinámica y holística del proceso de aprendizaje de la experiencia y un modelo
multidimensional de desarrollo para adultos. La visión dinámica del aprendizaje se basa
en un ciclo de aprendizaje impulsado por la resolución de la dialéctica dual de
acción/reflexión y experiencia/abstracción. El proceso de aprender de la experiencia es
ubicuo, presente en la actividad humana en todas partes todo el tiempo. La naturaleza
holística del proceso de aprendizaje significa que opera en todos los niveles de la
sociedad humana, desde el individuo hasta el grupo, las organizaciones y la sociedad en
general. Para Kolb (A. Y. Kolb & Kolb, 2013), el aprendizaje se define como “el proceso
mediante el cual el conocimiento se crea a través de la transformación de la experiencia”.
El conocimiento resulta de la combinación de captar y transformar la experiencia. La
experiencia de captación se refiere al proceso de asimilar información, y la experiencia
transformadora es cómo los individuos interpretan y actúan sobre esa información. El
modelo ELT retrata dos modos de experiencia de captación dialécticamente
relacionados, Experiencia Concreta (CE) y Conceptualización Abstracta (AC) y dos
modos de experiencia de transformación dialécticamente relacionados, Observación
Reflexiva (RO) y Experimentación Activa (AE). El aprendizaje surge de la resolución de la
tensión creativa entre estos cuatro modos de aprendizaje. Este proceso se describe
como un ciclo de aprendizaje idealizado o espiral donde el aprendiz "toca todas las
bases" (experiencia (CE), reflexión (RO), pensamiento (AC) y actuación (AE)), en un
proceso recursivo que es sensible a la situación de aprendizaje y lo que se está
aprendiendo, Figura 1-7. En la version KLSI 4.0, Kolb (A. Y. Kolb & Kolb, 2013) plantea
nueve tipos de estilos de aprendizaje, que son: de iniciación, de experiencia, de
Capítulo 1 53
imaginación o crear, reflectante, de análisis, de pensamiento, de decisión, de actuación y

de equilibrio.
Figura 1-7: Ciclo de aprendizaje experiencial.
Fuente: (A. Y. Kolb & Kolb, 2013)
Honey y Mumford (Honey & Mumford, 1992) desarrollaron su modelo de estilos de

aprendizaje basado en el trabajo de Kolb pero utilizando un enfoque diferente. Ellos
acuñaron oficialmente los estilos reflectores/pragmático y teórico/activista como
mutuamente correspondientes. Honey and Mumford (Honey & Mumford, 2000) diseñaron
un cuestionario de estilos de aprendizaje (Learning Styles Questionnaire, LSQ)
inicialmente de 80 items, pero en el año 2000 sugieren una versión corta de 40 items
diseñada para encuestas online.
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,
atender a clases, discusiones grupales, teléfonos, hablar, uso de grabadora, chatear en

la red y hablar sobre conceptos. Aquellos que tienen un estilo de aprendizaje de lectura /
escritura utilizan la palabra impresa como la forma más importante de transmitir y recibir
información; son ejemplos como listas, lectura y escritura de manuales, folletos, libros,
informes, ensayos y tareas, notas y texto en general en todos sus formatos y en formato
impreso o en línea. El estilo de aprendizaje kinestésico utiliza sus experiencias y las
cosas que son reales, incluso cuando se muestran en imágenes y en pantallas; Tiene
que ver por ejemplo con: los sentidos (vista, tacto, gusto, olfato, oído), laboratorios,
visitas de campo, ejemplos de principios, casos de la vida real, simulaciones, videos,
aplicaciones, ejercicios prácticos, prueba y error, soluciones a problemas, exposiciones.
La siguiente tabla, plantea un ejemplo de estilos de aprendizaje y su aplicabilidad en u-

learning.
Tabla 1-7: Ejemplos estilos de aprendizaje y u-learning.

Corriente Estilos de Aplicabilidad con u-learning
aprendizaje
Visual Viendo videos, gráficas, mapas conceptuales u otros -en todas partes
Modelo y en cualquier momento.
VARK Auditivo Escuchando o hablando en clase presencial u online, conferencias, o
audio de un video, u otros - -en todas partes y en cualquier momento.
Lectura/escritura Texto en formato impreso o en línea. - -en todas partes y en cualquier
momento.
Kinestésicos Laboratorios, simulaciones, casos reales, creando videos, realizando
ejercicios u actividades, u otros. -en todas partes y en cualquier
momento.
Fuente: Construcción propia basada de (Fleming, 2001)
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
cognitivo individual. Refleja los hábitos individuales de procesamiento de la información y

las preferencias individuales en términos de organización y recuerdo de la información
(J.-J. Chang et al., 2018).
La forma en que los individuos recopilan y organizan la información se refiere al
comportamiento cognitivo, que de acuerdo a Miller (Miller, 1987) el concepto de cognición
se refiere al método de adquisición, almacenamiento y aplicación del conocimiento; este
proceso de cognición esta dividido en, percepción, memoria y pensamiento. Cada uno de
estos componentes contempla subprocesos, como indica la siguiente tabla.
Tabla 1-8: Resumen estilos cognitivos.

Proceso Descripción Sub-proceso Estilos cognitivos
cognición
Percepción La percepción es el proceso en el Reconocimiento de “levelling-sharpening”
cual los estímulos registrados por patrones
nuestros sentidos se interpretan nivelación-afilado
a la luz de nuestros Articulación de campo
conocimientos previos y se Atención (dependencia –
preparan para su uso en independencia)
procesos mentales más
complejos.
Memoria Proceso individual de retención, Representación Verbales (analíticos) -
almacenar la información visuales (analógicos).
Organización Complejidad -simplicidad
Recuperación Convergencia -divergencia
Pensamiento Es el proceso mediante el cual Clasificación Serial vs holístico
o esta información almacenada, “tight – loose”
razonamiento junto con la información actual Razonamiento "ajustadas", formales y
del entorno, se transforma y análogo literales - "sueltas",
manipula en busca de algún informales, profundas
objetivo. Comúnmente, el (metafóricas).
razonamiento implica ir más allá Actuarial (lógico) Vs
de la información dada al hacer Juicio, entendimiento intuitivo (razonamiento de
inferencias o trazar punto de referencia)
implicaciones.
1.6 Ejemplos de propuestas de u-learning
En este apartado se presentan ejemplos de proyectos u aplicaciones relacionadas con u-

learning. Como protocolo de revisión (basado de (Kitchenham & Charters, 2007)), se
establecen: bases de datos (IEEE explore, Scopus, Science Direct, Springer, ACM Digital
Library), publicaciones (revistas, proceedings de eventos, capítulos de libros o libros),
Periodo comprendido (2002 – 2018), Lenguaje (Inglés y español), Términos de búsqueda
((“u-learning” OR “ubiquitous-learning” OR “aprendizaje ubicuo”) AND (“smart TV” OR
“connected TV” OR “PC” OR “tablet” OR “Multi-screen” OR “everywhere” OR “NFC” OR

“GPS” OR “computer” OR “computador” OR “WSN” OR “mobile” OR “smartphone” OR
“teléfono inteligente” OR “RFID”)).
En (Ogata & Yano, 2004) proponen un sistema de apoyo de aprendizaje de idiomas
contextualizado para aprendizaje de expresiones japonesas, que se llama JAPELAS
(Japanese polite expressions learning assisting system). También existe otro sistema
llamado TANGO (Tag Added learNinG Objects), que detecta los objetos alrededor del
alumno usando Etiquetas RFID, y proporciona al alumno la información educativa. El
sistema de JAPELAS consiste en un PDA (Toshiba Genio-e) con Pocket PC 2002, puerto
de comunicación de datos por infrarrojos, lector/escritor de etiquetas RFID (identificación
por radiofrecuencia), GPS y LAN inalámbrica (IEEE 802.11b). El programa se ha
implementado con Embedded Visual C ++ 3.0.
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.
Figura 1-8: Ejemplo Cursos tutoriales en línea de la trayectoria adaptativa de U-learning

de matemáticas.
Fuente: (Shih et al., 2012)

Capítulo 1 57
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.
En Gustavo y otros (Ramirez-Gonz’lez et al., 2012) presentan una integración de

actividades de aprendizaje contextual sobre la plataforma LMS.LRN a través de
dispositivos móviles Android con soporte NFC, desde un modelo de internet de las cosas.
Esta limitado en dispositivos móviles, donde instalaron una app para acceder a un LMS.
(Zhou et al., 2012) presenta una exploración de aprendizaje ubicuo en un escenario de
aprendizaje de un curso fundamental de computador, resaltando resultados significativos,
pero aún sigue limitado el escenario, y fue trabajado solo empleando tablet y redes de
sensores.
En Kumar y otros (Mandula et al., 2012) se presenta detalles de implementación y

resultados de experimentación de un prototipo de streaming de video móvil en un entorno
de U-learning. El streaming móvil fue implementado en plataforma J2ME y en Android. El
trabajo expuesto por (H.-C. Chu & Lin, 2013), presenta un sistema de realidad
aumentada desarrollado para el aprendizaje ubicuo sensible al contexto, y que permite
clasificar los objetos de aprendizaje en el mundo real. Sólo empleo dispositivos Tablet y
tags RFID. (Chin & Chen, 2013) proponen un Sistema de soporte de aprendizaje móvil
para Entornos de aprendizaje ubicuo, llamado MLSS- Mobile Learning Support System).
Usan tecnologías de código QR y GPS. Enfocado sólo para móviles. El sistema piloto de
aprendizaje ubicuo utiliza teléfonos móviles con cámara y etiquetas de códigos de barras
2D para obtener información de los sitios web en línea.
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
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.
(Jun et al., 2014) propone la solución de aprendizaje ubicuo orientado a la tecnología

"multi-pantalla en uno" con video educativo, realizando la unión sin fisuras del video
educativo entre diferentes pantallas para garantizar el aprendizaje continuo y lograr la
recomendación inteligente del recurso de video relevante. Es aplicado en “Shanghai
Lifelong Learning Network”. Esta red se construye en un entorno multirredes, que se
compone de redes de satélite, televisión digital (en IPTV), Internet y redes móviles, e
integra diversas plataformas de aprendizaje. Los recursos de aprendizaje se gestionan
de forma unificada a través del sistema de gestión de activos multimedia (The multimedia
asset management system) y se presentan en una variedad de plataformas de
aprendizaje. Está basado principalmente en la función del sistema de gestión de activos
multimedia para adaptar y distribuir el video a diferentes redes-plataformas. Parece ser
soportado más en infraestructura cliente/servidor, y no en otras tendencias de cloud
computing, OTT, o TV everywhere.
En (Thiprak & Kurutach, 2015) desarrollan un sistema de recomendación consciente del

contexto omnipresente para apoyar el aprendizaje ubicuo, llamado (UbiCARsUL). Los
estudiantes pueden aprender sobre hierbas tailandesas en el campus y el sistema puede
recomendar la especie y tipo de hierba tailandesa para ellos. Emplean tags códigos QR y
móviles para obtener información del sitio web. (Lee et al., 2015) proponen una
plataforma de aprendizaje interactiva y ubicua basada en NFC (near field
communication), denominada (NU-learning). Involucra cuatro funciones: enseñanza
interactiva, diseños creativos de materiales didácticos, agrupación dinámica y
aprendizaje gradual. Limitado a equipos móviles con tecnología NFC.
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
distancia entre los estudiantes y los objetivos de aprendizaje. Los materiales de

aprendizaje también se pueden recuperar intuitivamente al abordar los objetivos de
aprendizaje en lugar de tener que encontrar las etiquetas pasivas de RFID. La Figura 1-9
ilustra escenario cuando las ubicaciones de los estudiantes están lo suficientemente
cerca de algunos objetivos de aprendizaje, entonces el sistema de aprendizaje le
presentará (en el móvil) las tareas de aprendizaje correspondientes, así como los
materiales de aprendizaje suplementarios.
Figura 1-9: Ejemplo de contenido detallado del objetivo de aprendizaje.
Fuente: (Hsu et al., 2016)
En (H. n Chu et al., 2016) plantean un sistema de aprendizaje de realidad aumentada

(ARMKC) para la construcción de conocimiento móvil de repertorio orientado a rejilla, que
ayuda a los estudiantes a observar y clasificar objetos de aprendizaje en el mundo real
con la tecnología innovadora emergente como realidad aumentada. El sistema propuesto
es capaz de detectar la ubicación de estudiantes individuales y proporcionarles apoyos
adaptativos mediante el uso de una tableta PC equipada con cámara y equipo de
comunicación inalámbrico; además, consiste en un módulo de guía de aprendizaje de
realidad aumentada, un módulo de transferencia de conocimiento de rejilla de repertorio y
un módulo de base de datos de fondo. La Figura 1-10 ilustra escenario de uL con AR.
Cuando los estudiantes observan una mariposa objetivo a través de la cámara de la
tableta PC, se agregará información adicional relacionada con la mariposa al objetivo. Tal
contexto de aprendizaje puede reducir la carga cognitiva de los estudiantes dado que
toda la información relevante se presenta de manera integrada.
Figura 1-10: Escenario aplicación UL con AR.
Fuente: (H. n Chu et al., 2016)
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.
Figura 1-11: Ejemplo Modelo Entorno de Aprendizaje Personal ubicuo, uPLEMO.
Fuente: (Gustavo A. Moreno López et al., 2016)

Capítulo 1 61
En (Ho et al., 2017) proponen un sistema de instrucción de aprendizaje ubicuo con

características de realidad aumentada (UL-IAR) para mejorar el rendimiento del
aprendizaje de EFL (English as a Foreign Language) con situaciones auténticas. Los
resultados mostraron que las estrategias de aprendizaje y los estilos cognitivos de los
usuarios afectan el rendimiento del aprendizaje en el uso de UL-IAR. Las personas con
estilo cognitivo dependiente del campo se ajustan mejor a la estrategia de aprendizaje
que otros usuarios que son independientes del campo y mezclan estilos cognitivos de
campo. La Figura 1-12 muestra solución implementada solo para móviles con sistema
operativo Android.
Figura 1-12: Ejemplo u-learning con realidad aumentada.
Fuente: (Ho et al., 2017)
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
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).
De acuerdo con la búsqueda en las bases de datos, de dispositivos como smartphones,

computadores, tablets y smart TV, la Figura 1-13 ilustra los dispositivos más empleados
en u-learning. De un total de 9531 apariciones en los artículos, sobresalen los
computadores (incluyendo laptops) con un 62 % y móviles (smartphones o teléfonos
inteligentes) con 29 %. Los dispositivos tipo TV digital o Smart TV, son los menos
empleados, con 1 %.
Figura 1-13: Dispositivos más empleadas en u-learning.
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.
Figura 1-14: Tecnologías más empleadas en u-learning.
WSN
4% Cloud
18% RFID
41% GPS
QR
17%
NFC
3% 9% Internet
8%
Fuente: Autor
En cuanto a tecnologías relacionadas con la propuesta de esta tesis, como TV

everywhere, streaming TV, Cloud TV, TV en la nube, Multi-screen TV, o Software-
defined TV, o TV multipantalla o OTT TV, articuladas con u-learning, es poco o nulo lo
que se encuentra.
1.7 Dificultades identificadas en la literatura sobre u-

learning
La Tabla 1-9 indica algunas de las dificultades y/o problemas reportados por algunos
autores en el dominio de u-learning. Algunos hacen más énfasis desde lo tecnológico,
otros relacionado con tecnología y costos, otros en tecnología+aprendizaje, en
tecnología+aprendizaje+motivación, en cobertura, otros relacionados a un modelo en
general, y otros énfasis en modelo+tecnología+aprendizaje. Estos enunciados se
convierten en potencial de temas a seguir trabajando.
Tabla 1-9: Dificultades reportadas en la literatura.
Referencia Descripción dificultad o aspecto a trabajar Énfasis

(Mandula et Limitaciones en términos de la variedad de capacidades de dispositivos, bajo
al., 2011) potencia de procesamiento, pobre conectividad, y altos costos de planes de
datos
Con los rápidos avances en tecnología inalámbrica y de sensores, se
requiere más investigación en aplicaciones de u-learning para el dominio
educativo
(Mandula et Mayor investigación para adaptar los videos de acuerdo las preferencias,
al., 2012). capacidades de usuario, y condiciones de red
(Edwin et al., Limitaciones encontradas de modo que el contenido pueda ser desplegado y
2012). adaptado en cualquier dispositivo
(Fang et al., Construcción del entorno de dispositivos para u-learning (teminales y redes),
2011). del entorno de soporte (plataformas y recursos) y del entorno de servicios
(contenidos y actividades).
(Aihua, 2010). Mayor estudio de las diversas tecnologías de comunicación
(Zahariev et Infraestructura TIC sin convergencia tecnológica
al., 2013).
(Stefan et al., Extender la investigación y experimentación con tecnologías de cloud
2013). computing
(Hijazi & Mejorar los recursos de cómputo, banda ancha; Aplicarlo en cursos reales
Itmazi, 2013) en la institución educativa e integrar las tendencias de tecnologías.
(Martin et al., Investigación y trabajo en frameworks más avanzados que encapsulen la Tecnología
2011). complejidad en el tratamiento con diferentes sensores (no sólo la ubicación)
y de objetos de aprendizaje, servicios, normas y plataformas
(Spínola & No todos los estudios incluyen requerimientos recomendados para software.
Travassos,
2012).
(Ravisekaran Varios sistemas de gestión de contenidos, LMS, no soportan funcionalidades
& ubicuas, y video conferencias.
Ramakrishnan
, 2015)
(de Sousa Se percibe una falta de entornos de aprendizaje ubicuo, basada en
Monteiro et arquitecturas de referencia, y software de código abierto
al., 2014).
(Tortorella et Los sistemas de aprendizaje sensibles al contexto existentes a menudo
al., 2018) utilizan sistemas sui generis, que requieren un trabajo extenso para
desarrollar e implementar, pueden ser difíciles de reutilizar y no
necesariamente facilitan la colaboración.
(Aihua, 2010). El costo de la implementación; La construcción de recursos; descubrimiento
de recursos e interacción; Seguridad; Mayor investigación en desarrollar Tecnología
estándares uniformes para U-computing y U-learning para que realmente se + costos
realice conexión transparente entre varios dispositivos
(Atif et al., Los retos de los entornos de aprendizaje ubicuo son, poner la información
2015) correcta, de la manera más correcta a la persona adecuada
(Aljohani et Mayor investigación debería ser conducida para investigar la asequibilidad
al., 2011) de estos dispositivos con el fin de encontrar el método óptimo de interacción
con la computación que pudiera fomentar más el aprendizaje eficiente
(Huang & Es necesario evaluar si los sistemas de u-learning son capaces de lograr el Tecnología
Chiu, 2015) propósito del aprendizaje significativo
+
(Jun et al., Hay algunos problemas en la aplicación de recursos de video, como, por
2014) ejemplo, no hay suficiente soporte en el conmutador, la distribución
aprendizaj
adaptativa y la programación de recursos de video entre diferentes e
dispositivos; los recursos de video educativos solo se pueden usar en
dispositivos separados y no pueden realizar el aprendizaje continuo y sin
interrupciones entre diferentes dispositivos.
(Coto et al., Se hace necesarios entornos ubicuos que propicien el aprendizaje continuo
2016), y adquirir habilidades comunicativas, de cooperación y trabajo grupal
Capítulo 1 65

(M. Chen, Yu, Los sistemas de u-learning deben proporcionar recursos contextualizados de
et al., 2017). forma dinámica de acuerdo con el contexto del estudiante.
(Mandula et La entrega de contenido de aprendizaje a los dispositivos móviles en función Tecnología
al., 2012). al contexto que los rodea. +
(T.-C. Yang et La mayoría de los estudios relacionados con u-learning enfatizan en: soporte
aprendizaj
al., 2012). de tecnología, asistencia al aprendizaje y que sea sensible al contexto. Pero
surge un gran interés en mejorar el desempeño del aprendizaje integrando
e
tecnología inteligente dentro del entorno de aprendizaje. Además, de cómo
realizar actividades de aprendizaje significativas en el entorno de
aprendizaje ubicuo
(H. Zhang & Los problemas relacionados con la diversidad incluyen principalmente la
Maesako, visualización de datos con el fin de mejorar el rendimiento de los diferentes
2009) alumnos, la síntesis de todo tipo de patrones de aprendizaje para los
alumnos en diferentes materias, las diferencias en los contextos culturales y
subculturales, la evaluación de los alumnos. el desempeño en estos
contextos de múltiples capas
(Diaz & Rusu, Los métodos de enseñanza tradicional no causan los efectos buscados, por
2014). ello los profesores deben ir adaptando las nuevas herramientas tecnológicas
para propiciar una motivación positiva en los estudiantes. Esto reconociendo
que los docentes (inmigrantes digitales), enseñan a nativos digitales
(estudiantes).
(B. Chang et Hay insuficientes recursos de aprendizaje congruentes con cada dispositivo Tecnología
al., 2007). y la dificultad para reusar la mayoría de los contenidos existentes; más +
experimentación de despliegue de contenidos en diferentes dispositivos e aprendizaj
investigar más en el comportamiento o información emocional del aprendiz. e
(Hung et al., Hacer seguimiento de factores personales y estado del aprendizaje, así +
2014). como más investigación del uso del video para mejorar los niveles de motivación
reflexión del estudiante.
(Jeong & Yi, Se necesita más investigación para determinar el método o sistema
2014). necesario para proporcionar el contenido de aprendizaje adecuado a las
capacidades del alumno y considerar factores detallados en la experiencia
de usuario como emoción o sentimiento.
(Zhou et al., Las prácticas de U-learning están principalmente limitadas a aplicaciones de Cobertura
2012). pequeña escala. Limitadas en cobertura y despliegue
(Zhou et al., Hay pocos modelos de aplicación maduros.

2012).
(Martin et al., Falta de modelos de desarrollo de sistemas de aprendizaje ubicuo.
2011).
(Umam et al., Los diseños de modelos de u-learning son aún limitados.
2017) Modelo
(Casey & Es necesario desarrollar modelos apropiados para diversos entornos y
Fraser, 2010) situaciones.
(M. Chen, Hace falta modelos para solucionar las discrepancias entre la formación y la
Chiang, et al., práctica docentes.
2017)
(H. Zhang & Hay una necesidad urgente para el desarrollo de un nuevo marco práctico
Maesako, teórico y técnico en el campo de la tecnología educativa para superar los Modelo
2009) obstáculos a la implementación efectiva y eficiente del aprendizaje ubicuo. +
tecnología
(Hsu et al., El advenimiento de la computación ubicua y de entornos de u-learning
+
2016) requiere el desarrollo de modelos de u-learning apropiados para informar el
uso de dichos entornos. aprendizaj
Es esencial guiar a los estudiantes a lo largo de una ruta de aprendizaje e
eficiente para maximizar su rendimiento de aprendizaje de acuerdo con la
situación actual. Por lo cual se requieren sistemas de soporte de aprendizaje
activos en un entorno uL sensible al contexto.

(Wang, Feng Para lograr un mayor desarrollo de los sistemas educativos apoyados con
& Zhou, las TIC se requerirá de nuevos enfoques para la enseñanza y el aprendizaje,
Chunfang, y nuevos tipos de tecnologías para soportar los nuevos enfoques.
2013).
(Zhan & Yuan, Es necesario diseñar entornos de aprendizaje ubicuo desde una visión
2009). holística.
(Zea Restrepo Se puede afirmar que la conciencia del contexto, la invisibilidad de la
et al., 2015) tecnología y la movilidad son importantes elementos en el proceso de
aprendizaje, pero para aprovecharlos es necesario ajustar los modelos y
prácticas pedagógicos, así como la cultura de los usuarios e instituciones, Modelo
incluyendo modelos de gestión +
(Umam et al., Lograr mayor sinergia entre el modelo u-learning con aprendizaje móvil o e- tecnología
2017) learning para producir modelos más inteligentes con el fin de crear un +
campus inteligente, de modo que las actividades de aprendizaje entre aprendizaje
estudiantes y profesores cada vez más estén entrelazadas dinámicamente y
una producción de alta competitividad
(M. Chen, Yu, El modelo de recursos de aprendizaje digital tradicional no puede cumplir
et al., 2017) con los requisitos de los recursos de aprendizaje contextualizados en el
aprendizaje ubicuo.
(G. zen Liu et Se necesitan diseños de aprendizaje apropiados para que el aprendizaje sea
al., 2016) más significativo y efectivo.
Desarrollar nuevas herramientas de medición para investigar los efectos de
la aplicación de las teorías educativas existentes o las estrategias de
aprendizaje para el rendimiento de aprendizaje de los estudiantes en un
entorno de u-learning.
(Mehmood et La optimización de un sistema de enseñanza/aprendizaje ubicuo se puede
al., 2017) beneficiar de todo tipo de big data.
(Indrajit, La aplicación de u-learning debería ser realizada desde un camino sistémico
2016). y holístico
(Tortorella et Se hace necesario integrar a un marco de trabajo otros aspectos del
al., 2018) aprendizaje sensible al contexto mediante la implementación de
adaptabilidad del aprendizaje y la personalización del alumno.
Fuente: Autor
Capítulo 1 67
1.8 Análisis de trabajos relacionados con modelos de u-

learning
1.8.1 Metodología de revisión literatura

Para la realización de este análisis es basado del proceso de revisión sistemática de
literatura planteado por Kitchenham (Kitchenham, 2004), (Kitchenham & Charters, 2007),
adaptado para nuestro estudio. El proceso contempla tres fases: planear la revisión,
realizar la revisión, y reporte de la revisión. La siguiente tabla presenta un resumen de lo
contemplado en este proceso.
Tabla 1-10: Proceso de revisión sistemática de la literatura.

Fase Pasos contemplados Aspectos generales planteados
Planeación Identificación de la Evidencias de Modelos de u-learning,
de la necesidad de revisión
revisión Definir un protocolo de • Empleo de bases de datos como IEEE explore, Scopus,
revisión Science Direct, Springer, Web of Science, ACM
• Publicaciones de revistas, capítulos de libros o libros.
• Periodos comprendidos desde año 2002 – 2018
• Términos de búsqueda (“u-learning” OR “ubiquitous-
learning” OR “aprendizaje ubicuo”) AND (“Model” OR
“Framework”)
• Criterios de inclusión (estudios-artículos de modelos o
frameworks relacionados con implementación de u-
learning)
• Criterios de exclusión (proceedings de eventos, o por
fuera de base de datos, o que no se puedan descargar)
Realización Identificación de Inicio búsqueda
de la investigaciones
revisión Selección de estudios Aplicación según protocolo
primarios
Extracción de datos Organización en carpetas, uso de la herramienta Zotero v.
5.0.60 para gestión bibliográfica y tabla en Microsoft Excel
para datos básicos.
Síntesis de datos Items característicos modelos (dominio de aplicación, grado
detalle del modelo, despliegue multipantalla,
infraestructura/tecnología empleada, uso principal video, uso
de estándares/especificaciones, orientación pedagógica,
prueba despliegue real, context awareness, integración de
más recursos TIC)
Reporte de Interpretación de Aspectos que se resaltan
la revisión resultados
Escritura reporte Informe escrito
Fuente: Construcción propia basada de (Kitchenham, 2004), (Kitchenham & Charters,
2007)
La siguiente tabla presenta una propuesta de clasificación que permita hacer el análisis
de los estudios definidos relacionados con modelos de u-learning.
Tabla 1-11: Propuesta clasificación análisis de estudios definidos.
Característica Posibles datos Descripción

Grado detalle del Bajo, Poca información,
modelo Medio, El detalle información es buena o
menciona algunos componentes,
Amplio, La información presenta más detalles -
varias etapas-componentes y/o puede
ser un referente para implementarlo
Despliegue multi- Si, No, parcialmente Soporta en varios dispositivos como TV
pantalla conectados, smartphone, Tablet, PC
Uso ppal. video Si, No Plantea el video como el contenido –
recurso principal de la solución
Integra más recursos Si, No, Poco, Regular, Si plantea que la solución pueda
TIC articularse con otros recursos como
app, redes sociales, etc.
Grado –propone más Limitada, En un área pequeña, o en campus, o
cobertura Media, simulado,
Amplia, Si el área de aplicación es más grande
(según recursos de IT y tecnologías a
No es claro, emplear),
No se plantea No se habla de cobertura de la
propuesta
Orientación PLE, aprendizaje activo, teoría Si contempla o hace énfasis en algún
pedagógica diseño instrucional, clase enfoque pedagógico
invertida, teorías de aprendizaje,
estilos de aprendizaje,
aprendizaje colaborativo, etc
Context awareness Si, No, poca La propuesta contempla la posibilidad
de usar soluciones o tecnología de
sensibilidad al contexto
Infraestructura / Cloud computing, internet, Cuáles son los recursos de IT o
tecnologías cliente/servidor, WSN, móvil, no tecnologías principales que soportan la
principal es claro, no se indica, etc. solución
Prueba despliege Si, No, No - es simulado Si contempla escenarios de
real experimentación, implementación real
Contempla uso de Si, No Como uso de estándares de e-learning,
estándares o de WWW, de TV, etc.
especificaciones
Dominio de Genérico, escuela, Universidad, Donde lo aplican
aplicación Campus, empresa,
entrenamiento de, Ciudad, etc.
Fuente: Autor
1.8.2 Resultado del análisis de la literatura

Como resultado del protocolo inicial de revisión de literatura en las bases de datos se
obtuvieron 4868 artículos. Luego se analizan y se descartan 4767 artículos, ya que los
títulos (en la base de datos de scopus previamente se filtraron también por palabras
claves: Ubiquitous learning, Ubiquitous computing, U-learning, Ubiquitous-learning
environment, Ubiquitous technology) no hacían referencia a un modelo o framework, o
proceso como guía para implementar una solución de u-learning. De esta fase se
obtienen 101 artículos. Luego se procedió a descartar los artículos provenientes de
Capítulo 1 69
proceedings de conferencias, congruesos, etc., dejando sólo las provenientes de revistas

o journals o libros. Con este criterio se descartaron 53 artículos. Posteriormente, de los
48 artículos que quedan, se descartan los artículos repetidos y los que no se pueden
descargar (enlace malo o no se pueden bajar), y se hace una lectura más amplia si
corresponden o contemplan un modelo o framework referente a la implementación de
una solución de u-learning. De esta revisión quedan 17 artículos para el análisis
posterior. La Figura 1-15 y
Figura 1-16 presentan el resumen del proceso de selección y total de artículos,
respectivamente.
Figura 1-15: Resumen proceso selección literatura.
Science Scopus: Web of ACM: Búsqueda

IEEE: Springer:
direct: 3999 science: 28 inicial en
149 283
294 115 B.D.
Artículos descartados
4767
Science Scopus: Web of ACM: 101 artículos

IEEE: Springer:
direct: 47 science: 4 potenciales /
24 5
5 16 según título -
tema
53
Science Scopus: Web of ACM: 48 artículos

IEEE: Springer:
direct: 22 science: 1 potenciales
2 5
5 13 de revistas o
libros
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
Figura 1-16: Resumen general artículos.
5000
4000
4868 4851
3000
2000
1000 17
0
Búsqueda Descartados Seleccionados
inicial
Fuente: Autor
1.8.3 Descripción breve de los trabajos seleccionados

A continuación, se presentan de acuerdo con los aspectos indicados anteriormente, una
breve descripción de los trabajos seleccionados:
En (H. Zhang & Maesako, 2009) proponen un framework de un ecosistema de desarrollo

del alumno para diseñar un entorno de aprendizaje ubicuo. Contempla módulos, para
soportar actividades de aprendizaje en diferentes fases de la espiral de conocimiento
(módulo de presentación, un módulo de comunicación, un módulo de construcción, un
módulo de producción y un módulo de contribución), y otras en capa intermedia (módulo
de gestión de tareas y el módulo de análisis de datos). Está más enfocado en uso de
móviles, no hay evidencia de implementación real. En la Figura 1-17 se puede observar
la arquitectura con los módulos indicados previamente.
Xinyou y Toshio (Zhao & Okamoto, 2011) presentan un framework de entrega de

contenidos adaptable al contexto para u-learning. Se presenta un modelo de tres niveles
de servicio para la entrega de contenido adaptable: servicio de contenido,
transcodificación y servicio de presentación. La limitante de este trabajo es que solo se
enfocó en PC y dispositivos celulares. Se indica que el reto y como trabajo de mayor
investigación es definir los diferentes contextos (contexto físico, contexto tiempo,
contexto del alumno y contexto de los recursos) y describir el entorno de aprendizaje
Capítulo 1 71
(capacidades de los dispositivos, y características de la red y el alumno). Además, que se

debe mejorar la interacción entre los participantes, y la calidad del contenido-video.
Figura 1-17: Arquitectura de sistema del ecosistema de desarrollo de aprendices basado
en la espiral de conocimiento.
Fuente: (H. Zhang & Maesako, 2009)
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.
Figura 1-18: Ejemplo Arquitectura del sistema.

Fuente: (Casey & Fraser, 2010)
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.
Figura 1-19: Modelo comunidad de u-learning basada en redes de sensores

inalámbricos.
Fuente: (H. Kim et al., 2012)

Capítulo 1 73
En Rabello et al (Rabello et al., 2012) se muestra el modelo de multiagentes

colaborativos para entornos de educación ubicuos descentralizados, aplicados en una
simulación con móviles y, para ello, se deben instalar agentes. Comprende componentes
de: servicio de objetos de aprendizaje, servicios de contexto de ambiente, servicios de
comunicación, servicios de conectividad. Articulados con multiagentes (agente social,
agente colector, y agente interfaz). La Figura 1-20 ilustra la arquitectura. No se presenta
despliegue real, fue simulado.
Figura 1-20: Arquitectura de CoolEdu.
Fuente: (Rabello et al., 2012)
En (Shih et al., 2012) plantean un framework y diseñan un entorno de aprendizaje ubicuo

llamado "sistema adaptativo de ruta de acceso de matemáticas". Este sistema permite a
los estudiantes aprender matemáticas durante su vida diaria en el campus con
dispositivos móviles más allá de la educación basada en la web con computadoras de
escritorio. Además, este sistema puede respaldar las pruebas y la instrucción adaptativas
basada en computadora en tiempo real después de que los estudiantes completan el
aprendizaje situado en el campus de matemáticas usando tecnología ubicua. Los
componentes principales son: tecnologías ubicuas (sensors RFID, redes inalámbricas,
Tablet con lector RFID), servidor con sistema de información context aware (bases de
datos actividades de aprendizaje, portafolio de aprendizaje) y sistema de gestión de
aprendizaje adaptativo (portafolio de pruebas y aprendizaje correctivo), Figura 1-21.
Cada estudiante está equipado con una Tablet PC con un lector RFID que puede leer los
datos de la etiqueta si el estudiante está lo suficientemente cerca. Una vez que el
sistema de U-learning adaptable identifica el sitio, se puede leer la información relevante
de las bases de datos de actividad de aprendizaje, portafolio de aprendizaje, portafolio de

prueba y aprendizaje de recuperación en el servidor a través de comunicaciones
inalámbricas.
Figura 1-21: Framework de la ruta de matemáticas u-learning adaptativo.
Fuente: (Shih et al., 2012)
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
envío, fase de retroalimentación y discusión), y factores de contexto (grado de dificultad,

factor educacional, factor de afinidad). Es planeado para usar agentes en dispositivos
móviles. Plantea a trabajo futuro redefinir las reglas e implementar el desarrollo del
prototipo en un escenario real.
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.
Coto et al (Coto et al., 2016), presentan modelo de enseñanza-aprendizaje colaborativo y

ubicuo (u-CSCL) a partir del uso de herramientas tecnológicas actuales, utilizando
diferentes dispositivos de interacción, permitiendo no sólo aprender continuamente sino
adquirir habilidades comunicativas, de cooperación y trabajo grupal. Los componentes
del modelo son: Docentes, Estudiantes, Materiales de estudios (contenidos, actividades
colaborativas, contenedor de objetos de aprendizaje), Plataforma Tecnológica (sistemas
de gestión de aprendizaje, ambientes virtuales de aprendizaje), y Servicios de acceso.
Implementan una plataforma tipo Mooc, basada en framework de desarrollo web Django.
Menciona usar herramientas colaborativas. Si bien se indica, que soporta diversos
dispositivos, no se presenta suficiente información que respalde tecnológicamente el
despliegue a diversos dispositivos. No hay evidencia para despliegue en TV o en
móviles.
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.
Figura 1-22: Modelo educaticional para escenarios de u-learning.
Fuente: (Zea Restrepo et al., 2015)
En (Atif et al., 2015) plantean un modelo de aprendizaje ubicuo dentro de un entorno de

campus inteligente “pervasivo”. Integran el perfil del alumno con personalizar la
instrucción en entornos pervasivos. Este trabajo extendió LOM basado en objetos de
aprendizaje para proporcionar objetos PLOM (una estructura para capturar recursos de
aprendizaje pervasivos). El perfil de aprendizaje fue modelado con LIP (Paquete de
información del alumno) para acceder a la información de los alumnos. El estándar IEEE
LOM se usó para la adquisición de contexto y la inmersión social. OWL (OntologyWeb
Capítulo 1 77
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.
Figura 1-23: Modelo de diseño de aprendizaje para u-learning.
Fuente: (G. zen Liu et al., 2016)
Figura 1-24: La estructura lógica del recurso de aprendizaje ubicuo con contexto.
Fuente: (M. Chen, Yu, et al., 2017)
En Umam et al (Umam et al., 2017), presentan el diseño de modelo de aprendizaje

ubicuo y muestra las experiencias de los participantes en la mejora del compromiso y el
comportamiento utilizando IIMG (interactive internet messenger group) para las
interacciones entre alumno - alumno y alumno – profesor (o conferencista), Figura 1-25.
En la práctica se empleó dispositivos móviles y whatsapp.
Capítulo 1 79
Figura 1-25: Modelo de u-learning usando IIMG.
Fuente: (Umam et al., 2017)
En Chen et al (M. Chen, Chiang, et al., 2017) presentan un modelo de capacitación

docente adaptable al contexto en un entorno de aprendizaje ubicuo, Figura 1-26. El
modelo está compuesto por las siguientes fases: entorno de u-learning, colaboración
intragrupo, comunicación entre grupos, comentarios y resumen. El entorno de
aprendizaje ubicuo está compuesto de: recursos físicos unidos a códigos QR, una red
inalámbrica y un sistema de aprendizaje. Emplean dispositivos tablets. La infraestructura
que soporta no es clara. Es aplicado en campus.
Figura 1-26: Un modelo de formación docente adaptable al contexto en el entorno de u-

learning.
Fuente: (M. Chen, Chiang, et al., 2017)

En (Tortorella et al., 2018) se presenta un framework para el diseño de un sistema de u-

learning sensible al contexto, en procura de que el sistema se adapte al contexto del
alumno. El marco se basa en la integración de un sistema experto y un sistema de
aprendizaje consciente del contexto. El marco integra un motor de inferencia con la
asignación estructurada de sensores, atributos y reglas para facilitar la operación del
sistema. Hay seis componentes principales del marco: adquisición de datos del sensor,
verificaciones de asignación de atributos, motor de inferencia, consulta de datos,
acciones basadas en reglas y resultados del usuario. La Figura 1-27, muestra la
estructura interna del framework para el desarrollo de sistemas de aprendizaje basados
en contextos. La prueba de implementación fue a pequeña escala, realizando un
terminal de formación de inferencia de conocimiento para un sistema de entrenamiento
de condución. Se usa un Raspberry Pi 2 como unidad principal de procesamiento,
sensores, display LCD. No se indica el uso para otros dispositivos, el sistema esta
basado además en sensores y se requiere de mayor programación.
Figura 1-27: Estructura interna del framework propuesto.
Fuente: (Tortorella et al., 2018)
En (Mehmood et al., 2017) proponen un framework de enseñanza/aprendizaje virtual

personalizado ubicuo (Ubiquitous eTeaching & eLearning (UTiLearn)). Plantea los
Capítulo 1 81
siguientes componentes: 1) Analizador de sentimiento, 2) Componente de

reconocimiento de actividad e identificación de usuario (UARI) del usuario, 3) Modo
Asesor de entrega del contenido adaptativo (ACDMA), 4) Componente del sistema y de
la red y predicción de la demanda (SNPDP), y 5) Componente de análisis de rendimiento,
predicción e intervención (P2AI). La Figura 1-28 muestra estos componentes. No hay
implementación real, es simulado en un supercomputador (Aziz en King Abdulaziz
University), emplean PC y móviles.
Figura 1-28: Framework de UTiLearn.
Fuente: (Mehmood et al., 2017)
1.8.4 Análisis de las debilidades de los modelos seleccionados

Teniendo en cuenta la propuesta de clasificación para hacer el análisis de los estudios
definidos relacionados con modelos de u-learning, planteado en el numeral 1.8.1 del
presente capítulo, se procede a realizar el análisis de limitaciones o debilidades. La
Tabla 1-12 presenta los datos extraídos y posteriormente se describe la interpretación.
Tabla 1-12: Comparativo de modelos.
Autor Grado Despliegue Uso Integra Grado – Orientación Context Infraestructura / Prueba Contempla uso Dominio de
detalle multi- ppal. más propone pedagógica awareness tecnologías despliege de estándares o aplicación
del pantalla video recursos cobertura principal real especificaciones
modelo TIC
(Umam et Bajo No No No Media No No Internet Si No Comunicación
al., 2017), identificada Messenger (IM) en general
basada en
mensajería texto
(Shih et al., Bajo No No No Media Modelo Si Cliente/servidor Si No se indica Educación -
2012) (Campus) instrucional, matemáticas
Aprend/ Sensores RFID,
situado Tablet PC,
wireless
(Atif et al., Meda No No No Media Aprend/ Si Apple MacBook No, Si Sistema u-
2015) (Simulado, experiencial, Pro with Mac OS simulado learning en
En Aprend/ X version 10.8.4 campus
campus) personal/. Tiny Web
Server, Mobile
Learning
Devices & Living
Labs
(M. Chen, Media No No Si Media No Si No es clara Si No se indica Educación en
Yu, et al., (campus) identificada plantas –
2017) escuela
vocacional
China
(M. Chen, Media No No No es Media No Si Códigos QR, WiFi, Si No se indica Entrenamiento
Chiang, et claro (Campus) identificada general de
al., 2017) profesores, univ.
Medio No No Poco Limitado No Si No es clara / Si No En general-----
(Tortorella et identificada Raspberry Pi 2, Caso estudio
Display LCD, Sistema de
al., 2018)
Sensores, entrenamiento
sistemas expertos de conducción
(G. zen Liu Medio + No No No se Aprendizaje Si No hay evidencia No No Genérico
et al., 2016) Regular indica person/,
Aprend/
guiado por
estrategias
Fuente: Autor

Autor Grado Despliegue Uso Integra Grado – Orientación Context Infraestructura / Prueba Contempla uso Dominio de
detalle multi- ppal. más propone pedagógica awareness tecnologías despliege de estándares aplicación
del pantalla video recursos cobertura principal real
modelo TIC
(Zhao & Media Parcialme No Si No es No Si Cliente/servidor Si No es indicado No es claro
Okamoto, nte claro identificada
2011) Móviles, PC
(Casey & Media- No No Si No se Teorías de No se Cliente servidor No No es indicado Metodología en
Fraser, amplia indica aprendizaje, indica XML, ASP.net, general
2010) Aprendizaje móviles
basado-
tareas
(H. Zhang & Amplio + No No Si No se Teoría del No internet / No No Genérico
Maesako, indica constructivis móviles
2009) mo social,
(Rabello et Medio No No Regular Media Modelo Si Agentes – No No Genérico
al., 2012) (Simulado) socio-
interaccionis móviles
ta
(Mehmood Medio No No Si Amplia “deep Si Cliente servidor No No Sociedad
et al., 2017) amplio (Simulado) learning” PC, móvile intelegente
(H. Kim et Media No No Regular Media Teoría Si Client/ No No Comunidad u-

al., 2012) (Campus) conectivista Server – learning - entornos
de ciencias de
Móviles y WSN aprendizaje
(Wagner et Media No No Poco Simulado No Poca Agentes No No se indica Ciencias de la
al., 2014) identificada Ontologías computación
(Zea Media- No No Si Media- Conectivismo, Posible/. No es clara No indica No Modelo general
Restrepo et amplia amplia aprendizaje para instituciones
al., 2015), significativo de educación
superior
(Coto et al., Media- No hay No Regular Media- Aprendizaje No No es clara – Si Si Entorno de
2016) amplia evidencia amplia colaborativo Plataforma tipo cooperación
clara moodle ubicua en
universidades
(Caceffo & Medio No No Poco Limitado Modelo No Cliente servidor No No Sistema de
Vieira da Classroom aprendizaje respuesta en el
Rocha, activo, - teoría PDA agents (mobile aula
constructivista devices),
2012)
En la primera característica sobre el Grado detalle del modelo, la mayoría corresponde a
un grado media (82%), donde si bien hay buena información de la propuesta, hacen falta
más etapas o componentes que guien una implementación de u-learning desde una
perspectiva más integral (planeación como aspectos tecnológicos, pedagógicos, diseño,
desarrollo, implementación, evaluación).
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.
Con respecto a la característica orientación pedagógica, se identifican varios enfoques

como teoría conectivista, constructivismo, aprendizaje basado en proyectos, aprendizaje
colaborativo. Lo que se resalta es que no hay un referente de teoría de diseño
instruccional.
Sobre la característica de si el estudio contempla context-awareness, más de la mitad

(65%) lo plantean. Esto es normal e importante que las propuestas de u-learning lo
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.
Para la característica de Infraestructura/tecnologías principales, algunos estudios no lo

contemplan, varios reflejan infraestructura cliente-servidor, principalmente usan
dispositivos móviles, PC. Varios incorporan el uso de sensores, WSN. Otro usa un
sistema basado en raspberry. Unos pocos usan agentes-ontología. Se destaca que es
poco o no se contempla sobre el uso de infraestructura/tecnologías soportada en la nube
y el uso de diversidad de pantallas.
Se identifica en los estudios analizados que en promedio la mitad (41%) presenta

pruebas de despliegue real, con un 6% es simulada, y el resto (53%) no indican. Esto es
importante para ver si la solución técnicamente es posible o ver alcances o experiencias
de usuario u otros resultados. Aunque algunas son limitadas en cobertura, y a ciertos
dispositivos.
Frente a la característica de si Contempla uso de estándares o especificaciones, la

mayoría (82%) no lo indican, solo el 12% si. Esto puede ser una debilidad para futuras
implementaciones, robustez o proyección de la solución.
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
1.9 Tendencias que favorecen la implementación de u-

learning
1.9.1 Dispositivos ubicuos

El incremento en el número de dispositivos ubicuos sigue en aumento. Este crecimiento
en los dispositivos con capacidades de conectarse a la red internet, beneficia la
implementación de u-learning, ya que hay diversidad de dispositivos con los cuales un
“aprendiz” puede usar, y de acuerdo con su preferencia elegir el lugar, momento y
pantalla de visualización. La movilidad es muy importante, por ejemplo, con el uso de los
smartphones o tablets.
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.
• Las PC representarán el 4% (1,2 mil millones) de todos los dispositivos en red en

2022, en comparación con el 8% en 2017.
• Tablets representará el 3% (790 millones) de todos los dispositivos conectados en
red en 2022, comparado con el 3% (615,6 millones) en 2017, (5.1% CAGR).
• Los teléfonos inteligentes representarán el 24% (6,7 mil millones) de todos los
dispositivos en red en 2022, comparado con el 24% (4,3 mil millones) en 2017, (9.2%
CAGR).
• Los televisores conectados representarán el 11% (3,2 mil millones) de todos los
dispositivos en red en 2022, comparado con el 13% (2,3 mil millones) en 2017, (7.2%
CAGR). Los Televisores conectados incluyen televisores de pantalla,
decodificadores, adaptadores de medios digitales (DMA), reproductores de discos
Blu-ray y consolas de juegos.
• Los teléfonos no inteligentes representarán el 4.2% (1.200 millones) de todos los
dispositivos conectados en red para 2022, en comparación con el 16% (3.000
millones) en 2017, (-16.5% CAGR).
• Otros portátiles representarán el 3% (728 millones) de todos los dispositivos
conectados en red para 2022, en comparación con el 2% (290,6 millones) en 2017,
(20.2% CAGR).
• Los televisores 4K representarán el 62% (798.7 millones) de todos los televisores de

pantalla plana para 2022, en comparación con el 22.9% (162.2 millones) en 2017,
(37.6% CAGR).
Los usuarios multiplataforma (los que acceden a internet a través de diferentes

dispositivos como computadoras, Tablet y smartphones) continúan constituyendo la
mayoría de los mercados, con un promedio de 46 % de la población total. El solo uso del
móvil tiene un promedio del 30%, seguido de solo computador de 24 %. (ComScore,
2018).
La siguiente figura presenta un resumen de la proyección del crecimiento de diferentes

dispositivos conectados.
Figura 1-29: Proyección crecimiento dispositivos conectados a nivel global.

Capítulo 1 89
Fuente: Construida basada de Cisco VNI Global IP Traffic Forecast, 2017-2022.
▪ 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).
Figura 1-30: Dispositivos electrónicos en hogares Colombianos.
Fuente: (MINTIC, 2017).

Así lo reitera la Encuesta Nacional de Calidad de Vida - ECV (DANE, 2019), el

crecimiento del uso del teléfono celular se mantiene. La Figura 1-31 Ilustra el porcentaje
de personas de 5 años y más que usan teléfono celular, a nivel nacional el 85,5%.
Siendo Valle, Bogotá y las regiones Central y Oriental las que registraron los mayores
niveles de uso de los celulares. Por el contrario, en el periodo 2016-2018 se registró
una reducción del 45,2 al 42 % en el porcentaje de hogares que tienen computador
(de escritorio, portátil o tableta).
Figura 1-31: Uso del teléfono celular a nivel nacional y regional.
Fuente: DANE-ECV
En Colombia también crece el uso multiplataforma (usuario usa varios dispositivos),

representado por un 67 %, y de estos 86 % son milenians, (comScore, 2017).
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
Fuente: DANE - ECV
1.9.2 Tecnologías que pueden soportar la implementación de u-

learning
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)
• 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.
1.9.3 Tráfico e internet banda ancha
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.
Figura 1-33: Tráfico IP global por categoría de aplicación. Video IP en aumento.
Fuente: Cisco VNI Global IP Traffic Forecast, 2017–2022.

Capítulo 1 93
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.
Figura 1-34: Tráfico global de internet por tipo de dispositivo.
El rápido crecimiento del tráfico de datos móviles ha sido ampliamente reconocido e

informado. La tendencia hacia la movilidad también se traslada al ámbito de las redes
fijas, ya que una parte cada vez mayor del tráfico se originará en dispositivos portátiles o
móviles. Para el año 2022, las redes cableadas representarán el 29 por ciento del tráfico
IP, y las redes móviles y Wi-Fi representarán el 71 por ciento del tráfico IP.
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).
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
Las velocidades de banda ancha serán esenciales para el soporte de almacenamiento en

la nube del consumidor, realizar la descarga de archivos multimedia de gran tamaño tan
rápido como una transferencia desde un disco duro. Por ejemplo, no es lo mismo
descargar una película en HD a 10 Mbps (aprox. 20 min) que en 100 Mbps (aprx. 2 min).
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.
Tabla 1-14: Porcentaje conexiones banda ancha mayores a 10, 25 y 50 Mbps,

proyectadas al 2019 y al 2022.
Velocidad A nivel mundial Latin América A nivel Latin
mundial América
Año 2019 Año 2022
Mayor a 10 Mbps 79 % 52 % 95 % 72 %
Mayor a 25 Mbps 60 % 26 % 79 % 36 %
Mayor a 50 Mbps 44 % 11 % 63 % 14 %
Fuente: Construcción propia basada de Cisco VNI, 2018
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.
Figura 1-35: Demanda significativa de video en el hogar del futuro.
Fuente: Cisco VNI, 2018
▪ 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.
Año 2019 Año 2022
Europa occidental 31.2 50.5
Norte América 27 42
Asía Pacífico 18 28.8
Fuente: Construcción propia, basada de Cisco VNI, 2018
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.
▪ Velocidades de Wi-Fi desde dispositivos móviles

A nivel mundial, las velocidades de conexión Wi-Fi originadas desde los dispositivos
móviles de modo dual casi se duplicarán al 2022. La velocidad promedio de conexión de
la red Wi-Fi (36,3 Mbps en 2019) alcanzará los 54.2 Mbps para 2022, Tabla 1-16. Las
velocidades de Wi-Fi dependen inherentemente de la calidad de conexión de banda
ancha en las instalaciones y del estándar de Wi-Fi en el dispositivo CPE. También un
factor importante en el uso de la tecnología Wi-Fi es la cantidad y disponibilidad de
puntos de acceso (Cisco, 2019).
Tabla 1-16: Velocidades de conexión de red Wi-Fi promedio proyectadas (en Mbps) por
región.
Año 2019 Año 2022
Europa occidental 36.3 49.5
Norte América 56.8 83.8
Asía Pacífico 42.2 63.3
Fuente: Construcción propia, basada de Cisco VNI, 2018
▪ 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
velocidades teóricas muy altas, se considera un verdadero complemento alámbrico y

puede permitir una transmisión de video de mayor definición y servicios con casos de uso
que requieren mayores velocidades de datos. El último estándar 802.11ax, también
llamado Wireless-High-Efficiency (HEW), tiene el objetivo de mejorar el rendimiento
promedio por usuario en un factor de al menos cuatro veces en entornos densos de
usuarios, que permitirá implementaciones densas de IoT.
Figura 1-36: Futuro de las tecnologías alámbricas e inalámbricas.
Fuente: Cisco VNI Global IP Traffic Forecast, 2017–2022. (Cisco, 2019).
▪ 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.
Figura 1-37: Conexiones a internet banda ancha en Colombia.
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.
35
30
25
Millones
20
15 32,7
10
17,6 15,1
5
0
Total conexiones Modalidad Modalidad demanda
suscripción
Conexiones banda ancha
Fuente: Construcción propia basada de (MinTIC, 2019).
Al finalizar el cuarto trimestre de 2018, las conexiones a Internet de Banda Ancha

estaban compuestas principalmente por conexiones móviles a Internet, las cuales
llegaron a un valor cercano de 26 millones, Figura 1-38. De ellas, 8,4 millones son
conexiones móviles 4G en la modalidad de suscripción; 7,8 millones corresponden a
conexiones móviles 4G en la modalidad de demanda; 7,3 millones son conexiones
móviles 3G en la modalidad de demanda, y 2,5 millones son conexiones móviles 3G en la
modalidad de suscripción.
Figura 1-38: Conexiones fijas y móvil a internet banda ancha en Colombia.
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
Fuente: Construcción propia basada de (MinTIC, 2019)

Capítulo 1 99
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 proporción de hogares con acceso a Internet ha aumentado al 2018 en 63,1% en las

cabeceras municipales, lideradas por Bogotá, Valle y Antioquia, Figura 1-39. El
departamento del Valle se destaca, además, por registrar en los centros poblados y rural
disperso una proporción de hogares con conexión a Internet (46,3%) (DANE, 2019).
Figura 1-39: Hogares con servicio de internet nacional y regional.
Fuente: DANE-ECV 2019
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.).
Figura 1-40: Uso internet Nacional y regional en cualquier lugar.

Fuente: DANE-ECV 2019
1.9.4 Web ubicua
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).
5 HTML 5.2. https://www.w3.org/TR/html5/

Otros ejemplos de estándares que propician la web ubicua se plantean en subcapítulo

3.2.
1.9.5 Generación de nuevos estudiantes

Sin lugar a duda las nuevas generaciones de estudiantes están rodeados de más
tecnologías y recursos que en pasadas épocas, lo cual puede contribuir al proceso de
aprendizaje. De acuerdo con la época en que se nace, y de acuerdo con el contexto, los
avances tecnológicos, entre otros, se habla de generaciones. Una generación como
indica Karen et al (Jackson et al., 2007), es un grupo de pares, que se define tanto por
los eventos clave de la vida como por sus características demográficas. Las
generaciones planteadas por varios autores (McCrindle, 2014) (Hill et al., 2017)
(Herrando et al., 2019) (Roblek et al., 2019) son Silent Generation, Baby Boomers,
Generation X, Generation Y, Generation Z, y Generation alpha. A la firma de tendencias
sociales de Mark McCrindle (McCrindle, 2019), se le atribuye el término de la última
generación, la Alpha, donde indica que los bebes-niños en general tienen una pantalla
interactiva en sus manos antes de hablar.
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
Tabla 1-17: Generaciones de estudiantes.
Generación Periodo Algunas características

aprox.
nacimiento
Silent Antes de 1946 También conocida como veterans o builders.
Generation Experimentaron depresiones, segunda Guerra mundial, Guerra de
Korea
Baby Entre 1946 y También conocido como post-war generation.
Boomers 1964 Experimentaron la expansión suburbana,
la explosión de la television y radio.
Generación Entre 1965 y También conocido como Gen X.
X 1979 Los primeros en aceptar la tecnología. Se familiarizan con el
computador.
Generación Entre 1980 y También conocidos como Gen Y, Millennials, o Generation Next” o
Y 1994 “Digital Natives o ‘ninis’ o Generación selfie.
Se adaptaron rápida/ a los cambios tecnológicos. Inicios de la

digitalización. Primera generación en ser más global.
Experimentan el desarrollo de la cámara digital, redes sociales
(Facebook, Twitter, LinkedIn), YouTube.
Crecieron con computadores, correo electrónico, internet, teléfonos
celulares, entre otros. Les gusta pantallas tactiles. Appdictos. Varias
pantallas.
Capaz de realizar múltiples tareas rápidamente y son buenos con la
presión, colaborativos y uso de tecnología. Les gusta compartir todo en
internet.
Generación Entre 1995 - También conocido como Gen Z, Centennials o posmileniales, o internet
Z 2009 generation, o Net Gen, o nativos digitales 100%, o iGen o Gen Wii o
Generation Connected o Generación Youtubers o Generación App
Primera generación que no experimento vida sin internet. Amplia
expansion de internet.
Nacieron practicamente en un entorno lleno de tecnología, prefieren uso
de dispositivos móviles. Les gusta pantallas tactiles. Multipantalla y
multidispositivos.
Les gusta estar conectados con otras personas en redes sociales. Son
más visuales. Son indenpendientes, arriesgados. Inmediatez.
Autodidactas (aprender online). Son críticos e inconformistas. Creativos.
Son más privados e incognitos que los millennials.
Generación Desde 2010 Conocidos también como “children of millennials” o glass generation.
Alpha Es una generación que nacieron comple/ en el siglo XXI y viven
inmersos con la tecnología. Su primer babysitters son las pantallas
(Tablet, smartphone, etc).
Entorno de tecnologías digitales e inteligentes, robótica, etc. Además de
pantallas táctiles, les gusta experimentar otras sensaciones como con el
sentido del gusto (Tastescreens). Les gusta usar y reiventar los
wearables.
Son más conocedores de la tecnología, más emprendedores, les gusta
mantenerse en línea y menos contacto humano que generaciones
anteriores, son más móviles, más autosuficientes, comparten menos, no
les importa la privacidad (son más exhibicionistas), no les gusta jugar
con reglas, viven el momento, constantemente cambian, quieren verlo
todo de una vez, tratarán de liberarse de ataduras. Les gusta las aulas
conectadas y aprendizaje online.
Fuente: Construcción propia basada de varias lecturas.
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
instructiva, mientras que los de Generación Y, Z y Alpha prefieren que sea interactivo,
multi-modal y virtual respectivamente.
Tabla 1-18: Otros rasgos distintivos de las generaciones.
Generación/ Formato de Influyentes / Enfoque de Entorno de

aprendizaje consejo entrenamiento aprendizaje
Builders Formal Autoridad, Tradicional, Estilo militar

Instructiva Funcionarios En el trabajo, Didáctico y
“top-down” disciplinado
Baby Estructurado Expertos Técnico, Estilo aula,
Boomers Datos, Ambiente tranquilo
Evidencia
Generation X Espontáneo, Practicantes (que Práctico, Estilo Mesa redonda,
Participativo ejercen una Estudios de caso, Ambiente relajado
profesión) Aplicaciones
Generation Y Interactivo Pares - Emocional, Estilo Café,
compañeros Cuentos-historias, Música y multimodal
Participativo
Generation Z Multi-modal Generado por Multi-modal, Estilo de sala de estar,
usuario, e-learning, Multi-estimulo
Foros Interactivo,
Generation Virtual “Robot-advice” Constructivo, Flexible- ubicuo –
Alpha multi-experiencia, personal – en la red
Fuente: Construcción propia y basada de GenZGenAlpha de McCrindle (McCrindle, 2019)
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.
1.10 Conclusiones del capítulo

En este capítulo se presentó dentro del contexto de las tecnologías educativas, el
enfoque de ubiquituos learning. Se presentó una revisión de conceptos sobre u-learning,
una propuesta de un nuevo concepto, usos, escenarios de aplicación y dificultades
reportadas. También se abordó desde las teorías de aprendizaje la aplicabilidad en u-
learning, y ejemplo de como el u-learning puede beneficiar los diferentes estilos de
aprendizaje. U-learning es un paradigma mediado por las TIC que puede favorecer al
proceso de enseñanza y aprendizaje, ya que abarca todas las posibles alternativas de
educación, desde cualquier lugar y momento, y con cualquier dispositivo y recurso TIC,
que enriquecen al estudiante, docente, entre otros. Como se indicó los usos del u-
learning son diversos, para cualquier área de conocimiento, en diferentes contextos
(como la salud, de trabajo, educativos, de ciudades incluyentes), para entornos de
aprendizaje personal (PLE) u organizacionales (Ej., institución educativa, una empresa, o
entidad del gobierno), entre otros. Mediado con las TIC y las telecomunicaciones, existe
la posibilidad de aprender en cualquier momento, lugar y con cualquier medio,
potencializando los escenarios de educación formal, no formal e informal.
También se mencionaron algunas tendencias que favorecen la implementación de u-

leanring, como el incremento de dispositivos ubicuos, de banda ancha, web ubicua,
tecnologías como plataformas de video multipantalla, y generación de nuevos
estudiantes rodeados de tecnología. La revisión sistemática de literatura permitió
evidenciar propuestas y modelos de u-learning. Más sin embargo el análisis permitió
mostrar, que existen muy pocos trabajos que consideran la característica de despliegue
multipantalla, que el video sea un componente principal, que la infraestructura este
soportada en la nube, que el modelo este detallado de forma amplia para su posible
implementación, que la orientación pedagógica esta basada de la teoría de diseño
instruccional, y de aplicación para Universidades.
En el próximo capítulo se planteará el contexto de la TV everywhere o multipantalla.

2. Contexto de TV multipantalla
La TV ha evolucionado y ha dejado de ser exclusiva a una sola pantalla, conocida como

televisor (TV set) o primer pantalla, a un escenario donde sobresalen diversidad de
pantallas como la del computador, la del Tablet, teléfonos inteligentes o smartphones,
conocidas como segundas y terceras pantallas, y que gracias a la convergencia de
tecnologías, conectividad a internet, y otros avances hacen posible que la televisión o el
contenido de video se pueda desplegar igualmente en las diferentes pantallas
conectadas a internet (smartTV, Smartphone, Tablet, o laptop).
Este capítulo también contribuye al primer objetivo al plantear el contexto de la TV

multipantalla, ilustrando su evolución, una comparación, planteamiento de conceptos
relacionados, y con el segundo objetivo ilustrando las tecnologías que posibilitan el
despliegue multipantalla
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
siguiente figura ilustra ejemplos de televisores y la antena tipo yagui para recepción, en
esta primera generación de la Televisión.
Figura 2-1: Ejemplo primera generación 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.
Figura 2-2: Ejemplo segunda generación de televisión.

Capítulo 2 109
▪ 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.
Figura 2-3: Ejemplo escenario de TDT bajo estándar DVB-T2.

Fuente: Construcción basado de (TDT, 2014)
A nivel mundial hay varios estándares de televisión digital, pero el de mayor

implementación es el Europeo DVB (Digital video broadcasting). También están, el
estándar americano ATSC (Advanced Television System Comitee), el estándar japonés
ISDB (Integrated Services Digital Broadcasting); Brasil definió su propio estándar, SBTVD
(Specification for the Brazilian digital TV Systems) basado del Japonés, y la mayoría de
los países de Suramérica lo implementaron. Los Chinos también definieron su propio
estándar, el DTMB (Digital Terrestrial Multimedia Broadcasting) (G. A. M. Moreno López
et al., 2014).
▪ 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.
Tabla 2-1: Ejemplos de sistemas operativos y dongle para TV.

Capítulo 2 111
Sistemas operativos en TV Dongle - dispositivo streaming

S. O. Empresa Dispositivo Empresa
Android TV Sony Fire TV Amazon
Sharp
Philips
Tizen OS Samsung Apple TV Apple
tvOS Apple Chromecast Google
WebOS LG Mi Box Android
Firefox OS Panasonic Roku Roku, Inc
En este escenario aparece la convergencia entre radiodifusión y banda ancha como el

estándar HbbTV (the Hybrid Broadcast Broadband) iniciado en Europa (HbbTV, 2016).
En la especificación HbbTV hay un terminal híbrido, en este caso el televisor, que tiene la
capacidad de conectarse a dos redes en paralelo. Por un lado, puede conectarse a la red
de transmisión (por ejemplo, DVB-S2 para satélite) y, por otro, puede conectarse a
Internet a través de una interfaz de banda ancha, lo que permite la comunicación
bidireccional con el proveedor de aplicaciones (HbbTV, 2016). Figura 2-4 ilustra el
esquema general del sistema híbrido
Figura 2-4: Esquema general del sistema híbrido en HbbTV.
Fuente: (HbbTV, 2018)

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).
En este escenario de la cuarta generación de la televisión también sobresalen los

servicios Over the Top (OTT) TV (Hooper et al., 2010), los cuales son desplegados vía
internet diretamente en los dispositivos conectados de los usuarios. La Figura 2-5
presenta un el ejemplo de un servicio como Netfix o Skype, los cuales pueden ser
accedidos en un dispositivo conectado a internet.
Figura 2-5: Servicio OTT.
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
Es así como diferentes proveedores de TV están implementando soluciones híbridas

(IDATE, 2013) como broadcast + IPTV (por ejemplo: DVB-T + IPTV), o broadcast + OTT,
o IPTV + OTT, o migrando para ofrecer sus servicios a través de Internet (conocido como
OTT), y migrando hacia estrategias multiplataforma para la distribución de contenido
(Doyle, 2016).
En términos de negocio de acuerdo al pronóstico de Digital TV research (Murray, 2018),

los ingresos globales por episodios de televisión en línea y películas vía OTT alcanzarán
los $ 129 mil millones en 2023; más del doble de los $ 53 mil millones registrados en
2017. Sobresalen países como China y Estados Unidos. A nivel de Latinoamérica
también sigue creciendo, y los ingresos de episodios y películas de OTT TV crecerán en
$ 4 mil millones a $ 6,43 mil millones en 2023, Figura 2-6.
Figura 2-6: Pronóstico de ingresos ($ millones) de OTT TV & video en America Latina.
Fuente: Digital TV research – sept 2018

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).
La nueva generación de TV además está acuñada en el enfoque de solución agnóstica

(agnostic)6, donde las plataformas, equipos o infraestructura, o software, es interoperable
y funciona en diversidad de dispositivos o sistemas.
Es así como la nueva generación de TV ya no solo es en el dispositivo de recepción

tradicional conocido como televisor o primera pantalla. Con las opciones de convergencia
digital, el despliegue de banda ancha y conectividad, y la diversidad de dispositivos ha
evolucionado a una TV multipantalla (Lin & Oranop, 2016), que se puede ver en
cualquier pantalla, sea en smartphones u otros dispositivos conectados a internet,
conocidos como segundas o tercer pantalla, Figura 2-7. Como indica Kuzmanovic et al
(Soskic et al., 2014) esta evolución de la pantalla de TV a segundas y tercera pantalla
(como PCs, tablet o teléfono inteligente) ofrecen otra experiencia al usuario.
6 https://dictionary.cambridge.org/es/diccionario/ingles/agnostic. SPECIALIZED computing

relating to hardware or software that can be used with many differenttypes of platform (= system).
https://en.oxforddictionaries.com/definition/agnostic
Capítulo 2 115
Figura 2-7: Ejemplo nueva generación de TV, multipantalla.
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).
2.1.1 Comparación de sistemas de TV

Los sistemas de TV tradicionales se han caracterizado por la implementación de una
infraestructura exclusiva para un medio, transmitida por aire, cable, satélite o IPTV,
limitada a un dispositivo (televisor), y con problemas de convergencia con otros sistemas
o para desplegarse en otras pantallas como móviles.
La siguiente tabla presenta un comparativo de las plataformas de TV tradicional frente a

la TV en la nube.
Tabla 2-2: Comparativo sistemas de TV.
Item TDT Satelite Cable IPTV Cloud TV

Medio de Tx Aire Satélite Cable Varios / red de
internet
Cobertura Nacional Mundial / Regional / local Amplia
nacional
Interactividad Limitada Regular Alta Amplia
Estandares Según país Según Según Varios
tecnología- tecnología-
proveedor proveedor
Para recepción Antena TDT Antena Modem o STB Red internet -
Decodificador satelital Televisor Dispositivos
Televisor Decodificador conectados
Televisor
Red Propietaria/ Propia/señal Propietaria/señal Internet /
señal abierta cerrada cerrada Abierto o control
acceso
Portabilidad / Es posible Muy limitada Amplia
Mobilidad
Ver en cualquier Limitada Amplia
lugar/tiempo
Multi-pantalla Generalmente una pantalla (Televisor) Varias pantallas
Tiempo de Demorado Un poco Más rápido
implementación demorado
Fuente: Autor
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
virtualización, servidores, almacenamiento, mantenimiento, actualizaciones, distribución,

aplicaciones, monitoreo, entre otros. Además, el usuario o la empresa que defina
implementar este servicio solo debe preocuparse por el contenido, los usuarios u otros
aspectos relacionados en lugar de preocuparse por la implementación de la tecnología
requerida o o gestión de la tecnología.
2.1.2 Ejemplos de aplicación de la TV en contextos educativos

Al igual que otras tecnologías, la Televisión también se ha aplicado en contextos
educativos, conocido como Televisión educativa (Broderick, 1956). Otro término conocido
en la década de 2000, principalmente gracias a la digitalización del sistema terrestre (o
televisión digital terrestre), es el t-learning. Tal como lo define Bates (P. J. Bates, 2003),
es el aprendizaje interactivo a través de la televisión, o el acceso interactivo a contenidos
educativos ricos en video a través de un televisor.
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.
Figura 2-8: Ejemplo arreglo típico de TV en aula de clase.
Fuente: (Almstead, 1959), página 442
Figura 2-9: Ejemplo experimentación remota basada en TV digital por broadcast.
Fuente: (R. A. dos Santos et al., 2015)
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.
En términos de televisión digital terrestre, autores como Mastorakis (Mastorakis et al.,

2005) presentan una aplicación de tele-learning llamada “virtual classroom”, donde
emplean el canal UHF del sistema de DVB-T para un área de cobertura de 40 kms, y
cierta área tiene comunicación bidireccional entre profesor-alumnos por medio de la red
wifi, Figura 2-10.
Figura 2-10: Arquitectura general de aplicación tele-learning aula virtual
Fuente: (Mastorakis et al., 2005)
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
modelo que describe el proceso de t-learning aplicado a DVB-T en Colombia; la Figura

2-11 ilustra aplicación que se ejecuta con el middleware MHP bajo un escenario de
televisión digital terrestre con el estándar DVB-T, simulado en laboratorio. En el
Politécnico Colombiano Jaime Isaza también se realiza el proyecto CONTEDI, para
experimentar la realización de contenidos educativos para la televisión digital bajo el
estándar DVB-T, Figura 2-12 (G. A. M. Moreno López et al., 2014).
Figura 2-11: Ejemplo prueba despliegue aplicación en laboratorio de TDT-DVB.
Fuente: (G. A. Moreno López & Jimenez Builes, 2012)
Figura 2-12: Ejemplo menú aplicativo CONTEDI.
Fuente: (G. A. M. Moreno López et al., 2014)
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.
Figura 2-13: Ejemplo interfaz aplicativo educaTV para TV híbrida.
Fuente: (Acosta et al., 2016)
2.2 Conceptos y términos relacionados con TV

everywhere
La TV Everywhere (TVE) se refiere a los contenidos de vídeo/TV que se despliegan y

pueden ser vistos “en todas partes”, en diversidad de pantallas (TV, PC, tablet y
Smartphone), soportadas con la red de internet (G. A. M. López et al., 2016).
La TVE, inicialmente conocido técnicamente como distribuidores de programación

multicanal (MVPD, multi-channel programming distributors), que los operadores de cable
comenzaron a utilizar como Comcast para ofrecer una agregación en línea de
programación de televisión (Sanz & Crosbie, 2016). Otros términos relacionados con TV
everywhere son: Televisión definida por software (Software-defined TV, Sw-De TV), TV
en la nube, TV por streaming, TV OTT, TV multipantalla, Procesamiento de video definido

por software (Software defined video processing), video definido por software, TV como
un servicio (TVaaS) o TV ubicua, una televisión que soportada con la convergencia de
tecnologías y la conectividad se puede ver en todas partes, a cualquier hora y en
cualquier pantalla.
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
implementan diferentes algoritmos de receptor en el software, probado en entorno de

radiodifusión DVB-T2.
La visión de la virtualización de TI definida por software tiene varias ventajas (Virmani,

2015):
1) Es más sensible de la carga de trabajo y proporciona una visión descendente
(top-down).
2) Utiliza servidor, almacenamiento e integración de red (sdi) para capacidad de
respuesta (responsiveness).
3) Utiliza una federación de cómputo heterogénea.
4) Administra grupos de sistemas como un sistema único.
5) Realmente usa la virtualización para administrarlo.
6) Es administrado por automatización programada avanzada.
Software-defined TV es un enfoque independiente de la infraestructura para implementar

arquitecturas de video flexibles, escalables y fácilmente actualizables (Wymbs, 2015). A
diferencia de las soluciones heredadas, este avance permite a los proveedores de video
implementar software a través de una combinación óptima de recursos dedicados y
virtualizados en centros de datos privados y públicos. Los días del hardware de
transmisión propietadrios se terminaron. El software estandarizado que se ejecuta en
equipos de TI, máquinas virtuales o la nube es cómo se hace, así lo indica la empresa
Cinegy (Cinegy, 2017). Como comenta Sathaye (Sathaye, 2015), varios factores están
impulsando cambios en la arquitectura de la tecnología que están posibilitando un
entorno de TV definido por software: cambios en el comportamiento del consumidor,
proliferación de video en línea y expectativas del consumidor para la coherencia del
servicio en todos los dispositivos. En última instancia, el usuario es quien decide dónde,
cuándo y cómo ver el contenido. Otro aspecto es que ya no es necesario cambiar el
hardware constantemente para procesar las actualizaciones, ya que ahora es posible a
través de software. Además, los usuarios también quieren ver videos en vivo en tiempo
real.
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
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.
Figura 2-14: Visualización de TV definida por software con cloud computing.
Fuente: (G. A. M. Moreno López & Jimenez Builes, 2017)
Algunos cambios en la arquitectura de la tecnología que se destacan en un entorno de

televisión definido por software son (Sathaye, 2015):
• Virtualización de red y dispositivo, que incluye transcodificación y procesamiento de
contenido basados en software, virtualización de enrutadores y transporte de red y
entornos de ejecución de aplicaciones virtualizadas.
• Adaptación dinámica de medios, incluida la ingesta de contenido, transcodificación y
entrega (delivery), así como gestión de metadatos y DRM basado en la nube.
• Migración a redes all-IP desde QAM o de IPTV, creando una arquitectura común para
cable, IPTV y entrega de video móvil.
Entre otros beneficios de Sw-De TV se encuentran: flexibilidad, fiabilidad, niveles
adecuados de rendimiento, escalabilidad, garantizar videos de alta calidad para todas las
plataformas, aumentar el retorno de la inversión, integración de componentes de flujo de
Capítulo 2 125
trabajo, elasticidad, alta disponibilidad, distribución de contenido seguro entre

plataformas con confianza y corto plazo de comercialización (Kreutz et al., 2015),
(Elemental, 2017). El video definido por software minimiza el riesgo de la tecnología,
mientras que maximiza la velocidad de innovación; por ejemplo, la continua expansión de
servicios como 4K y UHD. El soporte para nuevos servicios y formatos de video puede
integrarse sin problemas a través de simples actualizaciones de software e integración
API de software de terceros, lo que permite a los proveedores de video responder de
inmediato a los cambios en la demanda de los consumidores (TVtechnology, 2015).
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.
Figura 2-15: TVE as a service, TVEaaS.
Fuente: Autor
2.2.3 TV por streaming

El “streaming” o transmisión de video es una técnica que permite a los clientes iniciar la
reproducción de un video antes de tener que descargar todo el archivo (Krishnamoorthi,
2018). De acuerdo con (Rayburn, 2007) se refiere a cualquier contenido de audio y video
entregado sobre una red basada sobre protocolos de internet (como redes IP). Aunque
Rayburn prefiere llamarlo “digital and streaming media” o “online video”, resaltando que
streaming es solo una estrategia. Streaming media es una estrategia para ayudar a
superar los obstáculos del tamaño y el valor del archivo para el contenido de audio y
video, en los contenidos estáticos de la web (que generalmente deben ser descargados).
En lugar de transferir información a las computadoras de los usuarios, los datos de audio
o video se reproducen a medida que se reciben y no se transfieren datos
permanentemente a la computadora del usuario. El streaming supera el problema del
tamaño del archivo porque, con streaming, los usuarios pueden comenzar a consumir el
contenido multimedia a medida que se recibe. Por ejemplo, un archivo de 600 MB
comienza a reproducirse una vez la cantidad suficiente de datos se transfiere al
almacenamiento temporal de un reproductor multimedia, denominado caché o "búfer". El
streaming también aborda la seguridad del contenido; Los propietarios de contenido
pueden cobrar tarifas por el uso de contenido mediante la configuración de pasarelas de
pago al comienzo de la transmisión. En general, los propietarios de contenido no
necesitan preocuparse por los usuarios que copian o distribuyen los archivos porque los
usuarios no almacenan nada en sus máquinas para copiar o distribuir, y otras definen los
permisos para su descarga o información referente a derechos de autor. Para facilitar la
reproducción, la mayoría de los reproductores de medios de transmisión almacenan
temporalmente una parte del contenido en el búfer, almacenando en caché desde unos
pocos segundos hasta unos pocos minutos, según la tecnología.
En otras palabras, el streaming, es la tecnología de transmisión/recepción de medios

continuos como video y audio a través de redes (como internet), donde la información no
es descargada al disco duro y el usuario la reproduce en “tiempo real” en su dispositivo
conectado al recibirla. La Figura 2-16 ilustra el proceso de streaming. Frecuentemente la
información de audio/video es dividido en segmentos y empaquetado; Por la red transitan
estos paquetes hasta llegar al destino (dispositivo o reproductor), en donde se van
reproduciendo a medida que llega, y al final estos paquetes no se guardan, sino que se
eliminan. Contrario al tipo de acceso de descarga tradicional, donde el usuario descarga
Capítulo 2 127
por completo el archivo de video y posteriormente lo reproduce, y donde una de las

dificultades es el tamaño que pueda tener el archivo.
Figura 2-16: TV/video por streaming.
2.2.4 Tipos de servicio de video

Los servicios de video se dividen en dos tipos básicos: “Video On Demand” (VOD) y “en
vivo” (live), (Elemental Technologies, 2012).
▪ Servicios de video en vivo o Live streaming.

Los servicios de transmisión en vivo transmiten eventos en tiempo real o en directo a
través de Internet a medida que ocurren. Los servicios en vivo son proporcionados por
servidores de borde CDN que brindan contenido en vivo (archivos de video generados
dinámicamente o flujos de datos de red) que se originan a partir de codificadores de
video y se transportan a reproductores de video cliente a través de la red troncal de la
CDN.
▪ Servicios de Video Bajo demanda (on-demand)
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.
2.3 Tendencias de tecnologías que favorecen TV

multipantalla
El desarrollo de la tecnología relacionada con la banda ancha y la ubicuidad y la

convergencia digital inalámbrica han transformado la industria de los medios (E. M.
Noam, 2008). Otras tecnologías que posibilitan la TV everywhere son:
2.3.1 Computación en la nube (cloud computing).

De acuerdo al Instituto Nacional de Estándares y Tecnología (NIST) (Mell & Grance,
2011) de los Estados Unidos, una definición formal de computación en la nube
comúnmente utilizada es, "La computación en la nube es un modelo que permite un
acceso a la red conveniente y bajo demanda a un grupo compartido de recursos de
cómputo configurables (por ejemplo, redes, servidores, almacenamiento, aplicaciones y
servicios) que pueden ser rápidamente suministrados y lanzarse con un mínimo esfuerzo
de gestión o interacción del proveedor de servicios”.
La computación en la nube plantea tres modelos de servicio (Gibson et al., 2012) (Mell &
Grance, 2011): software as a service (SaaS), platform as a service (PaaS) e
Infraestructure as a service (IaaS).
▪ El software como servicio (SaaS) brinda a los usuarios acceso a software o

servicios alojados en la nube y no en el dispositivo del usuario. El consumidor no
administra la infraestructura subyacente de la nube, incluida la red, los servidores,
los sistemas operativos, el almacenamiento o incluso las capacidades de
aplicaciones individuales.
▪ La plataforma como servicio (PaaS) ofrece acceso a API, lenguajes de

programación y middleware de desarrollo, lo que permite a los usuarios
desarrollar aplicaciones personalizadas sin instalar ni configurar el entorno de
desarrollo. El consumidor no administra la infraestructura subyacente de la nube,
incluida la red, los servidores, los sistemas operativos o el almacenamiento, sino
que tiene control sobre las aplicaciones implementadas y las posibles
configuraciones del entorno de alojamiento de la aplicación.
Capítulo 2 129
▪ Infraestructura como servicio (IaaS) consiste en la instalación, redes de

comunicación, nodos físicos de cómputo y recursos informáticos virtualizados
administrados por un proveedor de servicios. El consumidor no administra la
infraestructura subyacente de la nube, pero tiene control sobre los sistemas
operativos, el almacenamiento y las aplicaciones desplegadas; También podría
tener un control limitado al seleccionar componentes de red (por ejemplo, firewalls
host).
El modelo de nube promueve la disponibilidad y se compone de cinco características

esenciales: autoservicio a pedido (bajo demanda), amplio acceso a la red, agrupación de
recursos, elasticidad rápida y servicio medido (Mell & Grance, 2011). La Figura 2-17
ilustra las características esenciales y los modelos de servicios; Aplicaciones como las de
google suite (calendar, drive, Word, etc) son un ejemplo del modelo SaaS; Ejemplos
como Windows Azure, Amazon web services o Google cloud platform, son ejemplos de
los modelos de servicios de PaaS o IaaS, ya sea para desarrollar aplicaciones o migrar la
tecnología de IT en la nube.
Figura 2-17: Características esenciales y modelo de servicio de cloud computing.
Fuente: Autor
Otras características de la computación en la nube son la capacidad de administración, la

escalabilidad, la disponibilidad, el servicio bajo demanda, más económico, conveniente,
ubicuo, multiusuario, elasticidad y estabilidad. El usuario puede seleccionar el recurso
según sea necesario (disco duro, sistema operativo, redes, control de acceso, entre
otros), beneficiándose del modelo "pago por uso" (“pay as you go”, PAYG), en el cual los
usuarios pagan por lo que usan (Singh et al., 2016)
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).
2.3.2 Tecnologías de transcoding

La transcodificación se define como la conversión de una tasa de bits de entrada
comprimido a una tasa de bits de salida (De Praeter et al., 2016); es decir, puede
cambiar de un formato a otro para adaptar el contenido de acuerdo con el dispositivo.
Ampliamente utilizada es la tecnología ABR (adaptive bitrate, tasa de bits adaptativa),
que codifica un video a múltiples velocidades de bits y maximiza la velocidad de bits del
Capítulo 2 131
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.
El estándar MPEG Common Media Application Format (CMAF) permitirá la

interoperabilidad entre formatos de transmisión (DASH y HLS) al aprovechar el mismo
formato de medios. Entre los beneficios se encuentran reducción de costos de
empaquetamiento y almacenamiento, eficiencia en cache de borde, e interoperabilidad
de dispositivos. La especificación es dada por ISO/IEC 23000-19:2018 (ISO/IEC, 2018).
2.3.3 Redes de distribución de contenidos (Content Delivery

Network)
Una red de distribución de contenido o CDN como se conocen (Content Delivery

Network) es un sistema de software, hardware y componentes de red que actúan como
una gran computadora distribuida, posibilitanto que los contenidos y aplicaciones lleguen
y se despliegen al usuario de la forma más eficiente. Los servicios prestados por un CDN
pueden incluir la entrega de medios digitales, el tránsito de la red y la aceleración de

sitios web, el almacenamiento de archivos, la ubicación conjunta de servidores, el
procesamiento de la nube, entre otros. También se identifican porque existen diferentes
puntos de presencia, ubicados geográfícamente “cerca de los usuarios”, para permitir
una mayor implementación, velocidad y soporte a la contenidos (You et al., 2013) (Ling et
al., 2013). Un CDN permite copiar los contenidos u objetos en diferentes servidores
ubicados en diferentes áreas geográficas para optimizar el rendimiento de entrega y ser
experimentado por los usuarios (Hours et al., 2016). La Figura 2-18 ilustra los elementos
de CDN tales como servidores y puntos de presencia (POP). Ejemplos de proveedores
de CDN son Akamai, Level 3, Limelight Networks, entre otros.
Figura 2-18: Topología de una CDN.
Fuente: (Elemental Technologies, 2012)
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).
▪ Estrategias para contenido en CDN

Existen dos estrategias principales que se utilizan para llenar un CDN con contenido del
cliente: empujar o fomentar o inserción (push) y arrastrar o atraer o extracción (pull),
(Elemental Technologies, 2012):
Capítulo 2 133
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.
2.3.4 Redes ubicuas inteligentes

Bajo el enfoque de redes futuras, la ITU-T7 ha planteado la necesidad de redes ubicuas
inteligentes (SUN, Smart Ubiquitous Networks), bajo la recomendación ITU-T Y.3041
(ITU-T, 2013a). Las SUN son redes de paquetes basadas en IP que pueden proporcionar
transporte y entrega de una amplia gama de servicios existentes y emergentes para
personas y cosas. La red es inteligente en el sentido de que es conocedora, sensible al
contexto, adaptable, autónoma, programable y puede efectuar servicios de manera
efectiva y segura. La red es ubicua en el sentido de que permite el acceso en cualquier
momento y en cualquier lugar a través de diversas tecnologías de acceso, dispositivos de
acceso que incluyen dispositivos de usuario final e interfaces hombre-máquina. Por lo
tanto, es necesario proporcionar conectividad ubicua con capacidades inteligentes para
7 ITU’s Telecommunication Standardization Sector (ITU-T). https://www.itu.int/en/ITU-

T/Pages/default.aspx
hacer frente a los requisitos de comunicación de teléfonos inteligentes, la televisión

inteligente y los dispositivos pequeños inteligentes, y para incluir la gestión eficiente y
efectiva de los recursos.
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.
Figura 2-19: Capacidades de Red ubicua inteligente.
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)
La capacidad ubicua es una capacidad para proporcionar comunicaciones sin problemas

entre personas, entre objetos y entre personas y objetos mientras se mueven de una
ubicación a otra. Para proporcionar servicios en cualquier lugar y en cualquier momento,
la capacidad ubicua admite transferencias y roaming en redes, sin interrupción del
servicio durante el cambio de dispositivo, y reconocimiento a través de la interactividad
entre humanos y objetos en el entorno ubicuo con varios tipos de objetos, iInterfaces y
redes heterogéneas.
Capítulo 2 135
La capacidad ubicua incluye:

• Adaptación: soporte de cambios dinámicos de entornos con la ayuda del
conocimiento del contexto;
• Integridad: movilidad admitida en diferentes dominios y capas (por ejemplo,
movilidad de usuario/dispositivo, movilidad de red, movilidad de servicio,
movilidad de contenido);
• Conectividad de objetos múltiples: varios tipos de comunicaciones entre objetos y
humanos;
• Acceso ubicuo: acceso a redes con interfaces heterogéneas/múltiples, así como a
contenidos independientes de la ubicación en entornos fijos/móviles.
Para lograr entregas de contenido mejorado en redes ubicuas inteligentes, La ITU-T

plantea la recomendación ITU-T Y.3045 (ITU-T, 2014).
Las características de la entrega de contenido de SUN son el enrutamiento de contenido

basado en el nombre, el almacenamiento en caché de contenido dentro de la red, la
optimización de la entrega de contenido y el enrutamiento dinámico de contenido
adaptable a la información de contexto. La entrega de contenido en SUN consiste en
publicación de contenido, aprovisionamiento de servicio de contenido, enrutamiento de
contenido y almacenamiento en caché de contenido como capacidades, como muestra la
Figura 2-20 para soportar las características mencionadas. Estas capacidades se
realizan mediante nodos de servicio distribuidos en SUN, que son capaces de funciones
de entrega de contenido SUN
Figura 2-20: Capacidades de la entrega de contenido en SUN.
Fuente: (ITU-T, 2014)

La entrega de contenido de SUN se enfoca principalmente en cómo entregar el contenido

de manera eficiente en un contexto y contenido de manera consciente. En otras palabras,
la entrega de contenido explota la información de contexto para adaptarse a las
características dinámicas y el entorno del usuario, y las capacidades conscientes del
contenido para proporcionar servicios personalizados y optimizados.
2.3.5 Tecnologías de encoding / compresión

Estas tecnologías permiten la compresión de la información al reducir su tamaño y
mantener una buena calidad. Entre los ejemplos se incluyen MPEG-4/H.264 con el
sistema de codificación AVC (Advanced Video Coding) y MPEG-H / H.265. El paquete
MPEG-H / H.265, se centra en la entrega de medios en entornos heterogéneos, redes y
redes IP de difusión digital, incluye el formato de compresión HEVC (High Efficiency
Video Coding, codificación de video de alta eficiencia), compatible con altas resoluciones
4k/8k, TV 3D, y es más eficiente en aplicaciones móviles, entre otros beneficios. También
incluye el estándar MMT (MPEG Media Transport) que define la encapsulación, la
entrega y la señalización, así como la corrección de errores de la capa de aplicación (AL-
FEC), entre otros. (Muller et al., 2013), (Stankowski et al., 2013), (Tan et al., 2016).
El estándar HEVC, fue definido por un Grupo de Expertos en Codificación de Video

(Video Coding Experts Group -VCEG) de la Unión Internacional de Telecomunicaciones
(UIT-T) y el Grupo de Expertos de Imagen en Movimiento (Moving Picture Experts Group
- MPEG) de la ISO (the International Organization for Standardization) / IEC (the
International Electrotechnical Commission). HEVC esta planteando en la especificación
ISO/IEC 23008-2:2017 (ISO/IEC, 2017) y en la recomendación ITU-T H.265 ((ITU-T,
2018). La Figura 2-21 ilustra que con HEVC se puede duplicar la relación de compresión
de datos en comparación con AVC en el mismo nivel de calidad de video. Es decir que el
video codificado con HEVC mantendrá alta calidad visual, pero en un tamaño de archivo
más pequeño (reduciendo el flujo de bits hasta en un 50%).
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
indicado en el estándar ISO/IEC 14496-33:2019 (ISO/IEC, 2019), el AV1 (AOMedia Video

1) desarrollado por AOMedia8, VP8 y VP9 liderado por Google9.
Figura 2-21: Compresión de HEVC vs AVC.
Fuente: Autores
2.3.6 Protocolos y conexiones

Todas las interacciones entre codificadores de video y CDN o reproductores de video y
CDN se definen mediante protocolos de red, como HTTP o RTMP, y arquitecturas de
entrega de streaming, como Apple HLS o MSS, entre otros. Los protocolos de conexión
de red se dividen en dos categorías: conexiones con estado y sin estado (Elemental
Technologies, 2012).
• Las conexiones con estado son conexiones de socket físicas que existen entre un
codificador y un CDN o un reproductor y un CDN. Permanecen conectados durante la
duración de la sesión de visualización de un codificador o reproductor. Los CDN
utilizan con frecuencia servidores perimetrales especializados que ejecutan software
de servidor de medios, como el Servidor de Medios de Adobe o el Servidor de Medios
de Wowza, para manejar estos tipos de conexiones. Ejemplos de estos protocolos
incluyen RTMP, RTMPE y MMS. El estado del servidor, el cliente y la red se utilizan
8
AOMedia. Alliance for Open Media. https://aomedia.org/av1-features/
9
Google. https://www.google.com/
para negociar el tráfico de video entre el cliente y el servidor y también tienen en

cuenta la carga y el rendimiento del servidor en general. Aunque estos protocolos se
han utilizado durante más de una década, están siendo reemplazados por protocolos
sin estado basados principalmente en HTTP.
• Las conexiones sin estado utilizan el protocolo HTTP para entregar contenido de
video en uno de tres modos: descarga progresiva, solicitud de rango HTTP o un
paradigma de tipo segmento de archivo/manifiesto
a) La entrega de descarga progresiva (Progressive download), se caracteriza por un
reproductor de video que solicita un archivo y lo reproduce a medida que se
descarga. El reproductor no requiere que se descargue el archivo completo antes
de mostrar el video. Normalmente, existe un búfer de video en el rango de 3-5
segundos, antes de empezar a reproducir el video. La descarga progresiva fue el
primer método utilizado para presentar el video en Internet.
b) La entrega de solicitud de rango HTTP (HTTP range request) es similar a la
descarga progresiva, pero difiere en que el reproductor realiza múltiples
solicitudes GET para secciones del video a través del mecanismo de contenido
solicitud / parcial de rango HTTP 1.1. A medida que el reproductor muestra el
video de una solicitud, solicita simultáneamente el siguiente rango de datos desde
el archivo de video. La implementación más común de la entrega de video de
solicitud de rango HTTP ha sido la implementación inicial de reproductores
HTML5 con contenido WebM. Otros incluyen Flash Player, Flowplayer, JW Player
y varios otros reproductores populares.
c) La entrega de segmentos de archivo / manifiesto (manifest/file segment) se ha
convertido en el método de entrega de mayor crecimiento, principalmente debido
a la explosión de video a través de dispositivos móviles, tabletas y plataformas
web, como Netflix. Este tipo de entrega se caracteriza por solicitudes HTTP
repetitivas de fragmentos de datos de video en forma de segmentos de archivos
individuales. Cada conexión puede o no usar el mismo socket de red física. La
mayoría de las implementaciones intentan reutilizar las conexiones mediante
mecanismos de mantenimiento para promover la velocidad y la eficiencia. Las tres
implementaciones más comunes son Adobe HTTP Dynamic Streaming (HDS),
Microsoft Smooth Streaming (MSS) y Apple HTTP Live Streaming (HLS). En los
tres, el codificador simplemente empuja segmentos de archivos secuenciales de 2
a 10 segundos a un servidor de origen HTTP y actualiza periódicamente el
Capítulo 2 139
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.
Debido al gran crecimiento de WWW, los operadores de red y los proveedores de

contenido implementaron tecnologías como CDN y cachés para escalar a bases de
usuarios cada vez más grandes. Las webs caches almacenan una copia de las páginas
web que se entregan a través de ellos, permitiendo una reducción significativa en los
tiempos de búsqueda de futuras solicitudes para las mismas páginas web. La WWW
utiliza el Protocolo de transferencia de hipertexto (HTTP) como su protocolo de capa de
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).
Para streaming en vivo, generalmente se usa el protocolo de entrega como RTMP

(Real Time Media Protocol). Se crea una conexión tipo socket entre el servidor (por
ejemplo, Adobe Media Server) y el cliente para transmitir el contenido como un flujo
continuo.
Tabla 2-3: Resumen protocolos empleados para streaming.
Tipo de Conexión con estado Conexión sin estado
conexión
Estrategia Push Pull
principal más (petición de envío desde el servidor) (petifición de envío desde el cliente)
usada
Protocolos o RTSP Progressive download o HTTP HTTP HTTP-based Adaptive Streaming (HAS) -
métodos para (Real-time streaming protocol), Pseudo Streaming range-requests Manifest/file segment delivery
streaming RTP (Real-time protocol), Ejemplos:
RTCP (Real Time Control Protocol), HTTP Live Streaming (HLS) de Apple y
MMS (Microsoft Media Server), HTTP Dynamic Streaming (HDS) de Adobe,
RTMP (Real Time Messaging Microsoft Smooth Streaming (MSS),
Protocol), MPEG-DASH (Dynamic Adaptive Streaming
over HTTP)
Protocolo UDP TCP
transporte
más usado
Protocolo de IP V4 o IP V6
red internet
Soportado por Reproductores Browser + pluging – Browser - reproductores
Puntos a Eficiente en el uso de la red al ser Fue uno de los primeros. El cliente puede solicitar A diferencia de los anteriores, hay multiples
favor capaz de hacer Multicast. El cliente puede empezar a independientemente cualquier secuencia codificaciones del video presentes en el
No hay retransmisiones por tanto reproducir sin esperar que se de bytes usando valores de byte de inicio servidor.
mayor eficiencia en el Ancho Banda. descargue por completo. y final El video y su calidad se puede adaptar de
Se ajusta a los criterios de acuerdo con las condiciones del dispositivo,
transmisión del mejor esfuerzo y ancho de banda
redes con baja latencia. Estandarización de HTTP adaptive
La capacidad de rastrear sesiones streaming.
únicas de usuarios para ver No hay problemas con firewalls, NAT.
contenido de video, menor latencia, Escalabilidad.
inicio más rápido y mejor control / La pérdida de paquetes se minimiza con
manejo de errores. TCP.
Infraestructura de CDN amplia.
Soportado en diversidad de pantallas.
Limitaciones UDP no ofrece garantías de entrega Más ineficiente porque no admite Problemas en el manejo de las solicitudes Menos eficiente en el uso de la red al ser
de paquetes. la entrega de velocidad de de segmento que no dan como resultado unicast.
Necesita servidores especializados múltiples bits y, en muchos casos, una referencia I-frames. Al usar HTTP puede incluir overhead.
de streaming. un navegador descargará el Requiere CDN con servidores HTTP Algunos costos
Escalabilidad. archivo de video completo, mejorados para que, cuando se realiza Alguna ineficiencia en CDN
Dificultades con plugins, APIS, independientemente de lo que el una solicitud, garanticen que el primer Algunos aspectos de interoperabilidad
firewalls, NAT, software en lado del usuario esté viendo. No puede fotograma devuelto en el segmento de
cliente. adelantar. video comience con una referencia / I-
Funciona bien para videos cortos. frame.
Fuente: Construcción propia basada de (Elemental Technologies, 2012), (Krishnamoorthi, 2018)
2.3.7 Incremento uso del video
El crecimiento del uso de video en internet va en aumento. De acuerdo a la compañía
Cisco (Cisco, 2019):
• 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.
Figura 2-22: El video móvil sigue en aumento.
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).
Figura 2-23: Share por interacción en contenido.
Fuente: Shareablee, Marzo 2018, Facebook, Twitter, Instagram y Youtube


Ante el crecimiento del video en Internet, muchas plataformas de video en línea (online
video platforms, OVP) proyectan un escenario donde el video se puede ver en todas
partes. Y, gracias a los dispositivos ubicuos, el crecimiento de banda ancha, tecnologías
inalámbricas, convergencia digital, servicios OTT, computación en la nube, CDN, entre
otros avances, los usuarios pueden disfrutar de contenido en cualquier lugar y en
cualquier momento.
En este capítulo se presentó la nueva generación de la TV, soportada en la nube,

definida por software que ofrece más ventajas frente a la TV tradicional, y posibilita el
despliegue a múltiples pantallas como PC, smartphone, Table, o el Smart TV. Se
indicaron algunos conceptos y términos relacionados con TV everywhere como TV
definida por software, TV como un servicio, TV por streaming. Además del cloud
computing, las redes de entrega de contenido, otras tendencias que favorecen la TV
multipantalla, son las redes ubicuas inteligentes, los encoders de comprensión (Ej, AVC,
HEVC), las tecnologías de tasa de bits adaptativo como HLS, MPEG-DASH, y otros
estándares y protocolos que permiten que el video se adapte en diferentes dispositivos.
En el próximo capítulo se presentará las características de u-learning empleando TVE, se

ampliará sobre las alternativas de implementación, criterios para definir plataforma de TV
en la nube, el framework con las etapas principales para el modelo y la arquitectura
general.
3. Elementos de U-learning empleando TVE
Este capítulo hace referencia al objetivo de Caracterizar los elementos de U-learning
usando plataformas de TV everywhere. Se plantearán en general las características de u-
learning, estándares posibles para u-learning & TVE, usos del video, alternativas de
implementación, criterios sugeridos a la hora seleccionar una solución de TV/video
multipantalla, framework téorico y arquitectura general de u-learning & TVE.
3.1 Características de u-learning
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):
• Accesibilidad. La información está siempre disponible cuando es necesitada por

un aprendiz. Disponibilidad de los recursos TIC. Cualquier persona pueda
acceder.
• Inmediatez. La información puede ser obtenida rápidamente por los aprendices.
• Interactividad. Que permite interactuar con el sistema, contenido, u otras
personas. Puede ser de una o de dos vías.
• Funcionalidad. Cumple con las funciones para las que fue definido. Por ejemplo
los videos se reproducen bien en la platataforma y diferentes dispositivos.
• Sensibilidad al contexto. Información que caracteriza el entorno de un usuario, y
que le proporciona la información adecuada según lo sensado por el sistema
• Seguridad. La información es confiable, y permanece “en un tiempo”. También se

refiere a la privacidad y autenticación.
• Escalabilidad. Aumentar su capacidad y ofrecer otros servicios.
• Flexibilidad. Es capaz de adaptarse tanto en contenidos, como en tecnología u
otros aspectos del ecosistema, de la forma más adecuada.
• Personalizable. Según perfiles, intereses, y opciones de seguimiento y
retroalimentación. Así como elegir que recurso usar, lugar y tiempo.
• Usabilidad. Los usuarios pueden realizar sus actividades de forma rápida y fácil.
• Aprendibilidad. Capacidad del sistema y de los usuarios para aprender.
• Interconectividad. El sistema soporta convergencia de tecnologías, conectividad
a red, y de conectarse con otros (dispositivos y personas). Además de forma
simple y transparente para el usuario.
• Interoperabilidad. Capacidad del sistema o de un dispositivo para funcionar con
otros sistemas o dispositivos y de compartir la información.
• Ubicuidad cotidiana. Hacerle sentir al usuario omnipresente: que en cualquier
momento de su vida diaria encontrará en el sistema la información, y desde
cualquier lugar y con cualquier dispositivo.
• Portabilidad. La información y dispositivos se pueden llevar fácilmente.
Otras como:
• Medible. Parte o todo el proceso de la solución de u-learning puede ser medible
(como por ejemplo dispositivos usados, contenido de video visto, tiempo
empleado, resultados de aprendizaje, entre otros).
• Gestionable. Parte o todo el proceso de la solución de u-learning se puede
controlar o administrar (contenidos, configuraciones, acceso a usuarios, entre
otros).
• Multi-“X”. Que contempla “mucha(o)s” u otras diversidades o aspectos. La “X”
representa cualquier otra característica, como que propicia una experiencia
multimodal (diversas modalidades, como virtual, presencial, mixta, etc),
multidimensional (tiene en cuenta diversos aspectos), multiscreen (pantallas
múltiples), entre otros.
En general estas características tienen alguna relación con las características esenciales
que ofrece la nube, base de la TV Everywhere.
Capítulo 3 147
3.2 Estándares posibles para U-learning
3.2.1 Relacionados con el aprendizaje

Dado que u-learning puede integrar enfoques como e-learning, m-learning, entre otros,
por lo tanto, los estándares o recomendaciones relacionado con educación mediada por
la tecnología se pueden aplicar según el caso o solución o necesidades. La siguiente
tabla indica ejemplos de organismos y estándares:
Tabla 3-1: Ejemplos estándares relacionados con el aprendizaje.

Organismo o entidad Comité técnico o Estándar o recomendaciones
grupo de trabajo
ISO - The International ISO/IEC JTC 1/SC 36 ISO/IEC TS 20013:2015 - A reference framework of
Organization for Standardization Information e-Portfolio information
https://www.iso.org/home.html technology for ISO/IEC 20006-1:2014
learning, education Information model for competency -- Part 1:
and training Competency general framework and
information model
ISO/IEC TS 29140-1:2011
Nomadicity and mobile technologies — Part 1:
Nomadicity reference model
ISO/IEC TS 29140-2:2011
Nomadicity and mobile technologies — Part 2:
Learner information model for mobile learning
ISO/IEC 40180:2017
Fundamentals and reference framework
CEN (European Committee for CEN/TC 353 EN 15981:2011/AC:2013
Standardization) Information and European Learner Mobility - Achievement
Communication information (EuroLMAI)
https://www.cen.eu/Pages/defau Technologies for EN ISO/IEC 19788-1:2012
lt.aspx Learning, Education Information technology - Learning, education
and Training and training - Metadata for learning resources -
Part 1: Framework
Advanced Distributed Learning N/A SCORM 1.2
(ADL) The Sharable Content Object Reference Model.
www.adlnet.gov ▪ Run-Time Environment
▪ Content Aggregation Model
Tin Can API
Or The Experience API (or xAPI)
Recopila datos de la experiencia de
aprendizaje del “alumno”.
IMS (IMS Global Learning N/A LTI® v1.3
Consortium). Learning Tools Interoperability
www.imsglobal.org. Learning Design Specification
IMS Common Cartridge® Specification
IEEE Learning Technology LOMWG12 - Working IEEE 1484.12.1-2002 - IEEE Standard for
Standards Committee (IEEE Group for Learning Learning Object Metadata
LTSC) Object Metadata
https://www.ieeeltsc.org/ CDSWG20 - IEEE 1484.20.1-2007 - IEEE Standard for
Competency Data Learning Technology-Data Model for Reusable
Standards Working Competency Definitions
Group
ITU’s Telecommunication ITU-T SG16: ITU-T F.742

Standardization Sector (ITU- Multimedia Descripción del servicio y requisitos para
T) servicios de aprendizaje a distancia
https://www.itu.int/en/ITU-
T/about/Pages/default.aspx
3.2.2 Generales según aplicación

La siguiente tabla contempla algunos estándares o lineamientos, según su área de
aplicación, como accesibilidad, calidad, metadatos, interoperabilidad, codificación, web,
comunicación.
Tabla 3-2: Estándares generales según aplicación.
Organización Comité técnico o Aplicación Estándar o producto
grupo trabajo o de
interes
ISO/TC 159/SC 4 Accesibilidad ISO 9241-112:2017 - Part 112: Principles
Ergonomics of for the presentation of information
human-system ISO 9241-171:2008 - Part 171: Guidance
interaction on software accessibility
ISO 9241-20:2008 - Part 20: Accessibility
guidelines for information/communication
technology (ICT) equipment and services.
ISO/IEC JTC 1/SC Calidad ISO/IEC 25010:2011

7 Evaluación Systems and software Quality
Software and Requirements and Evaluation (SQuaRE) --
ISO - The systems System and software quality models
International engineering
Organization for ISO/TC 46/SC 4 Metadatos ISO 15836-1:2017 Information and
Standardization Technical documentation -- The Dublin Core metadata
interoperability element set -- Part 1: Core elements
https://www.iso.o ISO/IEC JTC 1 Interoperabilidad ISO/IEC 29341-28-1:2017 Information
rg/home.html Information technology -- UPnP Device Architecture --
technology Part 28-1: Multiscreen device control
protocol -- Multiscreen architecture
ISO/IEC JTC 1/SC Interoperabilidad ISO/IEC 23000-19:2018 Information
29 Entre formatos technology -- Multimedia application format
Coding of audio, de streaming (MPEG-A) -- Part 19: Common media
picture, multimedia (como dash y application format (CMAF) for segmented
and hypermedia HLS) media
information Información ISO/IEC 23001-7:2016 Information
encriptación technology -- MPEG systems technologies -
común – - Part 7: Common encryption in ISO base
interoperabilidad media file format files. ISO MPEG CENC
de licencias y
gestión de
claves
Codificación ISO/IEC 14496-33:2019 Information
video technology -- Coding of audio-visual objects
-- Part 33: Internet video coding .MPEG-4
IVC
Capítulo 3 149

grupo trabajo o de
interes
Media and Interoperabilidad Promueve
Entertainment web ▪ HTML5 adaptive streaming.
Interest Group ▪ Soportar en la web High-Dynamic
Range (HDR).
▪ Web inmersiva (uso de dispositivo para
VR, AR, cámaras 3D y 360 grados).
▪ Juegos en la web
Web Platform Web HTML 5.2
Working Group HTML 5.3
Media Source Extensions
W3C (World https://www.w3.org/TR/media-source/
Wide Web Immersive Web Promueve llevar la realidad virtual (VR) de
Consortium). Working Group alto rendimiento y la realidad aumentada
www.w3c.org (AR) (colectivamente conocida como XR) a
la Web abierta a través de API para
interactuar con los dispositivos XR y los
sensores en los navegadores.
Second Screen Interoperabilidad Presentation API
Working Group Presentar
define API que contenido web
permiten a las
páginas web usar
pantallas
secundarias para
mostrar contenido
web
Web Real-Time Comunicación Media Capture and Streams
Communications Web
Working Group
define las API del
lado del cliente para
habilitar las
comunicaciones en
tiempo real en los
navegadores web.
Media Working Interoperabilida Media Capabilities
Group Web
Desarrolla y mejora
las funciones de
reproducción y
procesamiento de
medios en la Web.
Web Applications Metadatos Web App Manifest
Working Group
Web Apps
Accessibility Accesibilidad Techniques for WCAG 2.1
Guidelines Working
Group
desarrolla pautas
para hacer que el
contenido web sea
accesible para
diversidad de
personas
HTML Media Interoperabilidad EME
Extensions Working reproducción en Encrypted Media Extensions

Group plataformas web
(MSE)
Media Source Extensions
HTML 5 API

grupo trabajo o de
interes
SG13: Future Interoperabilidad ITU-T G.801
networks, cloud Modelos de transmisión digital
ITU’s computing and Redes ITU-T Y.100
Telecommunicati trusted network Visión general de la elaboración de normas
on infrastructures relativas a la infraestructura mundial de la
información
Standardization
ITU-T Y.3501
Sector (ITU-T) Computación en nube: Marco y requisitos
de alto nivel
https://www.itu.in ITU-T Y.1911
t/en/ITU- IPTV services and nomadism
T/about/Pages/d ITU-T Y.1902
efault.aspx Marco para el suministro de contenido de
IPTV por multidifusión
ITU-T Y.3041
Redes ubicuas inteligentes -
UIT-T Y.3045
Redes inteligentes ubicuas – Arquitectura
funcional de la entrega de contenidos
ITU-T Y.3300
Framework of software-defined networking
ETSI (EBU) the European Metadatos ETSI TS 102 822-2
European Broadcasting Union
Telecommunicati Broadcast and On-line Services:
ons Standards Search, select, and rightful use of content
Institute (ETSI) ("TV-Anytime")
https://www.etsi.
org/
3.2.3 Otras tecnologías y estándares que posibilitan el

despliegue de contenidos multipantalla
Otros estándares y tecnologías, por ejemplo, para compartir pantallas, descubrimiento de
dispositivos, o las iniciativas lideradas en general por empresas para propiciar más la
implementación y mejoras de interoperabilidad, como DASH-IF y WAVE.
Tabla 3-3: Ejemplo otras tecnologías y estándares

Aplicación general Estandar
Pantalla de acompañante HbbTV 2.0.2
Capítulo 3 151
(Companion screen)
Interoperabilidad – broadband &
broadcast
Streaming adaptativo - En IPTV OIPF
Compartir pantalla y medios Miracast, de Wi-Fi Alliance
Airplay, de Apple
UPnP, Protocolo control de dispositivos
Chromecast built-in (Google Cast)

Descubrimiento de servicios en DLNA (Digital Living Network Alliance)
redes locales.
Lanzamiento de la aplicación DIAL

(Application Launch) (DIscovery And Launch) - Liderado por
Netflix
SSDP -- UPnP
Descubrimiento (Discovery)
mDNS Multicast DNS
DNS-SD DNS-Based Service Discovery

Comunicaciones Websocket
XMLHttpRequest
WebMessaging
Interoperabilidad DASH-IF InterOperability Points (IOPs)
Interoperabilidad The Web Application Video Ecosystem

(WAVE) -
La iniciativa WAVE (Web Application Video Ecosystem), organizado por la Asociación de

Tecnología del Consumidor (CTA)10 (Consumer Technology Association (CTA), 2016),
tiene como objetivo mejorar la forma en que se maneja el video entregado a través de
Internet en los dispositivos electrónicos y facilitar que los creadores de contenido puedan
distribuir el video a esos dispositivos. WAVE se enfoca en aplicaciones comerciales de
video y web de Internet y en el desarrollo de herramientas de interoperabilidad para la
compatibilidad global. WAVE en general no es un desarrollador primario de estándares.
WAVE trabaja con los principales desarrolladores de estándares y especificaciones para
fomentar extensiones, restricciones y aclaraciones de las especificaciones normativas
existentes y en desarrollo para permitir la armonización de los ecosistemas. Esto se
realiza en estrecha colaboración con el World Wide Web Consortium (W3C), el Moving
10 Consumer Technology Association (CTA) https://www.cta.tech/

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.
3.3 Plataforma de video everywhere
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.
Figura 3-1: Plataforma de video everywhere.
Fuente: Autor
Capítulo 3 153
3.4 Importancia y usos del video

El vídeo “everywhere” es muy importante entre otras por estas razones:
• 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.
En la La Figura 3-2 se plantean diferentes usos del video.
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.
Figura 3-2: Opciones de uso del video.

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.
Figura 3-3: Ejemplo interacción en u-learning con código QR y plataforma video en

Laboratorio.
Capítulo 3 155
Fuente: (G. A. Moreno López, Jiménez Builes, & Ramírez Monsalve, 2017)
3.5 Framework general de la arquitectura para el servicio

de u-learning basado en TVE
En la Figura 3-4, se presenta el framework general de la arquitectura para el servicio de

u-learning basado en Sw-De TV. Como tal la solución tiene en cuenta una plataforma de
procesamiento de video basado en cloud computing. Esta plataforma involucra
componentes de almacenamiento, transcoding para adaptar el contenido en diferentes
tasas de bits, gestión, entre otros. Otro elemento son las CDN para facilitar la entrega del
contenido a los usuarios que acceden a la red de internet por diferentes medios como
Wifi, 4G/5G, xDSL, or fibra óptica, y usando diversos dispositivos ubicuos (PC,
smartphone, Tablet, Connected TV, smartwatch). El servicio puede constar de un portal
de video educativo, articulado con redes sociales, LMS, entre otros.
El framework de la arquitectura y el modelo de u-learning basada en TV everywhere,

toma además como guía la especificación técnica del aprendizaje desde cualquier lugar
para los nómadas, ISO/IEC TS 29140-1:2011 (ISO/IEC, 2011b), en donde se plantean
varios componentes esenciales para soportar los requerimientos del aprendiz, como son:
aprendiz (información contextual específica), recursos, sistema (tecnología para soportar
aprendizaje-enseñanza, ej LMS), dispositivos, sistema de comunicación (interfaz de
usuario: interacciones entre aprendiz y dispositivos, e interfaz de sistema: interacciones
entre dispositivo con sistema o recursos), y el entorno (infraestructura e información del
contexto). También bajo la especificación ISO/IEC TS 29140-2:2011 (ISO/IEC, 2011a),

que plantea un modelo de información del aprendiz para el aprendizaje móvil, en donde
se usa por ejemplo smartphones u otro dispositivo móvil. Se plantea aspectos comunes
como: aprendiz, contenido, dispositivo, coordinación, conectividad.
Figura 3-4: Framework de la arquitectura general de u-learning basada de SW-De TV.
Fuente: (G. A. M. Moreno López & Jimenez Builes, 2017)
3.6 Alternativas para implementar TVE
La implementación de un servicio de u-learning basado en plataformas de video

everywhere puede ser: a) local (on-premises), con toda la infraestructura necesaria de
hardware, redes o software necesario; b) híbrido, que tiene cierta infraestructura propia y
otros servicios en la nube con un tercero; y c) nube, en la cual la infraestructura y otros
servicios es respaldada principalmente en el modelo de computación en la nube.
Capítulo 3 157
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.
Figura 3-5: Ejemplo productos on-premise AWS Elemental.
Fuente: (Elemental Technologies, 2018)
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
computación en la nube, o una solución de video enfocada más a la educación, u

opciones de redes sociales.
Tabla 3-2: Ejemplo de alternativas de implementación de u-learning basadas en video
everywhere.
Alternativas Ejemplos Comentario

Usando canales Youtube Son considerados más
comunes como una red social y tiene
algunas limitaciones.
Con un proveedor de • Viacess orca Los principales servicios ya
video/TV en la nube • Ooyala están definidos. La
• Icareus implementación puede ser
• Elemental más rápida. Algunas
• Kaltura soluciones son muy
• Muvi costosas.
• Tmira
• Wowza
• Vimeo
Desarrollando la • Amazon web Es necesitado más
solución de video sevices AWS configuración y/o
soportada en la nube • Cloud google programación con código.
• Microsoft azure Requiere más
• Vpaas-kaltura conocimientos y
posiblemente la
implementación requiere
más tiempo y opciones de
pago según uso de
recursos.
Soluciones de video • Edpuzzle Se acercan más a las
soportadas en la nube • Kaltura necesidades dentro de un
enfocadas más a la • Panopto contexto educativo. Algunas
educación pueden ser limitadas, o son
costosas, o no permiten
personalización de solución.
Fuente: Autor
En el ANEXO B, se encuentra un listado más amplio de ejemplos de soluciones y

proveedores como opciones para implementar TV/video en la nube
Si bien aplicaciones como Youtube la utilizan muchas empresas o usuarios

independientes para implementar canales de videos, Youtube es considerada más como
una red social abierta, accesible para cualquier tipo de público. Youtube podría tener
ciertas limitaciones como: conducir fácilmente a la distracción ya que hay otros
contenidos diferentes que aparecen, requisitos de autenticación para los usuarios,
opciones de personalizar la plataforma, análisis avanzados del servicio y de cada
Capítulo 3 159
usuario. Sin embargo, también es posible usar Youtube o para complementar una
plataforma de video everywhere.
La plataforma para implementar debe considerar la codificación, transcodificación,

transporte y visualización para diferentes dispositivos, almacenamiento y opciones de
CDN, entre otros indicados en capítulos 3.3, 3.5 y en 3.7 donde se plantean criterios para
seleccionar una solución de TVE
La Figura 3-6 ilustra arquitectura de la solución Vplay de VOD y streaming en vivo, de la

empresa CONTUS. La solución esta respaldada con AWS y Wowza.
Figura 3-6: Ejemplo arquitectura y framework solución VOD y live streaming.
Fuente: (CONTUS, 2018)
De acuerdo con la empresa Kaltura11, es más favorable para el cliente (persona u

empresa) que desea implementar una solución de video, basarse de una solución
completamente bajo el modelo de la nube. Esto porque los costos, el tiempo de
despliegue, personal requerido, entre otros, son menores que otras soluciones. La
Figura 3-7 ilustra las opciones de despliegue, como SaaS, híbrida (parte de la
infraestructura la tiene el cliente en sus instalaciones) o On-premises (todo controlado
11 https://corp.kaltura.com/
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.
Figura 3-7: Ejemplo opciones de despliegue con empresa Kaltura.
Fuente: (Kaltura, 2013)
3.7 Criterios para seleccionar una solución de TV

multipantalla
Las plataformas de entrega de video en pantallas múltiples deben facilitar la

transcodificación y la visualización a diferentes dispositivos, entre otras opciones. La
siguiente tabla presenta criterios que deben tenerse en cuenta para elegir una solución
de TV de pantalla múltiple.
Capítulo 3 161
Tabla 3-3: Criteros sugeridos para definir plataforma de video.
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
3.8 Framework general de u-learning con TVE
El marco de referencia pretende apoyar a la hora de implementar un servicio de u-

learning basado en plataformas de TV definida por software. La tecnología es un medio,
pero el fin como tal es favorecer el proceso de enseñanza/aprendizaje, y por eso se
deben tener en cuenta muchos otros aspectos, como objetivo de aprendizaje,
actividades, pedagógicos, personales, entre otros. En la Figura 3-8 se presenta la

propuesta del marco de referencia general, el cual contempla varios momentos: a)
Estado y preparación inicial, b) planeación & requerimientos, c) diseño & desarrollo, d)
Implementación del servicio de u-learning, y e) confrontar servicio y resultado de
aprendizaje. Todos estos momentos tienen un carácter cíclico para retroalimentar el
proceso.
Figura 3-8: Framework general de u-learning basado en Sw-de TV.
Fuente: Autor
En la siguiente tabla se resume los elementos a considerar en los diferentes momentos

del framework.
Capítulo 3 163
Tabla 3-4: Etapas del framework de u-learning propuesto.
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.
Planear el servicio de u-learning y

requerimientos tecnológicos,
pedagógicos, personales, equipo de
Planeación &
trabajo, gestión, entre otros. Definir
requerimientos
plataforma a emplear. Definir si es
requerido necesidades de capacitación
o fortalecer competencias digitales.
Diseñar la solución de u-learning,

contenidos, actividades, etc. Configurar
Diseño & desarrollo
y/o desarrollar plataforma, recursos,
servicios, contenidos, 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.
Confrontar servicio y Revisar la experiencia, el impacto, y

resultado de favorecimiento al proceso de
aprendizaje enseñanza/aprendizaje.
Fuente: Autor
En el capítulo 4, se detallará más estos elementos que hacen parte del modelo.
3.9 Escenarios posibles para implementar u-learning

basado en TVE en una Universidad
▪ Como estrategia de laboratorio y creación de contenidos o servicios.

o Por ejemplo, para estudiantes de programas relacionados con audiovisual,
desarrollo de contenidos, periodismo, comunicación, telecomunicaciones,
informática, entre otros.
o Centro de elaboración de medios, para el público interno como externo.

o Creación de canales temáticos (Ej. Ciencia, investigación, deportivo, etc.)
▪ Para divulgación de información/conocimiento

La Universidad, los departamentos, facultades o por programas pueden hacer uso de
un servicio de u-learning basado en TVE para divulgar información/conocimiento de
interés para la comunidad académica y en general.
▪ Para soportar el proceso de enseñanza/aprendizaje

o Con participación de docentes, y equipos de trabajo. Creando y compartiendo.
o Con participación de estudiantes. Creando y compartiendo.
o Proyectos de estudiantes.
o Grabación de conferencias.
o Soportar aprendizaje de uso de equipos de laboratorio y desarrollo de
prácticas.
o Diferentes actividades y eventos académicos.
o En cursos formales de carreras y posgrados. Presenciales y online.
o En cursos a distancia.
o En cursos de extensión o educación continua. Presenciales y online.
o Propiciar aprendizaje informal, expontaneo.
o Aprendizaje personalizado. Recomendar videos dependiendo de intereses del
alumno.
o Aprendizaje adaptativo.
o Soportar aspectos de inclusión.
o Entre otros.
• Entornos de aprendizaje personal y organizacional
Para propiciar que de manera individual o como miembros de una institución definan
el contenido o recurso, participen activamente y contribuya en su aprendizaje y en la
de otros. Complementado con el fortalecimiento de competencias digitales.
• Gestión de conocimiento
Documentando experiencias, conocimiento, resultados, procesos, entre otros, de
profesionales, docentes e investigadores.
▪ Proyección social
Capítulo 3 165
Participando, incluyendo, creando e impactando en una comunidad de la ciudad o de

una región apartada.
• En Investigación
Profundizar, aplicar y enriquecer más la experiencia de u-learning y TVE. Ej.,
contenido inmersivo.
• Soporte y proyección de otros escenarios u aplicaciones
Por ejemplo, en salud (ej, telemedicina), Agraria, seguimiento-vigilancia, etc.
En general puede ser aplicado en cualquier área de conocimiento o disciplina. Se puede

articular con un LMS o agregarle más valor al LMS (que no cuenta con capacidades de
video), o se puede usar sin un LMS y/o complementado con otros recursos TIC.
En este capítulo se presentaron los elementos de u-learning basados en TV everywhere,

como son las características generales de la solución de u-learning, los estándares o
lineamientos que pueden propiciar el aprendizaje ubicuo, y el despliegue del contenido
en diversidad de pantallas. Se hace una descripción de la plataforma de video
everywhere, la importancia y uso del video. Se presenta en general la arquitectura de un
servicio de u-learning basado en TV everywhere, que incluye entre otros elementos una
plataforma de video convergente soportado principalmente en la nube y emplea redes de
distribución de contenido para facilitar la entrega del video al usuario en su lugar.
También se indican las opciones para su implementación resaltando el uso de la nube, y
se plantean unos criterios para seleccionar una solución de TV multipantalla.
Posteriormente se ilustra en general un framework con las etapas y componentes de u-

learning con TVE, como antesala al modelo detallado que se presenta en el próximo
capítulo. Finalmente se plantearon escenarios para implementar u-learning basado en
TVE en una Universidad.
4. Modelo de U-learning
En este capítulo se detalla y hacer referencia al cuarto objetivo de Diseñar un modelo de
U-learning considerando la infraestructura y elementos técnicos de TV everywhere. El
modelo de aprendizaje ubicuo basado en plataformas de televisión everywhere es
definido como un ecosistema en el cual intervienen múltiples ítems y contribuyen en
determinado grado a la solución de u-learning.
Previamente antes, de presentar el modelo, se buscan posibles ideas a partir de la

revisión de otros modelos en la literatura. Luego se presentan los referentes de diseño
universal de aprendizaje conocido como UDL y de diseño pedagógico como el diseño
instruccional ADDIE.
4.1 Identificación de ajustes basados de otros modelos
A la hora de revisar y comparar con modelos de u-learning, se aplica la técnica

SCAMPER, creada por Bob Eberle (Eberle, 2008), que permite generar ideas a partir de
algo existente. SCAMPER es el acrónimo de Substitute, Combine, Adapt,
Magnify/Modify/Minify, Put to other uses, Eliminate, Rearrange/Reverse. SCAMPER es
un método para desarrollar un pensamiento creativo y ofrecer otra concepción mental
(Faruk Islim & Karatas, 2016) o que elementos de diseño pueden ser substituidos,
adaptados o usados en una forma diferente (Mulet et al., 2017). La siguiente tabla
presenta un resumen de la identificación de otros modelos relacionados con u-learning, y
a partir de ahí que ideas o que se tendrá en cuenta para proponer el modelo.
Tabla 4-1: Identificación de ideas de otros modelos.
Autor Idea general Técnica Aspectos a tener en cuenta según SCAMPER
SCAMPER
Coto, Pretende realizar actividades entre Adaptar Los docentes y estudiantes se tienen en cuenta desde la etapa de preparación inicial.
Collazos, & profesores para crear cursos y La idea de plataforma tecnolológica se reflejará en los aspectos tecnológicos y ya en diseño/producción.
Mora- entre estudiantes, de forma Aspecto pedagógico por aparte.
Rivera, colaborativa Otro uso Los servicios de acceso serán contemplados como servicios de la solución de u-learning en etapa de diseño y
2016 desarrollo. La idea de materiales de estudio se pondrá en aspectos pedagógicos.
Modificar Apectos personales, equipo de trabajo, etapa de diseño&requerimientos, componentes tecnológicos basados en
TV multipantalla-cloud computing, etapa de prueba y despliegue servicio, componente de competencias
digitales, etapa de confrontar servicio y resultados de aprendizaje.
(Zea Propone una estructura sistémica Adaptar Ampliar componente pedagógico
Restrepo et en la cual, los elementos están
al., 2015), interconectados en un esquema Modificar Etapa de estado y preparación inicial, aspectos personales, etapa de diseño&requerimientos, componentes
de red sin la intervención de tecnológicos basados en TV multipantalla-cloud computing, componente de gestión, etapa de prueba y
jerarquías u órdenes despliegue servicio, etapa de confrontar servicio.
preestablecidas
(Umam et Es basado en la utilización de Para otros Emplear IM como una opción de interacción adicional
al., 2017) interactive internet messenger usos
group (IIMG) para mejorar la Modificar Se adicionan otros componentes
involucración y compromiso en un
campus inteligente
(Shih et al., Framework de un entorno de Modificar Se adicionan otros componentes
2012) aprendizaje ubicuo llamado
"sistema adaptativo de ruta de Adaptar Se toma idea de portafolio para ser planteado
acceso de matemáticas
Otro uso Se plantea la idea de contex-aware empleando códigos QR en vez de usar tag RFID, ya que es más económico
(Zhao & Modelo de servicio para la entrega Otro uso La transcodificación hará parte de los aspectos tecnológicos.
Okamoto, de contenido adaptable El servicio de presentación hará parte del despliegue en la etapa de implementación servicio
2011) La idea de servicio de contenido estará en la etapa de diseño y desarrollo.
Modificar Se adicionan otros componentes, como pedagógicos, de gestión, tecnológicos.
(Casey & “Framework” para desarrollar e Adaptar La idea de modelo de aprendizaje se planteará como base en teorías de aprendizaje.
Fraser, implementar un modelo de u- Combinar Las estrategias estarán contempladas en los aspectos pedagógicos, Las capacidades tecnológicas se
2010) learning contemplarán en los aspectos tecnológicos
Otro uso Se incorporará dentro del modelo propuesto las etapas de diseño y desarrollo, implementación servicio, y
confrontar el servicio y resultado aprendizaje.
Modificar Se adicionan otros componentes.
Un modelo de aprendizaje ubicuo Otro uso Se sugiere emplear el estándar LOM, para metadatos de contenidos de video.
(Atif et al., dentro de un entorno de campus Adaptar Idea de inteligencia individual, como los roles y participantes.
2015) Finteligente “pervasivo”. La inteligencia social, con las actividades colaborativas, La inteligencia espacial, empleando context-aware con
el contenido adaptado al dispositivo, y uso de QR
Tabla4-1: (Continuación)

SCAMPER
(Wagner et Un modelo para la administración Adaptar La idea de perfiles de usuarios se planteará como opción de personalización en aspectos tecnológicos,
al., 2014) de perfiles aplicado al aprendizaje pedagógicos y de aspectos personales.
ubicuo Otro uso El sistema de aprendizaje ubicuo estará comprendido en los componentes del entorno de U-dispositivos y
Ambientes entorno de aprendizaje.
La idea de Unimaneger, se planteará como una opción de articular a un sistema de gestión como LMS, etc.
Aplicando agentes-ontologías La idea de adminstrador de huellas, será contemplado como opción de seguimiento al estudiante, en aspectos
tecnológ, pedagógicos, y de gestión, monitoreo del servicio.
(M. Chen, Modelo dinámico de recursos de -Otro uso, Sobre el contexto de recursos, se empleará en componentes pedagógicos, y tecnológicos, y personales.
Yu, et al., aprendizaje ubicuo separar Se adicionan otros componentes
2017) -Modificar
(M. Chen, Un modelo de capacitación Otro uso, Se toma la idea de entrenamiento del docente, que puede ser un dominio de aplicación y rol o participantes.
Chiang, et docente adaptable al contexto en separar La idea de comunicación entre grupos se planteará como opción en aspectos tecnológicos para interacción.
al., 2017) un entorno de aprendizaje ubicuo La idea de colaboración intragrupo se plantea como opción dentro de actividades en aspectos pedagógicos.
(Tortorella Framework para el desarrollo de -Modificar Se adicionan otros componentes.
et al., 2018) sistemas de aprendizaje -Adaptar La idea de sensores se contemplará en aspectos tecnológicos
conscientes del contexto
Otro uso La idea de sensibilidad al contexto además de plantearse en aspectos tecnolo/, se plantea como opción para
complementar un apren personalizado.
(G. zen Liu Este trabajo se centra en la Otro uso La idea de aprendiz person/ se contempla como componente en aspectos pedagógicos.
et al., 2016) identificación y análisis de La La idea de preferencias de aprendizaje – perfil se contempla en aspectos personales. La idea de estrategias se
eficacia de u-learning para contempla en aspectos pedagógicos
desarrollar un modelo de diseño Adapta La idea de memoria, en diversos recursos que soportan un tema.
de aprendizaje para guiar a los La idea de logros se plantea como un componente de resultado de aprendizaje.
profesionales interesados a través La motivación puede estar en aspectos personales o valoración experiencia.
del método de investigación Modificar Se adicionan otros componentes.
fenomenológico.
(Caceffo & Propone un Ubiquitous Classroom Modificar Se agregan otras etapas y componentes.
Vieira da Response System
Rocha, (UCRS) empleando factores de Otro uso La idea de procesos colaborativos se planteará como opción en el componente pedagógico, en actividades o
2012) contexto para soportar el estrategias. Se puede contemplar además como opción de interacción (tanto en aspectos tecnológicos como
aprendizaje activo en la clase pedagógicos). El sistema de respuesta se proyecta con la posibilidad de usar un recurso TIC (por ejemplo,
empleando formularios de evaluación electrónicos).
Fuente: Autor
Capítulo 4 171

SCAMPER
(H. Zhang & Marco de un ecosistema de Modificar Se agregan otros componentes.
Maesako, desarrollo del alumno para diseñar Adaptar Componentes de gestión o análisis como opción en aspectos tecnológicos.
2009) un entorno de aprendizaje ubicuo,
que se basa en la teoría del Combinar- La idea de los modos de actividades de aprendizaje se planteará como opción para actividades en aspectos
constructivismo social propuesta otro uso pedagógicos, y/o en servicios (diseñoydesarrollo).
por Vygotsky, la teoría de la
ecología del desarrollo humano de
Bronfenbrenner y la teoría de la
espiral de conocimiento de
Nonaka.
(Rabello et Propone un modelo de Modificar Se agregan otras etapas y componentes.
al., 2012) colaboración creado para entornos
descentralizados. Otro uso La idea de servicios de comunicación se usará como sistema de comunicación en aspectos tecnológicos.
La idea de servicio de conectividad se usará como infraestructura de conectividad a internet en aspectos
tecnológicos.
La idea servicio de contexto se contemplará como carácter opcional de senbilidad al contexto en aspectos
tecnológicos.
La idea de objetos de aprendizaje estará como contenidos en aspectos pedagógicos y en recursos de la parte
de diseño.
(Mehmood propone un marco Ubiquitous Modificar Se agregan otras etapas y componentes.
et al., 2017) eTeaching & eLearning (UTiLearn) -Otro uso La idea del sentimiento se tendrá en cuenta como un aspecto de motivación en aspectos personales, y de
personalizado que aprovecha opción de evaluación al final.
Internet of Things, big data, La idea de reconocimiento de actividad e identificación usuario será planteada como características opcionales
supercomputación y aprendizaje de sensibilidad al contexto y personalización es aspectos tecnológicos.
profundo La idea de entrega de contenido adaptativo será contemplada en la funcionalidad de la plataforma de video y en
la característica de sensible al contexto en aspectos tecnol/.
La idea del sistema y la red será contemplada en aspectos tecnológicos.
Al igual que la idea de componente de análisis se contemplará como sistema complementario opcional y
característica de medible.
(H. Kim et Un modelo u-learning, que es un -Modificar Se agregan otras etapas y componentes.
al., 2012) sistema de e-learning basado en -Adaptar La idea del repositorio de conocimiento se contempla como el área o asignatura a aplicar y en componente
la web que utiliza diversas pedagógico como delimitación.
características de WSN. Los medios estarán representados en el sistema de almacenamiento para los diferentes contenidos (en
aspectos tecnológicos), en contenidos (aspectos pedagógicos) y en la etapa de diseño.
Las tecnologías de comunicaciones inalámbricas se plantean en aspectos tecnológicos.
Otro uso La idea de diseño instruccional hará parte en general para proyectar el modelo.
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.
Figura 4-1: UDL – Tres redes de aprendizaje.
© CAST, 2018
Fuente: (Meyer et al., 2014)

Capítulo 4
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).
El marco de lineamientos de UDL plantea tres principios amplios:

o Proporcionar múltiples medios de participación (el por qué de aprendizaje)
significa apoyar el interés, la motivación, y la persistencia.
o Proporcionar múltiples medios de representación (el qué de aprender)
significa presentar información y contenido de diferentes maneras y establecer
conexiones entre ellos.
o Proporcionar múltiples medios de acción y expresión (el modo de aprender)
significa proporcionar diferentes formas para que los estudiantes trabajen con
información y contenido y demuestren lo que están aprendiendo.
4.2.1 UDL y u-learning & TVE

La siguiente tabla presenta un ejemplo de como se puede relacionar el marco UDL con
con el modelo planteado.
Tabla 4-2: Relación UDL y u-learning & TVE.
Principio de UDL U-learning & TVE

Proporcionar múltiples Estimular interés y Docente usando la tecnología.
medios de participación (el motivación para el Realizando seguimiento personalizado,
por qué de aprendizaje) aprendizaje. retroalimentando, motivando.
significa apoyar el interés, la Aprender en Mensajes de superación, constructivos.
motivación, y la persistencia. cualquier lugar, Ilustrando casos de aplicación real.
momento y con Usar por ejemplo Gamificación en clase
cualquier pantalla. con dispositivos (Ej, Kahoot, etc)
Proporcionar múltiples Se presenta el Complementa lo visto en clase, o como
medios de representación (el video como recurso uso parcial en clase virtual-clase invertida
qué de aprender) significa principal. o clase completamente virtual.
presentar información y El video se puede Adicionalmente pueden existir

contenido de diferentes adaptar en información y contenidos en modo
maneras y establecer cualquier pantalla. documentos, presentaciones, links
conexiones entre ellos. Otros recursos. externos, etc.
Personalización Interacción – redes sociales.
herramienta – Sensibilidad al contexto (Ej, uso códigos
contenidos. QR en dispositivos de laboratorio)
Proporcionar múltiples Según estrategias Estudiante activo en su aprendizaje.
medios de acción y expresión y actividades Mediante proyectos, retos, tareas, etc.
(el modo de aprender) planteadas. Diversas formas de evaluación (Ej,
significa proporcionar Pueden ser autotest, entre pares, por experto, etc).
diferentes formas para que virtuales – Por ejemplo, el estudiante puede realizar
los estudiantes trabajen con presenciales. un video para expresar lo que sabe.
información y contenido y Desde cualquier Diferentes niveles (de menor a mayor
demuestren lo que están lugar, momento, exigencia).
aprendiendo. con su dispositivo y Criterios definidos para evaluar (Ej,
recurso TIC de rubricas).
preferencia,
Fuente: Autor
4.3 Referente de diseño instruccional

Como un referente de diseño pedagógico, es importante considerar seguir lineamientos
de diseño instruccional (instructional design).
El diseño instruccional (también llamada ciencia instruccional) de acuerdo a Reigeluth

(Reigeluth, 1983), se preocupa por generar conocimiento sobre diversos métodos de
instrucción, combinaciones de métodos y situaciones en las que estos métodos podrían
ser óptimos. Este conocimiento tiene dos componentes: conceptos y principios. Los
conceptos son creados por el hombre y por lo tanto son arbitrarios, mientras que los
principios existen naturalmente, y, por lo tanto, se descubren. Los conceptos son
categorías de fenómenos (cómo árboles, o ecuaciones), mientras que los principios
muestran relaciones de cambio (o acción), muestra como un cambio se relaciona con
otro cambio, generalmente describiendo las causas y los efectos (como la ley de la
gravedad). Los investigadores educativos han acordado la relación mutua entre el
contexto y el diseño instruccional, y el impacto en los resultados de aprendizaje (Laporte
& Zaman, 2018).
Ejemplos de modelos de diseño instruccional y también empleados para formación online

son (Khodabandelou & Samah, 2012): ISD (Instructional Systems Design), ADDIE,
Capítulo 4
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.
Figura 4-2: Ejemplo representación modelo ADDIE.
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 diseño tiene en cuenta información o datos de la fase de análisis. Contempla

investigación y planificación (identificación de objetivos de aprendizaje, la determinación
de cómo se cumplirán los objetivos, las estrategias de instrucción que se emplearán para
lograr los objetivos y los medios y métodos que serán más efectivos en la entrega de los
objetivos). También incluye cómo se evaluarán los objetivos. Además, involucra
contenidos temáticos, instrumentos de evaluación.
La fase de desarrollo implica construir un producto de acuerdo con lo planteado en las

fases anteriores. Desarrollan, seleccionan materiales o medios o integran tecnología.
La fase de implementación prepara y entrega el “producto”. Para que sea efectivo, en

esta fase se debe continuar analizando, revisando, rediseñando y mejorando el producto.
Previamente se hacen pruebas antes de entregar a los estudiantes.
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.
▪ ADDIE y modelo u-learning

La siguiente tabla ilustra como se relaciona el referente de diseño instruccional, como
ADDIE con el modelo propuesto, de acuerdo con el framework general de u-learning
planteado en 3.8….
Tabla 4-3: Relación ADDIE con modelo planteado.
ADDIE Étapas del modelo planteado

Estado y preparación inicial
Análisis
Planeación y requerimientos
Retroalimentación
Diseño
Diseño y desarrollo
Desarrollo
Implementación Implementación servicio de

u-learning
Evaluación Confrontar servicio y
resultados de aprendizaje
Fuente: Autor
Capítulo 4
4.4 Elementos del modelo

El modelo es asemejado a un ecosistema, donde los diversos elementos están ligados
de alguna forma. Contempla varios niveles, cada uno con un grupo de factores. Hay un
bucle de retroalimentación (entre los niveles e intranivel), para redefinir o proyectar las
mejoras del servicio de aprendizaje ubicuo. La siguiente figura ilustra el modelo.
Figura 4-3: Modelo general de u-learning.
Fuente: Autor
4.4.1 Primer Nivel, estado y preparación inicial

Tiene que ver con los primeros acercamientos, la idea de u-learning, los actores que
pueden intervenir, las tendencias de tecnología, el contexto de aplicación y otros
necesarios. Por ejemplo, se puede revisar si hay lineamientos institucionales. Ver Tabla
4-4. El modelo como tal desde el principio contempla al estudiante como actor principal.
Tabla 4-4: Aspectos del nivel de iniciación
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
4.4.2 Segundo nivel, Planeación y requerimientos

Contempla proyectar como tal el servicio y requerimientos de aspectos tecnológicos,
pedagógicos, personales, conformación equipo de trabajo, de necesidades de
capacitación o fortalecer competencias digitales, o de gestión que tendrá el servicio de u-
learning. También de definir solución de plataforma de TV/video a emplear.
▪ Necesidades de conformación de equipo de trabajo. Es muy recomendable y si
existe la oportunidad de conformar un equipo de trabajo como apoyo al desarrollo del
servicio de u-learning, ver Tabla 4-5 con alternativas.
Capítulo 4
Tabla 4-5: Opción conformación equipo de trabajo.
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 tecnológicos. La Tabla 4-6, presenta detalle de requerimientos

tecnológicos12 para tener en cuenta. Se plantea de forma general, más no el detalle
técnico. Son el medio que se vale de la tecnología para llevar a cabo su propósito
(solución de u-learning basado en TV/video multipantalla). Pueden ser tangibles
(computador, etc.), como intangibles (sistema, aplicación, maquina virtual, etc).
Tabla 4-6: Aspectos tecnológicos.
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
12 De tecnología, según RAE:

Conjunto de teorías y de técnicas que permiten el aprovechamiento práctico del conocimiento científico.
Conjunto de los instrumentos y procedimientos industriales de un determinado sector o producto.
https://dle.rae.es/?id=ZJ2KRZZ
plataformas externas, otros).

Modos de - Sincrónico (En un tiempo específico - presencial o virtual)
interacción - Asincrónico (en cualquier momento)
- Híbrida (sincrónico y asincrónico)
Sistema de Repositorio de contenidos (vídeos, aplicaciones, entre otros)
almacenamiento
Sistemas - De gestión (servicio, contenidos, usuarios, etc).
complementarios - Estadísticas o analítica
- Monitoreo, entre otros.
Seguridad - Integridad datos,
- Autenticación
- Privacidad datos
- Contenidos, o DRM, entre otros.
Escalabilidad Tanto en número de usuarios, contenidos y servicios
Sensibilidad al El contenido (vídeo) se adapta al dispositivo de usuario o información
contexto de acuerdo con el sensado del sistema.
Ubicuidad cotidiana El sistema soporta que la información este en cualquier momento,
lugar, y para cualquier pantalla.
Accesibilidad Información disponible, accesibilidad a recursos TIC, a las
aplicaciones, infraestructura, a estándares (ampliamente aceptadas o
abiertos).
Funcionalidad El sistema funciona adecuadamente
Inmediatez Información se obtiene de forma “rápida”
Usabilidad El sistema o la solución posibilita que las actividades se hagan de
forma rápida y fácil
Portabilidad La solución se puede dar en dispositivos que se pueden llevar
fácilmente
Interoperabilidad Funciona en diversos sistemas o dispositivos.
Flexibilidad La solución es capaz de adaptarse de la forma más adecuada
Personalizable El sistema podría tener en cuenta los perfiles,
seguimiento/retroalimentación, y opción de elegir.
Aprendibilidad - El sistema es capaz de aprender
- Al estudiante se le facilita el aprendizaje
Fuente: Autor
Nota: Ir definiendo opciones de implementación, si basado en solución de un proveedor

o desarrollando en la nube.
En el subcapítulo 3.7 se plantearon unas consideraciones para definir solución de TV

everywhere. En ANEXO B se plantean ejemplos de alternativas y/o proveedores para
implementar plataforma video multipantalla.
▪ Necesidades personales o del grupo objetivo. La Tabla 4-7 plantea los

requerimientos en general de los individuos o grupos objetivo que participan, en este
caso los estudiantes. Por ejemplo, no es lo mismo para personas con necesidades
especiales como con deficiencia auditiva, etc., que para estudiantes normales. Por lo
cual es pertinente identificarlas o posibilitar que la solución de u-learning las
contemple.
Capítulo 4
Tabla 4-7: Necesidades personales o del grupo objetivo.
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 pedagógicos. En la Tabla 4-8 se plantean requerimientos

pedagógicos13 en general de la práctica educativa o de enseñar. Conmunmente se
enfoca a niños y jóvenes, contrario a la androgogía (enfocado a educación en adultos
o educación continua) o la heutagogía (aprendizaje libre, de mayor autonomía y
madurez).
13 Relacionado con Pedagogía: Práctica educativa o de enseñanza en un determinado aspecto o área.

Ciencia que se ocupa de la educación y la enseñanza. https://dle.rae.es/?id=SHmDVXL
Tabla 4-8: Aspectos pedagógicos.
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
La pedagogía debe considerar el apoyo a diversidad de estilos de aprendizaje. Para las

evaluaciones se pueden emplear opciones automatizadas (por ejemplo, con formularios
de evaluación electrónicas, etc.) que permitan recuperar datos para analítica y mostrar
resultados más rápidos.
Capítulo 4
Al plantear los objetivos y actividades se puede seguir el enfoque de la taxonomía de

Bloom (Anderson et al., 2001), para fortalecer el aprendizaje y nivel de cognición (desde
un nivel inferior a superior, con recordar, entender, aplicar, analizar, evaluar y crear).
Igualmente, al definir las actividades se puede proyectar la obtención o fortalecimiento de
competencias digitales. También al definir las actividades se sugiere seguir o proyectar
bajo el enfoque de entorno personal de aprendizaje (PLE). El PLE es definido por (Adell
& Castañeda, 2013) como “el conjunto de herramientas, fuentes de información,
conexiones y actividades que cada persona usa asiduamente para aprender”.
▪ Necesidades de capacitación o fortalecimiento de competencias digitales. La

Tabla 4-9 plantea proyectar necesidades de formación o el fortalecimiento de
competencias digitales. Incluye tanto para el docente como para el estudiante.
Comprende conocer, usar y/o apropiarse de un recurso TIC u otros enfoques. Por
ejemplo, el docente desea capacitarse en realizar videos empleando SW grabación
de pantalla.
Tabla 4-9: Necesidades de formación o fortalecimiento de competencias digitales.
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.
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.
Ciudadanos competentes digitalmente: De acuerdo con el Marco Europeo de

Competencia Digital, también conocido como DigComp (Joint Research Centre, 2015),
todos los ciudadanos deben ser digitalmente competentes, que significa utilizar las
tecnologías digitales de forma segura y con diversos fines, como trabajar, conseguir un
trabajo, aprender, comprar en línea, obtener información de salud, estar incluido y
participar en la sociedad, entretenimiento, etc. Ser digitalmente competente significa que
las personas necesitan tener competencias en las siguientes áreas de competencias
digitales: alfabetización en información y datos, comunicación y colaboración, creación de
contenidos digitales, seguridad, y resolver problemas.
▪ Requerimientos de gestión. La Tabla 4-10 plantea opciones de gestión14 para tener

en cuenta, como mecanismo de ocuparse de la administración de algo. Una de las
consideraciones de la solución de TV everywhere es que sea gestionable, para
controlar por ejemplo los contenidos, u otras configuraciones. También se puede
complementar por ejemplo con sistemas de gestión de aprendizaje (LMS). Es posible
controlar el personal que interviene en la solución, recursos, etc. También se puede
14 Relacionado con gestionar: Llevar adelante una iniciativa o un proyecto. https://dle.rae.es/?id=JAQijnd.

Capítulo 4
gestionar el proyecto, en el caso de desarrollo de un producto (por ejemplo, sw de la

plataforma de video) con metodologías ágiles como SCRUM15.
▪
Tabla 4-10: Aspectos de gestión.
Apoyado con - LMS,
sistemas - CMS,
- LCMS,
- LAMS,
- Combinados,
- Otros
Seguimiento - Learning analytics,
- Otros
Control - Equipo trabajo, personal,
recursos, proyecto
- Servicio, soporte
- Otros
Fuente: Autor
4.4.3 Tercer nivel, diseño y desarrollo
Una vez definidos los requerimientos, se pasa a diseñar la solución de u-learning,

contenidos, actividades, configurar y/o desarrollar plataforma, recursos, servicios,
contenidos, entre otros. En la Tabla 4-11 se plantean los factores de entorno de
dispositivos ubicuos, el entorno de aprendizaje y los servicios. Implica tener en cuenta si
se va a disponer parte o toda la infraestructura, o si se va a usar una plataforma en la
nube de un proveedor.
Tabla 4-11: Aspectos de diseño y desarrollo.
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
15 Framework Scrum. https://www.scrumguides.org/.

aprendizaje, animaciones-simulaciones, foros,

material de apoyo, entre otros)
Servicios - Actividades (como docente, entre pares, de
aprendizaje, de comunicación, e-porfolios, etc.)
- Contenidos (Videos, guías, rubricas, etc)
- Educación a distancia, enlace recursos
educativos, retroalimentación, soporte.
Fuente: Autor
Como tal, el entorno de aprendizaje es más amplio y flexible en espacios/tiempo para

aprender. En el trabajo, en el hogar, en el aula, de forma virtual usando la plataforma de
video y otros recursos TIC. Los recursos y servicios que se diseñen/desarrollen va en
función de los resultados de aprendizaje. También es importante considerar aspectos de
diseño universal, o accesibilidad para todos. En esta etapa además se proyecta la
obtención y/o fortalecimiento de las competencias digitales al diseñar por ejemplo las
actividades y si es considerado su evaluación. El video es el contenido principal. A la
hora de diseñar y desarrollar el video, se debe contemplar las fases de preproducción
(antes de grabar), producción (grabar video) y posproducción (despues de grabación). En
el ANEXO C se plantea pautas para realizar el video. El tipo de video puede ser con
videocámaras semi o profesionales, con videocámaras de dispositivos móviles, con
videocámaras voladoras (Ej. drones), videocámaras 360o , grabación de pantalla (Ej. PC),
videos animados (como whiteboard, motion graphics, Claymation, cartoon 2D/3D). En el
ANEXO D se ilustra un ejemplo de esquema de guion para el video.
4.4.4 Cuarto nivel, implementación del servicio de u-learning
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.
Tabla 4-12: Aspectos de implementación del servicio de u-learning.
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
digitales - Realizando actividades con recursos TIC.

- Incentivar o fortalecer el uso y apropiación de TIC para
buscar, organizar, crear, compartir, y dar seguridad a la
información y trabajar en la sociedad digital.
Monitoreo del - Seguimiento del funcionamiento
servicio - Seguimiento uso por los usuarios
- Soporte
Fuente: Autor
4.4.5 Quinto nivel, Confrontar servicio y resultado de aprendizaje.

Comprende aspectos como revisar la experiencia, el impacto, y favorecimiento al proceso
de enseñanza/aprendizaje, ver Tabla 4-13.
Tabla 4-13: Aspectos del servicio y resultado de aprendizaje.
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.
16 The Society for Learning Analytics Research (SoLAR). https://solaresearch.org/about/

4.5 Lista de chequeo

A modo de definir qué aspectos o elementos se tendrán en cuenta en cada nivel, se
propone ir chequeando con un visado o una X, si se lleva o no a cabo, y otro campo para
los comentarios, como ilustra la Figura 4-4.
Figura 4-4: Ejemplo propuesta lista de chequeo.
Fuente: Autor
En ANEXO A, se presenta documento guía de chequeo.
En este capítulo principalmente se detalla el modelo de u-learning basado en TV

everywhere. Inicialmente se comentó algunas pautas que sirvieron para elaborar el
modelo, como aplicar el método SCAMPER, para identificar posibles ideas de otros
estudios, el referente de diseño universal para aprendizaje, y de diseño instruccional
como ADDIE; Se procura tener un pensamiento de diseño creativo para plantear el
modelo. También se tiene en cuenta que la tecnología principal son las plataformas de
TV Everywhere, los dispositivos ubicuos, el video, y otros elementos indicados.
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.
En próximo capítulo se bosqueja el desarrollo del prototipo de u-learning para múltiples

pantallas.
5. Desarrollo prototipo de U-learning para
múltiples pantallas
En este capítulo se presenta en general la descripción del prototipo, servicio de u-
learning basado en TV everywhere, haciendo referencia al quinto objetivo específico de
desarrollar una aplicación de U-learning para múltiples pantallas. Se plantea la identidad
del prototipo, denominada Aprenutvi. Se indica la alternativa definida para implementar
un sistema de TV multipantalla. Se presenta un resumen de las características del
sistema elegido para disponer de un servicio de TV/video multipantalla.
5.1 Metodología diseño prototipo de U-learning
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.
5.2 Resumen aplicación modelo uLTVE

Por lo cual, el desarrollo del prototipo de u-learning & TVE, previamente conlleva unas
etapas planteadas en el modelo. La siguiente tabla resume la aplicación del modelo para
proyectar un prototipo de u-learning basado en TV multipantalla.
Tabla 5-1: Resumen aplicación modelo en prototipo u-learning.

Fase Resumen
• Idea de u-learning
• Idea de TV multipantalla
Estado y • Investigación de alternativas de plataformas de video para su implementación y

preparación inicial proveedores.
• Proyectar aplicar en contexto Universitario.
• Opciones de implementación en Universidad Nacional sede Medellín y en el
Politécnico Jaime Isaza Cadavid
• Propuesta de iniciativa del docente en una asignatura.
• Se ha conversado con varios docentes para su aplicación.
• Entre requerimientos tecnológicos (plataforma de video en la nube, tipo servicio
VoD, gestionable, escalable, opciones de estadística, interacción complementada
con otros recursos TIC, redes sociales, correo electrónico, despliegue en
diferentes pantallas, en redes inalámbricas o cableadas, modo interacción
asíncrono, con sistema de almacenamiento, funcional)
Planeación & • Entre requerimientos pedagógicos (recurso principal video, actividades a realizar
requerimientos como discusión/reto, área conocimiento (historia y teoría 2 / algoritmos y
programación), delimitación tema (románico y gótico / ciclos, funciones,
procedimientos, condicionales, archivos), evaluación (pretest, postest - autotest),
rol (parcial/complementario), estrategia (conversatorio/aprender programando)
• Entre requerimientos personales (aprendizaje formal, grupo objetivo (estudiantes
de arquitectura y ingeniería informática), no se contemplan necesidades
especiales, motivación uso tecnología, flexibilidad de tiempo y lugar)
• Entre requerimientos de gestión (control servicio)
• Entre requerimientos equipo de trabajo (docente, asesor)
• Entre requerimientos necesidades de formación o fortalecimiento competencias
digitales (sobre grabación de video – captura de pantalla)
• Se define alternativa de implementación – Por medio de un proveedor de
plataforma video/TV en la nube.
• Se define plataforma a emplear – Vimeo
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)
Se tiene en cuenta pautas grabación video y guión, ver ANEXOS C y D respectivamente.

Fase Resumen
Fase • Pruebas y verificación del sitio web de URL del video en múltiples dispositivos
Implementación conectados
del servicio de u- • El servicio de u-learning & TVE es aplicado en escenarios real de los cursos de
learning Historia y teoría 2 (UNAL) y Algoritmos y programación (Politécnico JIC)
• Pretest (ambos cursos)
• Se invita a visitar el portal de video
• Se motiva a realizar actividades con recursos TIC (en curso algoritmos y
programación)
• Seguimiento funcionamiento
Fase de • Postest – desempeño académico (ambos cursos)
confrontar servicio • Encuesta de percepción experiencia (grupos experimentales – ambos cursos)
y resultados de • Revisión de analítica suministrada por plataforma
aprendizaje
Fuente: Autor
Capítulo 5 193
En el capítulo 6 de validación, se ampliará sobre la implementación del servicio de u-

learning y confrontar el servicio y resultados de aprendizaje.
▪ 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.
5.3 Identidad del prototipo de u-learning y TVE
5.3.1 Nombre del prototipo

Teniendo en cuenta que se pretendía contar con una aplicación de TV-Video en la nube
bajo el enfoque de aprendizaje ubicuo, se definió como nombre del prototipo: “aprenutvi”,
Figura 5-1. Posteriormente se validó la disponibilidad y se adquirió un dominio
denominado aprenutvi.co.
Figura 5-1: Nombre del prototipo – Aprenutvi.
Aprenutvi Aprendizaje ubicuo
Basado en la nube
Y televisión/video
5.3.2 Diseño imagen logo prototipo

Para el diseño de la imagen del logo, se tuvo en cuenta: Los términos de aprendizaje
ubicuo y TV/video en la nube, y el objetivo de desarrollar una aplicación de u-learning
basado principalmente de contenido de video para múltiples pantallas. Los elementos
gráficos con los cuales se construyó el logotipo son la nube (representa el despliegue de
contenido en diferentes dispositivos conectados a internet y apoya el concepto de
aprendizaje ubicuo), los rectángulos (representan las pantallas de diferentes
dispositivos), y el símbolo de reproductor de video, que relacionan los conceptos y se
ilustran en la siguiente figura:
Figura 5-2: Imagen del prototipo aprenutvi.

Capítulo 5 195
5.4 Descripción del sistema TV multipantalla empleado

Luego de una exploración de opciones para implementar una solución de video en la
nube (Ver ANEXO B, ejemplos de plataformas de video online), y teniendo en cuenta en
general los aspectos para elegir una plataforma de video señalados en subcapítulo 3.7,
se toma la decisión de disponer de la plataforma de video en la nube llamada Vimeo17
(modalidad premium). Entre las funcionalidades que ofrece esta plataforma de video en
la modalidad premium se listan en la siguiente tabla:
Tabla 5-2: Resumen funcionalidades plataforma de video definida.
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 HTML5. Compatible con videos en vivo y en 360º, en todos los

dispositivos. Uso de códecs principales para obtener la transcodificación más
rápida y de mejor calidad. La transmisión adaptable asegura la mejor calidad para
cualquier velocidad de conexión.
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.
Fuente: Construcción propia basada de Vimeo
17 Vimeo, https://vimeo.com/es/
La plataforma de video se soporta del almacenamiento en (Google cloud, Level 3) para

los videos subidos y transcodificados. Emplea varias redes de distribución de contenido
(CDN) como Akamai, Fastly y Level3 y pueden estar variando los servidores (Points of
Presence) para garantizar la demanda. La Figura 5-3 ilustra la CDN de Fastly, con una
capacidad de 52 Tbps global conectada; las especificaciones del servidor cache son 24
TB de disco de estado sólido, 768 GB de RAM, y 4 x 25 Gigabit Ethernet. En este caso
en Bogotá – Colombia hay un servidor POP de la red para facilitar la entrega de
contenido.
Figura 5-3: Ejemplo CDN de Fastly que soporta plataforma definida.
Fuente: Captura pantalla - https://www.fastly.com/network-map
Como tecnologías de streaming adaptativo la plataforma usa MPEG-DASH y HLS, que

de manera automática adapta el video en el reproductor y según las condiciones de la
red. Otros códecs que soporta la plataforma son por ejemplo H.264 y H.265 (HEVC).
La Plataforma cuenta con opción de administración o back-end, en donde además de

aplicar las funcionalidades, se sube el video y otras configuraciones. En la Figura 5-4 se
ilustra parte de la interfaz de configuración, que luego de subir los videos y procesar, se
puede ajustar la descripción, título, articular por ejemplo a un portafolio, insertar
(controles, logo, título, color del reproductor), agregar interacción como a un enlace
externo, distribuir a redes sociales, estadísticas generales.
Capítulo 5 197
Figura 5-4: Ejemplo interfaz configuración video desde la plataforma definida.
Fuente: Captura pantalla – plataforma Vimeo
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).
Figura 5-5: Ejemplo video en portafolio polialypro.aprenutvi.
Fuente: Captura pantalla – prototipo aprenutvi
En este capítulo se presentó la descripción relacionada con el diseño del prototipo de u-

learning basada en TV everywhere. Se tuvo en cuenta el modelo planteado. Por aspectos
prácticos se definió disponer de una plataforma de video de un proveedor, y teniendo en
cuenta los criterios para seleccionar una solución de TV everywhere propuestos, se
definió usar la plataforma vimeo. Se presentó en general la descripción de la plataforma
definida. También se planeó y diseñó la identidad del prototipo, denominada aprenutvi
(aprendizaje ubicuo basado en la nube y TV/video).
En el próximo capítulo se presenta y realiza la validación del modelo y prototipo de u-

learning basado en TV everywhere.
6. Validación modelo de U-learning
Este capítulo presenta la validación del modelo propuesto y su aplicación con el prototipo
de u-learning & TVE, denominado aprenutvi.
6.1 Diseño general validación modelo y aplicación

prototipo u-learning
Para validar el modelo de u-learning basado en TV everywhere, se plantearon tres
escenarios: 1) Obtener la valoración por “expertos” (personas con conocimiento u
experiencia relacionada con tecnologías educativas), 2) Obtener la impresión por parte
de los docentes que participaron de la aplicación del modelo y del prototipo, 3) Obtener la
impresión de los estudiantes (de dos Universidades diferentes) que participaron de la
aplicación del prototipo. La Figura 6-1 ilustra el proceso de validación general. En este
capítulo se presenta también pruebas de aplicación del prototipo.
Figura 6-1: Proceso validación general.
-
Valoración “Expertos” Presentación
modelo tipo video
-Encuesta
con
Validación
Estudiantes -Desempeño
Aplicación
-Encuesta
modelo -
prototipo
Docentes -Encuesta
Fuente: Autor
A continuación, se detalla la planificación/diseño, ejecución y análisis en cada uno de

estos escenarios, basados del proceso general de experimentación (Gomez et al., 2013),
(Emden & Sumfleth, 2016).
Para el análisis, inicialmente se describe los resultados en términos de porcentajes,

posteriormente se analizan los datos obtenidos de los cuestionarios con la técnica
multivariable, específicamente la técnica de análisis factorial (Brown, 2003),(Brown,
2006). Para el análisis estadístico se emplea la herramienta de software estadístico R18.
La validez de la técnica estadística empleada se comprueba por medio las pruebas KMO
(H.F. Kaiser, 1974) y de la prueba de esfericidad de Bartlett (Snedecor & Cochran, 1989),
que determinan la pertinencia del análisis exploratorio realizado. El primer paso del
análisis factorial exploratorio, consistió en determinar el número de factores adecuados
que integran cada constructo, teniendo en cuenta la interdependencia entre variables y
que son las observables que se explican por los factores. El supuesto principal del
análisis factorial es que las variables están correlacionadas. Al tener datos en escala
Likert, se hace necesario el uso de una matriz muestral de tipo policórica debido a la
escala de los datos usada. Para este procedimiento se halló la matriz de correlaciones de
las variables por constructo. Luego se extrajeron los factores por el método de factores
principales, extraídos siguiendo el criterio de Kaiser (Henry F. Kaiser, 1958) que consiste
en utilizar todos aquellos factores cuyo valor propio sea mayor a 1. Los factores se
obtienen de la matriz de rotación ya que como establecen Uriel y Aldás (Jimenez &
Manzano, 2005), se trata de que las variables tengan una correlación lo más próxima
posible a 1, que sea factible con uno de los factores y correlaciones próximas a 0 con el
resto de los factores.
6.2 Valoración del modelo con “expertos”
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
18 The R Project for Statistical Computing. https://www.r-project.org/

Capítulo 6 201
experiencias en tecnologías educativas. Para conservar una muestra amplia, no se filtro

según nivel de “experto”. El ANEXO H, describe los perfiles de los “expertos”.
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.
Tabla 6-1: Indicadores a valorar por "expertos".
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)
✓ Muestra: para la valoración del modelo se realizó una solicitud de colaboración

para participar vía e-mail a aproximadamente 65 “expertos” (personas con
conocimiento u experiencia en tecnologías educativas, de diferentes
Universidades de Colombia). Al final lograron responder completamente el
formulario 19 personas de 17 Instituciones - Universidades. Esto se realizó desde
mayo-2018 a mayo-2019.
✓ Materiales e instrumentos: Se elaboraron dos presentaciones tipo videos
explicativos, uno sobre las generalidades de u-learning & TVE y otro sobre el
modelo propuesto. Se emplea el software Screencast-O-Macti v2.0 (grabación de
pantalla PC), Portátil y micrófono tipo diadema para elaborarar los videos, que
luego fueron puestos en la plataforma de video online (inicialmente en aplicativo
Edpuzzle y luego en portafolio configurado de Vimeo). También se elaboró un
instrumento para recoger información de los docentes que valoraron el modelo
conformado por varias preguntas de los indicadores definidos: Usabilidad en uso
(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.
Figura 6-2: Ejemplo portafolio video presentación temática.
Fuente: Autor. http://presentaciones.ulearning-tve.com/
▪ 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
formulario Google. En general la percepción es positiva sobre el modelo y temática de u-

learning & TVE. En la valoración de usabilidad en uso (en cuanto a satisfacción -utilidad),
se resalta que el 63,2 % están muy de acuerdo y 31,6 % de acuerdo en que las
plataformas de TVE son útiles y benefician la implementación de u-learning; Entre el 47,4
% y 36,8% están de acuerdo y muy de acuerdo respectivamente con los niveles y
componentes propuestos en el modelo; En el primer nivel se resalta que con 57,9% y
42,1% están de acuerdo y muy de acuerdo respectivamente en que se tenga en cuenta
los actores que participan (entre ellos principalmente el estudiante), al igual que las
tendencias y el contexto (educativo) sobresalen; En el segundo nivel sobresalen en estar
muy de acuerdo con 63,2% en el equipo de trabajo, con 52,6% en los aspectos
tecnológicos, y con 73,7 % con los pedagógicos; En el tercer nivel sobresale con un 78%
en estar muy de acuerdo con el entorno de aprendizaje; En el cuarto nivel sobresale con
un 68,4% muy de acuerdo y 31,6% de acuerdo en el monitoreo del servicio; En el quinto
nivel con un 57,9% muy de acuerdo y 31,6% de acuerdo en el impacto del servicio.
Tabla 6-2: Resumen de respuestas (%) valoración “expertos”.

Indicador Característica Pregunta Descripción RESPUESTAS (%)
pregunta
MD D NAD A MA
Utilidad TVE y 0 0 5,2 31,6 63,2
P2 beneficia u-learning
Niveles y componentes 0 0 15,8 47,4 36,8
P4 del modelo
Utilidad modelo y 0 10,5 10,5 42,1 36,8
aplicación en cualquier
P8 institución
P10 Claridad del modelo 0 5,3 10,5 57,9 26,3
P11-1 0 0 10,5 42,1 47,4
P11-2 0 0 0 57,9 42,1
P11-3 Componentes primer 0 0 5,3 42,1 52,6
nivel
Usabilidad Satisfacción - P11-4 0 0 5,3 31,6 63,2
en uso utilidad P11-5 0 0 10,5 68,4 21,1
P11-6 0 5,2 31,6 42,1 21,1
P12.1 0 0 0 36,8 63,2
P12-2 Componentes segundo 0 0 5,3 42,1 52,6
P12-3 nivel 0 0 0 52,6 47,4
P12-4 0 5,2 0 21,1 73,7
P12-5 0 0 10,5 57,9 31,6
P13-1 0 0 5,3 52,6 42,1
P13-2 Componentes tercer 0 0 0 21,1 78,9
P13-3 nivel 0 0 5,3 36,8 57,9
P14-1 0 0 10,5 31,6 57,9
P14-2 Componentes cuarto 0 0 5,2 31,6 63,2
P14-3 nivel 0 0 5,2 31,6 63,2
P14-4 0 0 0 31,6 68,4

P15-1 0 0 5,2 63,2 31,6
P15-2 Componentes quinto 0 0 10,5 31,6 57,9
P15-3 nivel 0 0 15,8 57,9 26,3
Indicador Característica Pregunt Descripción RESPUESTAS (%)

pregunta MD D NAD A MA
a
Reconocimient P1 Modelo válido para u- 0 0 21,1 52,6 26,3
o de adecuado learning&TVE
P3 u-learning&TVE 0 0 5,3 36,8 57,9
Capacidad de contribuye proceso
Usabilidad aprendizaje educativo
del P6 Con modelo implementar 0 0 10,5 47,4 42,1
producto TVE para enriquecer
proceso
enseñanza/aprendizaje
Operabilidad P9 Modelo fácil ejecutar 0 5,2 26,3 63,2 5,3
Accesibilidad P7 Plataformas videos 0 0 15,8 73,7 10,5
fáciles de utilizar en
general para todos
P5 Si hay disponibilidad de 0 0 5,2 31,6 63,2
Intención de uso TVE la utilizaría para uso
educativo
Fuente: Autor
En la valoración de usabilidad del producto, en cuanto a reconocimiento de adecuado,

con un 52,6% de acuerdo y 26,3% están muy de acuerdo en que el modelo es válido
como referente para implementar u-learning basado en TVE; en cuanto a capacidad de
aprendizaje con 36,8% de acuerdo y 57,9% muy de acuerdo, consideran que la
implementación de u-learning & TVE contribuye al proceso educativo; En cuanto a
operabilidad, el 63,2% están de acuerdo que el modelo es fácil de de ejecutar; En cuanto
a accesibilida, el 73,7% están de acuerdo que en general para el usuario final el uso de
las plataformas de video en cualquier dispositivo son fáciles de utilizar.
En la valoración de intención de uso, con un 31,6% de acuerdo y 63,2% están muy de

acuerdo en que si tuvieran la disponibilidad de usar las plataformas de TVE las utilizaría
para uso educativo.
Posteriormente a partir del análisis factorial exploratorio se tienen 5 constructos o

factores, resumidos como se presentan a continuación:
Tabla 6-3: Resumen factores según análisis factorial exploratorio para el grupo
“expertos”.
Capítulo 6 205
Factor 1 Factor 2 Factor 3 Factor 4 Factor 5

Importancia primeras Más de actores, Más de la Relacionado Algo de la
cuatro etapas del tendencias, utilidad quinta etapa con utilidad y primera
modelo y proyección TVE y beneficio u- del modelo, claridad etapa, de
uso educativo learning, de confrontación modelo, estado y
(modelo válido como acuerdo con el servicio planeación
referente, u-learning modelo, modelo u- inicial
&TVE contribuye learning &TVE
proceso educativo) favorece
aprendizaje,
impacto servicio,
intención de uso
La siguiente tabla ilustra los valores correspondiente a la correlación interna entre los
ítems del instrumento, obtenidas con el Alpha de Cronbach (Cronbach, 1951).
Tabla 6-4: Resultado consistencia interna escenario con “expertos”.
Medida Alpha de Cronbach KMO

General 0,946 0,50
Usabilidad en uso 0,933 0,50
Usabilidad del Producto 0,753 0,71
La Figura 6-3 ilustra las correlaciones entre preguntas asociadas al indicador de

usabilidad en uso (en cuanto a satisfacción-utilidad). A partir del gráfico de correlación se
puede establecer que existe una correlación alta entre la utilidad del modelo y aplicación
en cualquier institución con la claridad del modelo, seguida de la utilidad de la plataforma
de video y el beneficio de la implementación u-learning.
Figura 6-3: Correlaciones entre preguntas asociadas al indicador de usabilidad en uso

Por ejemplo, en el tercer nivel del modelo, existe una correlación alta de servicios y
entorno de aprendizaje.
Figura 6-4: Ejemplo correlación preguntas sobre tercer nivel modelo
Posteriormente, para validar los constructos o factores se realizó un ajuste vía

ecuaciones estructurales (Asparouhov & Muthén, 2009) proporcionando el siguiente
esquema:
Figura 6-5: Esquema de ecuaciones estructurales.

Capítulo 6 207
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.
6.3 Aplicación modelo y prototipo u-learning & TVE

Esta validación se puede clasificar como un cuasiexperimento, porque los sujetos de la
muestra no fueron elegidos al azar, son grupos ya definidos (Cook et al., 2002), (M. Seel,
2012), (Sans Martín, 2009). Se planteó la idea a algunos profesores conocidos que
tenían cursos asignados, y tres desearon participar. Dos de los profesores que tenían
una misma asignatura en dos grupos diferentes, emplearon el prototipo de u-learning
denominado Aprenutvi, y el otro profesor hizo parte de una prueba previa con la
aplicación Edpuzzle.
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.
Tabla 6-5: Estructura diseño empleado en la valoración de aplicación modelo y prototipo.
Caso Grupos Pretest Tratamiento Postest

Control Clase tradicional Prueba conocimiento
Clase tradicional -Prueba conocimiento
Poli JIC complementada -Encuesta valoración
(Algoritmos y Experimental con prototipo u- prototipo por estudiante.
programación) Prueba learning & TVE -Encuesta valoración
conocimiento (aprenutvi) modelo y prototipo por
inicial del docente.
Control tema Clase tradicional Prueba conocimiento
Clase virtual -Prueba conocimiento
Unal usando prototipo u- -Encuesta valoración
(Historia y Experimental learning & TVE prototipo por estudiante.
teoría 2) (aprenutvi) -Encuesta valoración
modelo y prototipo por
docente.
Poli JIC Un solo N/A Clase inversa -Encuesta valoración
(Genética grupo usando Edpuzzle modelo y prototipo por
general) como idea de u- docente.
learning & TVE
6.3.1 Valoración con estudiantes

El propósito es obtener la valoración del prototipo de u-learning & TVE, por parte de los
estudiantes (grupo experimental) que participaron. Además del indicador de desempeño
académico, se plantean otros indicadores basados del standards 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, los cuales están divididos en características y
subcaracterísticas. La calidad de uso es el grado en que un producto o sistema puede
ser utilizado por usuarios específicos para satisfacer sus necesidades y lograr objetivos
Capítulo 6 209
específicos con efectividad, eficiencia, libertad de riesgos y satisfacción en contextos

específicos de uso. El modelo de calidad en uso busca cuantificar la "capacidad de uso" -
’us-ability’ (efectividad, eficiencia y satisfacción) de la aplicación, cuando usuarios
específicos intentan alcanzar sus objetivos específicos. 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 6-6 muestra los indicadores y/o subcaracterísticas definidas para ser valoradas
por los estudiantes que participaron del prototipo.
Tabla 6-6: Indicadores a valorar por estudiantes.
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
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
✓ Muestra: la aplicación del prototipo Aprenutvi se realizó en los semestres 2018-2

y 2019-1, en los cursos de Algoritmos y programación (Facultad de Ingeniería -
Politécnico Jaime Isaza Cadavid) con 44 estudiantes (grupo control y
experimental con 22 cada uno), y en Historia y Teoría 2 (Escuela de Arquitectura
– UNAL Medellín) con 43 estudiantes (grupo control: 21 y grupo experimental:
22). Con ambos grupos se mira el desempeño, y la encuesta sólo es aplicada al
grupo experimental, los cuales participaron del prototipo de u-learning & TVE.
✓ Materiales e Instrumentos: Se elaboró un instrumento para recoger información
del grupo experimental conformado por varias preguntas de los indicadores
definidos: Usabilidad en uso (preguntas P37 a P43), cobertura de contexto en uso
(preguntas P56 y P57), Idoneidad funcional (pregunta P53), usabilidad del

producto (preguntas P44 a P52), portabilidad (adaptabilidad (pregunta P54)),
confiabilidad (disponibilidad (pregunta P55)), e intención de uso (preguntas P58 y
P59). El instrumento está compuesto por una escala de 23 ítems tipo Likert, con
cinco opciones de respuesta (1= Muy en desacuerdo a 5= Muy de acuerdo), ver
ANEXO F. Para desarrollar el instrumento se empleó Google Forms. Además, los
dos docentes de ambas asignaturas realizaron una prueba de conocimiento inicial
(pretest) antes de ver el tema y otra prueba de conocimiento final (postest), para
evaluar el indicador de desempeño en ambos grupos (experimental y control). El
docente de la asignatura de Algoritmos y programación realizó las pruebas
empleando formulario de Google, y el docente de la asignatura de Historia y
teoría 2, en papel. También los dos docentes prepararon la presentación de la
temática (en power point) y posteriormente realizan la exposición y al mismo
tiempo la grabación de video (captura de pantalla). Para la grabación del video se
emplea PC, Software grabación pantalla (atube Catcher, Camtasia, y Screencast-
O-Macti v2.0), y micrófonos tipo diadema.
▪ Ejecución: con base en el diseño, inicialmente los docentes de ambos cursos

realizan el pretest, tanto en el grupo experimental como en el de control. En el curso
de Algoritmos y programación, el docente aprovecha el aula de computadores para
realizar el pretest online; Lo diligencian 26 en cada grupo. En el curso de Historia y
teoría 2, lo diligencian 21 (grupo experimental) y 22 estudiantes (grupo control).
Posteriormente, en el curso de algoritmos y programación, el grupo de control recibe la
clase tradicional, y el grupo experimental recibe la clase tradicional complementada con
el prototipo de u-learning basada en la plataforma de video multipantalla, durante 2 – 3
semanas. Otra actividad que realizó el docente a modo de tarea fue que presentarán un
caso de aplicación de algoritmos y programación (algunos estudiantes realizaron un
video y fue subido a la plataforma). Uno de los videos tenía un enlace externo a autoquiz
(en Google forms). La Figura 6-6 ilustra el portafolio de video para la asignatura de
algoritmos y programación (Politécnico Colombiano Jaime Isaza Cadavid), con temática
de condicionales, ciclos, archivos, números aleatorios, condicionales, matrices y
vectores.
Capítulo 6 211
En el curso de Historia y teoría 2, el grupo de control recibe la clase tradicional en el aula,

pero el grupo experimental revisa la clase de forma virtual aplicando prototipo de u-
learning basada en la plataforma de video multipantalla, en el transcurso de una semana.
En la clase siguiente el docente realiza un panel de discusión para retroalimentar y
realiza un quiz.
Figura 6-6: Ejemplo prototipo aprenutvi en algoritmos y programación.
Fuente: Captura pantalla - http://polialypro.aprenutvi.co/
La Figura 6-7 ilustra el portafolio de video para la asignatura de Historia y Teoría 2

(Universidad Nacional de Colombia – Medellín), con la temática de Románico y Gótico.
Figura 6-7: Ejemplo prototipo aprenutvi en Historia y teoría 2.

Fuente: Captura pantalla - http://unalhisteo2.aprenutvi.co/
Luego en la semana posterior de aplicar el prototipo, los docentes de ambos cursos

realizan el postest, tanto en el grupo experimental como en el de control. En el curso de
Algoritmos y programación, el docente realiza el postest online aprovechando el aula de
computadores; Lo diligencian 24 (grupo experimental) y 28 (grupo de control). Dado que
lo ideal es que la persona que diligencia el pretest sea el mismo del postest, se
removieron los resultados de participantes que no participaron de ambas pruebas,
quedando de 22 por cada grupo. En el curso de Historia y teoría 2, diligencian el postest
los mismos 21 (grupo experimental) y 22 estudiantes (grupo control) que participaron del
pretest. Finalmente, sólo los grupos experimentales de ambos cursos realizan la
encuesta online para valorar la experiencia y el prototipo, teniendo en cuenta los
indicadores definidos previamente.
▪ 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
Tabla 6-7: Resultados pruebas desempeño estudiantes.
Asignatura Grupo Número Promedio pretest Promedio postest

Historia y teoría Experimental 21 4,0 4,5
2 Control 22 4,5 4,5
(Unal)
Algoritmos y Experimental 22 2,3 3,5
programación Control 22 2,1 2,8
(Poli JIC)
En la aplicación de la encuesta participaron 22 estudiantes de la asignatura Algoritmos y

programación (Poli JIC) y 24 de la asignatura Historia y teoría 2 (Unal). La Tabla 6-8
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 F) y obtenidas del formulario Google. En
general se aprecia en general una percepción positiva de los estudiantes que participaron
del prototipo de u-learning & TVE. En la valoración de la usabilidad en uso, sobresale en
cuanto a satisfacción -utilidad con un 31,8% de acuerdo y 68,2% muy de acuerdo en el
Politécnico JIC y en la UNAL con 16,7% de acuerdo y 79,2% estar muy de acuerdo en
que recomendarían que las universidades implementen plataformas de video para
soportar el aprendizaje en cualquier momento, lugar y con cualquier dispositivo. En la
valoración de cobertura de contexto, sobresale en cuanto a flexibilidad, que con un
37,5% de acuerdo y 54,2% estar muy de acuerdo en la UNAL en que el uso de la
plataforma de video es flexible en términos de poder elegir en qué tiempo, lugar y
dispositivo emplear cuando se quiere acceder. En la valoración de idoneidad funcional
(en cuanto a corrección funcional), se resalta que en general están de acuerdo y muy de
acuerdo en que la plataforma de video realiza su función adecuadamente. En la
valoración de usabilidad del producto, sobresale en cuando a capacidad de aprendizaje,
con un 36,4 % de acuerdo y 63,6% muy de acuerdo en el Politécnico JIC, y en la UNAL
con 37,5% de acuerdo y 54,2% estar muy de acuerdo en que la plataforma de video
favorece el proceso de aprendizaje. En la valoración de portabilidad (en cuanto a
adaptabilidad), en general están de acuerdo y muy de acuerdo en que la plataforma de
video y los videos se adaptan en cualquier dispositivo y navegadores o sistemas
operativos.
Tabla 6-8: Resumen de respuestas (%) de estudiantes al cuestionario.
Indicador Característica Pregunta Descripción RESPUESTAS (%) - Poli RESPUESTAS (%) - Unal
pregunta MD D NAD A MA MD D NAD A MA
Eficiencia P37 Es eficiente usar la plataforma de video 0 0 13,6 50 36,4 0 0 12,5 50 37,5
Efectividad P38 Efectividad TVE para soportar aprendizaje 0 0 0 45,5 54,5 0 0 0 54,2 45,8
Satisfacción - P39 Utilidad TVE para el contexto educativo 0 0 9,1 31,8 59,1 0 0 4,2 33,3 62,5
utilidad P40 Recomendaría TVE para soportar u-learning 0 0 0 31,8 68,2 0 0 4,2 16,7 79,2
Usabilidad en Satisfacción - 0 0 27,3 63,6 9,1 0 0 8,3 58,3 33,3
uso confianza P41 Plataforma video da confianza al usar
Satisfacción - 0 0 18,2 68,2 13,6 0 0 8,3 62,5 29,2
placer P42 Disfruta usar la plataforma de video
Satisfacción - 0 0 22,7 68,2 9,1 0 4,2 4,2 62,5 29,2
confort P43 Usar la plataforma genera comodidad
Cobertura de Flexibilidad Usar TVE es flexible para elegir tiempo, lugar 0 0 13,6 36,4 50 0 0 8,3 37,5 54,2
contexto P56 y dispositivos
Integridad de Videos se reproducen aún en pantallas 0 0 18,2 59,1 22,7 0 4,2 45,8 8,3 41,7
contexto pequeñas, usuarios no expertos, internet con
P57 bajo ancho de banda
Idoneidad Corrección La plataforma video realiza su función 0 0 4,5 40,9 54,5 0 0 0 66,7 33,3
funcional funcional P53 adecuadamente
Reconocimiento Plataforma de video adecuada para sus 0 0 13,6 59,1 27,3 0 0 20,8 41,7 37,5
de adecuado P44 necesidades
Capacidad de La plataforma video se puede emplear para 0 0 0 50 50 0 0 4,2 41,7 54,2
aprendizaje P45 lograr objetivos de aprendizaje
Usabilidad P46 El medio usado facilito el entender tema 0 0 22,7 50 27,3 0 0 8,3 45,8 45,8
del producto P47 El prototipo favorece el aprendizaje 0 0 0 36,4 63,6 0 0 8,3 37,5 54,2
Operabilidad P48 Para uso educativo es fácil de usar u operar 0 0 0 50 50 0 0 8,3 25 66,7
P49 Es fácil usar en cualquier dispositivo 0 0 13,6 31,8 54,5 0 0 25 25 50
Protección contra 0 0 59,1 36,4 4,5 0 4,2 62,5 25 8,3
errores P50 Hay protección frente a error propio
Estética de la La interfaz del prototipo hace posible una 0 0 22,7 68,2 9,1 0 0 37,5 37,5 25
interfaz de usuario P51 interacción agradable y satisfactoria
Accesibilidad P52 Fáciles de utilizar en para diferentes usuarios 0 0 13,6 68,2 18,2 0 4,2 8,3 37,5 50
Portabilidad Adaptabilidad La plataforma y los videos se adaptan en 0 0 18,2 63,6 18,2 0 0 16,7 33,3 50
P54 cualquier dispositivo, o navegadores o SO
Confiabilidad Disponibilidad La plataforma de video es operacional y 0 0 13,6 54,5 31,8 0 0 12,5 41,7 45,8
P55 accesible cuando se requiere usar
Si se tiene acceso a la plataforma de video, se 0 0 0 31,8 59,1 0 0 8,3 33,3 58,3
P58 utilizaría para uso educativo
Intención de uso Si se tiene la disponibilidad de la plataforma 0 0 0 22,7 72,7 0 0 0 50 50
P59 de video, se utilizaría para uso educativo
En la valoración de confiablidad (en cuanto a disponibilidad), también en general están
de acuerdo y muy de acuerdo en que la plataforma de video es operacional y accesible
cuando se requiere usar. También en la valoración de la intención de uso, se refleja en
general estar de acuerdo y muy de acuerdo, resaltándose por ejemplo en el Politécnico
JIC con un 22,7% y 72,7% estar muy de acuerdo que le gustaría utilizar en el futuro la
plataforma de video para apoyo al aprendizaje.
Posteriormente a partir del análisis factorial exploratorio se tienen 4 constructos o

factores, resumidos como se presentan a continuación:
Tabla 6-9: Resumen factores según análisis factorial para estudiantes.
Universidad Factor 1 Factor 2 Factor 3 Factor 4

Poli JIC Hace relación a Hace relación Hace relación a Hace relación
efectividad, favorabilidad a confiabilidad, favorecimiento a confianza y
al aprendizaje, facilidad, integridad al aprendizaje, accesibilidad
flexibilidad, intención de contexto estética interfaz
uso
Universidad Hace relación a Hace relación Hace relación a Hace relación
Nacional eficiencia, efectividad, a facilidad, confiabilidad, a protección
utilidad, favorece accesibilidad, flexibilidad contra errores,
aprendizaje portabilidad estética
interfaz
Las medidas relacionadas con respecto a la consistencia interna se presentan a

continuación para los datos de los estudiantes en las dos instituciones universitarias que
se están analizando.
Tabla 6-10: Resultados consistencia interna escenario con estudiantes.
Universidad Medida Alpha de Cronbach KMO

Poli JIC General 0,928 0,50
Cobertura de contexto 0,72 0,5
Usabilidad del producto 0,756 0,51
Intención de uso 0,712 0,50
Universidad General 0,933 0,3
Nacional Usabilidad en uso 0,879 0,74
Cobertura de contexto 0,794 0,50
Posteriormente, para validar los constructos o factores se realizó un ajuste vía

ecuaciones estructurales (Asparouhov & Muthén, 2009). La figura ilustra el esquema de
ecuaciones para los estudiantes del Poli JIC
Figura 6-8: Ecuaciones estructurales con estudiantes Poli.
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).
La Figura 6-9 ilustra el esquema de ecuaciones para los estudiantes de la UNAL. Se

destacan con alta correlación la usabilidad en uso (en cuanto a eficiencia) y la usabilidad
del producto (en cuanto a operabilidad). Adicional existe estadísticamente una alta
correlación de la usabilidad del producto con respecto a la protección contra errores y la
confiabilidad (en cuanto disponibilidad).
Figura 6-9: Ecuaciones estructurales con estudiantes Unal.

Capítulo 6 219
6.3.2 Valoración con docentes

El propósito es obtener la valoración de la aplicación del modelo y prototipo u-learning &
TVE por parte de los docentes que aceptaron participar. 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 de 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 6-11 muestra los indicadores y/o
subcaracterísticas definidas para ser valoradas por los docentes que participaron de la
aplicación del modelo y prototipo de u-learning & TVE.
Tabla 6-11: Indicadores a valorar por docentes.
I1 Calidad en uso Usabilidad Satisfacción - utilidad
Calidad del Capacidad de aprendizaje
I2 producto Usabilidad Operabilidad
Accesibilidad
✓ Muestra: en la aplicación del modelo u-learning & TVE y el prototipo aprenutvi,

participaron dos docentes, uno de la asignatura de Algoritmos y programación
(Facultad de ingeniería del Politécnico Colombianoa Jaime Isaza Cadavid) y otra
de Historia y teoría 2 (Escuela de Arquitectura de la Universidad Nacional de
Colombia- sede Medellín), quienes tenía dos grupos de un mismo curso. Otra
aplicación previa del modelo y con el aplicativo Edpuzzle fue realizada por un
docente de la asignatura de Genética general (Facultad de ciencias agrarias del
Politécnico Jaime Isaza Cadavid), quien tenía un solo grupo. En total participaron
tres docentes para la valoración de aplicación del modelo.
✓ Materiales e Instrumentos: Se elaboraron dos presentaciones tipo videos
explicativos, uno sobre las generalidades de u-learning & TVE y otro sobre el
modelo propuesto. Se emplea el software Screencast-O-Macti v2.0 para
elaborarar los videos (grabación de pantalla PC), y fueron puestos en la
plataforma de video online. También se elaboró un instrumento para recoger
información de los docentes que aplicaron el modelo conformado por varias
preguntas de los indicadores definidos: Usabilidad en uso (preguntas 2, 4, 8, 10,
11, 12, 13, 14, 15, 16), usabilidad del producto (preguntas 1, 3, 6, 9, 7, 17), e
intención de uso (preguntas 5, 18). El instrumento está compuesto por una escala
de 18 ítems tipo Likert, con cinco opciones de respuesta (1= Muy en desacuerdo
a 5= Muy de acuerdo), ver ANEXO G. Para desarrollar el instrumento se empleó
Google Forms.
▪ 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
Tabla 6-12: Resumen respuestas (%) valoración por docentes.

Indicador Característica Pregunta Descripción RESPUESTAS (%)
pregunta
MD D NAD A MA
Utilidad TVE y beneficia u- 0 0 0 33,3 66,7
P2 learning
Niveles y componentes del 0 0 0 66,7 33,3
P4 modelo
Grado satisfacción 0 0 0 100 0
P16 u-learning & TVE
Utilidad modelo y 0 0 0 33,3 66,7
aplicación en cualquier
P8 institución
P10 Claridad del modelo 0 0 33,3 33,3 33,3
P11-1 0 0 0 33,3 66,7
P11-2 0 0 0 33,3 66,7
P11-3 Componentes primer nivel 0 0 0 33,3 66,7
P11-4 0 0 0 66,7 33,3
P11-5 0 0 0 100 0
P11-6 0 0 0 66,7 33,3
Usabilidad Satisfacción - P12.1 0 0 0 33,3 66,7
en uso utilidad Componentes segundo
P12-2 0 0 0 0 100
P12-3 nivel 0 0 0 33,3 66,7
P12-4 0 0 0 33,3 66,7
P12-5 0 0 0 33,3 66,7
P12-6 0 0 0 0 100
P13-1 0 0 0 0 100
P13-2 Componentes tercer nivel 0 0 0 33,3 66,7
P13-3 0 0 0 33,3 66,7
P14-1 0 0 0 0 100
P14-2 Componentes cuarto nivel 0 0 0 0 100
P14-3 0 0 0 0 100
P14-4 0 0 0 0 100
P15-1 0 0 0 33,3 66,7
P15-2 Componentes quinto nivel 0 0 0 0 100
P15-3 0 0 0 66,7 33,3
Reconocimient P1 Modelo válido para u- 0 0 0 66,7 33,3
o de adecuado learning&TVE
P3 u-learning&TVE contribuye 0 0 0 33,3 66,7
proceso educativo
Usabilidad Capacidad de P6 Con modelo implementar 0 0 0 33,3 66,7
del aprendizaje TVE para enriquecer
producto enseñanza/aprendizaje
P17 Desempeño mejora con u- 0 0 0 100 0
learning & TVE
Operabilidad P9 Modelo fácil ejecutar 0 0 0 66,7 33,3
Accesibilidad P7 Plataformas videos fáciles 0 0 33,3 0 66,7
de utilizar en general para
todos
P5 Si hay disponibilidad de 0 0 0 66,7 33,3
Intención de uso TVE la utilizaría para uso
educativo
P18 En futuro utilizaría modelo 0 0 0 33,3 66,7
u-learning&TVE
Fuente: Autor
En general la apreciación es positiva por parte de los docentes que participaron de la

aplicación del modelo – prototitpo de u-learning & TVE. En la valoración de usabilidad en
uso (en cuanto a satisfacción -utilidad), se resalta que el 33,3% % están de acuerdo y
66,7 % muy de acuerdo en la utilidade de las plataformas de TVE y beneficio para u-
learning, al igual que la utilidad del modelo y aplicación en cualquier institución; Con un
66,7% de acuerdo y 33,3% están muy de acuerdo con los niveles y componentes del
modelo; en el primer nivel del modelo, se resalta con 66,7% estar muy de acuerdo con
los aspectos de idea, actores que participan y tendencias; en el segundo nivel sobresale
con un 100% estar muy de acuerdo con los aspectos tecnológicos y las necesidades de
capacitación o fortalecimiento de competencias digitales; en el tercer nivel sobresale con
un 100% estar muy de acuerdo con el entorno de dispositivos ubicuos; en el cuarto nivel
se destaca con un 100% estar muy de acuerdo con todos los componentes planteados;
en el quinto nivel sobresale con un 100% estar muy de acuerdo con el impacto del
servicio. En la valoración de usabilidad del producto, en cuanto a reconocimiento de
adecuado, en general están de acuerdo y muy de acuerdo en que el modelo es válido
para implementar u-learning & TVE; en cuanto a capacidad de aprendizaje, con un 33,3%
de acuerdo y 66,7% están muy de acuerdo en que la implementación de u-learning
basada en TVE contribuye al proceso educativo, y que las instituciones bajo un modelo
de u-learning deberían implementar soluciones de TV multipantalla para enriquecer el
proceso de aprendizaje ubicuo; Además el 100% están de acuerdo que u-learning & TVE
puede mejorar el desempeño de los estudiantes; estas plataformas pueden de acuerdo;
en cuanto a la operabilidad con un 66,7% de acuerdo y 33,3% están muy de acuerdo que
el modelo es fácil de ejecutar; en cuanto a la accesibilidad el 66,7% consideran estar muy
de acuerdo que en general las plataformas de video son fáciles de utilizar por todos; En
cuanto a la intención de uso, el 66,7% esta muy de acuerdo que en el futuro le gustaría
utilizar el modelo planteado, además el 66,7% esta de acuerdo en que si tuviera
disponibilidad de usar la plataforma de TVE la emplearía para uso educativo.
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.
Tabla 6-14: Resultados consistencia interna escenario con docentes.
Indicador Alpha de Cronbach KMO

Todos 0,851 0,50
6.4 Ejemplos pruebas aplicación prototipo u-learning &

TVE
La figura ilustra ejemplo despliegue en diferentes tipos de pantalla, PC, smartphone,

Tablet, smartTV. Lo cual muestra la versatilidad de la plataforma de video soportada en
la nube empleada.
Figura 6-10: Ejemplos despliegue prototitpoen diferentes pantallas.
Laptop Smart TV
Smartphone Tablet
Fuente: Autor
En la siguiente figura, se ilustra un video seleccionado para ver y su descripción.
Figura 6-11: Ejemplo video seleccionado del prototipo para ver y su descripción.
Capítulo 6 225
Fuente: Autor
La plataforma de video presenta unas estadísticas generales de su uso, por ejemplo en

la siguiente figura se ilustra los videos más vistos del prototipo aplicado en la asignatura
algoritmos y programación.
Figura 6-12: Ejemplo estadística videos más vistos en prototipo polialypro.aprenutvi.
Fuente: Captura estadísticas plataforma video

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.
Tabla 6-15: Estadísticas vistas por dispositivo y navegador del prototipo.

Dispositivo http://polialypro.aprenutvi.co/ http://unalhisteo2.aprenutvi.co/
Vistas
Computador Chrome 118 Chrome 67
126 Opera 5 68 Opera 1
Safari 3
Móvil Android 32 Android 24
41 Linux 8 28 Linux 3
iOS 1 iOS 1
TV 1
Tableta 0 7 iOS 7
Fuente: Autor
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
Otro escenario fue la aplicación del modelo-prototipo donde participaron estudiantes, y se

evalúo el desempeño académico, el cual el efecto fue positivo al usar el prototipo de u-
learning & TVE, la usabilidad en uso (en cuanto a eficiencia, efectividad, satisfacción),
cobertura de contexto (en cuanto a flexibilidad, integridad de contexto), Idoneidad
funcional (en cuanto a corrección funcional), usabilidad del producto (en cuanto a
reconocimiento de adecuado, capacidades de aprendizaje, operabilidad, protección
contra errores de usuario, estética de la interfaz de usuario, y accesibilidad), Portabilidad
(en cuanto a adaptabilidad), Confiabilidad (en cuanto a disponibilidad) y la intención de
uso. El instrumento cumple con la fiabilidad según su consistencia interna del Alpha de
Cronbach. En general la percepción es positiva sobre el prototipo de u-learning & TVE.
De acuerdo con el análisis factorial y ecuaciones estructurales se destacan los siguientes
aspectos para los estudiantes del poli como la usabilidad en uso (en cuanto a efectividad
y satisfacción-confianza), la usabilidad del producto (en cuanto a capacidad de
aprendizaje, que el medio empleado facilita entender el tema), y la confiabilidad (en
cuanto disponibilidad); Para los estudiantes de la UNAL se destacan los aspectos
usabilidad en uso (en cuanto a eficiencia), la usabilidad del producto (en cuanto a
operabilidad, protección contra errores) y la confiabilidad (en cuanto disponibilidad).
Como común de ambos está relacionado con la disponibilidad, que la plataforma de
video es operacional y accesible cuando se requiere usar.
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-
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).
También se presentaron la ilustración de las pruebas de funcionamiento del prototipo de

u-learning&TVE denominado aprenutvi y despliegue en varias pantallas.
De acuerdo con los resultados, el uso de la plataforma tiene efectos favorables en el

desempeño del estudiante, y junto con la valoración del modelo y prototipo, se puede
concluir una percepción positiva del modelo de u-learning basado en TV Everywhere
para contribuir al proceso de aprendizaje.
7. Discusión e implicaciones para enseñanza
y aprendizaje
Se ha presentado enfoque de u-learning, el cual pretende que soportado con la
tecnología (plataformas de TVE), el aprendizaje se pueda dar más allá de un aula de
clase, en cualquier lugar (cuando se desplaza en la ciudad, en un centro de diversiones,
en la casa, entre otros), en cualquier momento (no está ligado a una hora presencial o
fija, está disponible día y noche), usando cualquier dispositivo (no es exclusivo para una
sola pantalla, funciona en diversos equipos con capacidad de conectarse a internet), y es
para cualquier persona, es decir un aprendizaje continuo y en todas partes. Esto supone
un escenario donde el internet, la banda ancha sea suficiente, donde los diversos
dispositivos (smartphones, PC, laptop, smartTV, o Tablet) tengan capacidades
adecuadas y con opción de conectarse a internet, donde se usen tecnologías y
plataformas que posibiliten que el contenido se pueda desplegar a cualquier pantalla
(ABR streaming, cloud computing, CDN, entre otros). Y, según las tendencias se
favorece la implementación de u-learning. U-learning es capaz de transformar la
educación tradicional proporcionada a nivel de aula y por e-learning (Cárdenas-Robledo
& Peña-Ayala, 2018). Así como plantea (Báez Pérez & Clunie Beaufond, 2019) U-
learning busca acercar el aprendizaje a contextos cercanos a los aprendices, mediado
por tecnología independientemente del tiempo y el lugar específico, donde interactúan de
manera síncrona/asíncronas redes de estudiantes, docentes y expertos.
El enfoque de u-learning abarca otros enfoques TIC en educación como m-learning

usando principalmente un dispositivo móvil, CBT usando principalmente multimedia en un
computador, e-learning usando generalmente un PC y contenido en internet, blended-
learning que combina clase presencial con virtuales, o t-learning usando generalmente el
televisor. Por otro lado, la TV tradicional, sea por cable, terrestre, satelital, o IPTV,
generalmente ha sido exclusivo al aparato – televisor convencional (una sola pantalla) y

otras limitantes (cobertura, implementación, actualización, poca convergencia, etc), y
ahora está evolucionando, soportado con la nube a una televisión multipantalla (como
smartphone, tablet, laptop, o smartTV). Esta posibilidad de plataformas convergentes
para desplegar contenidos a cualquier pantalla enriquece la aplicabilidad del u-learning.
Cuando se preguntó en general a los encuestados sobre la utilidad de las plataformas de

video para uso educativo, la mayoría concuerda en estar de acuerdo. Estos resultados
ilustran la aplicabilidad del uso de estas plataformas ya que contribuyen en la flexibilidad
debido a que el video se puede ver en cualquier pantalla, en cualquier hora y lugar, y
teniendo en cuenta que los estudiantes cada vez más utilizan dispositivos conectados
hoy en día. Es posible implementar un servicio de aprendizaje ubicuo basado en TVE ya
que pueden adaptar el video a cualquier pantalla conectado a Internet (TV, teléfono
inteligente, tableta y PC), ver en cualquier momento y desde cualquier lugar.
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.
Con un sistema de TV tradicional, la implementación de un servicio de u-learning sería

más difícil. La siguiente tabla presenta una comparación de las limitaciones de un
sistema de televisión tradicional versus Sw-De TV, para implementar un servicio de
aprendizaje ubicuo.
Tabla 7-1: Limitaciones para u-learning. TV tradicional Vs TV Everywhere.
Sistema TV tradicional TVE

• Infraestructura privada / pública que no se puede usar o • Pocas soluciones
alterar fácilmente para probar o implementar servicios específicas para el
educativos contexto educativo.
• No todos pueden implementar un sistema de TV. • Para algunas personas,
• Actualización de HW la programación de una
• El tiempo de implementación es mucho más largo o solución propietaria.
cuesta más. • Para algunas personas,
• Interactividad limitada (caso TDT) el precio.
Capítulo 7 231
Sistema TV tradicional TVE

• Dispositivos que dependen de un estándar (DVB-T, o • Ignorancia o cambio de
IPTV, o DVB-S, o HbbTV, etc.) paradigma.
• Por un solo medio y para un solo dispositivo (televisor) • Si no hay conexión a
• Baja cobertura internet.
• Baja flexibilidad de horarios, o integración con otros
servicios, etc.
• Almacenamiento “limitado”
• Mantenimiento de infraestructura
• Baja movilidad.
• Analítica pobre o nula
• Es más difícil involucrar a más profesores.
Fuente: Autor
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
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.
Algunos de los elementos establecidos en el modelo tuvieron una experiencia positiva,

como la sensación de ubicuidad, interoperabilidad, la funcionalidad, portabilidad y
sensibilidad del contexto (el video fue adaptado en diferentes dispositivos).
En cuanto a los indicadores planteados en la validación del modelo por expertos y la

aplicación del modelo-prototipo u-learning & TVE por estudiantes y docentes se alcanza
en general una percepción positiva. Con los expertos se valoró la usabilidad en uso (en
cuanto a satisfacción-utilidad), la usabilidad del producto (en cuanto a reconocimiento de
adecuado, capacidad de aprendizaje, operabilidad, accesibilidad), y la intención de uso
(de utilizar plataforma video para uso educativo). Con los estudiantes se valoró el
desempeño académico, la usabilidad en uso (en cuanto a eficiencia, efectividad,
satisfacción), cobertura de contexto (en cuanto a flexibilidad, integridad de contexto),
Idoneidad funcional (en cuanto a corrección funcional), usabilidad del producto (en
cuanto a reconocimiento de adecuado, capacidades de aprendizaje, operabilidad,
protección contra errores de usuario, estética de la interfaz de usuario, y accesibilidad),
Capítulo 7 233
Portabilidad (en cuanto a adaptabilidad), Confiabilidad (en cuanto a disponibilidad) y la

intención de uso. Con los docentes se valoró la usabilidad en uso (en cuanto a
satisfacción-utilidad), la usabilidad del producto (en cuanto a reconocimiento de
adecuado, capacidad de aprendizaje, operabilidad, accesibilidad), y la intención de uso
(de utilizar plataforma video para uso educativo y el modelo planteado). En ambos
escenarios se encuentra en general que el cuestionario es fiable en términos de
consistencia interna (Alpha de Cronbach). También el análisis de datos se lleva a cabo a
partir de la metodología de análisis factorial, y con base a los resultados se pueden
proponer constructos para analizar la correlación entre los aspectos asociados a uno o
más indicadores de interés.
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).
Al comparar el modelo y el tema presentado en este documento con varios autores

mencionados en la revisión de literatura, se destacan algunos aspectos que sobresalen
del modelo u-learning & TVE como: visualización multipantalla, más información
detallada para la implementación de u-learning, el video como contenido principal y el
uso de tecnología convergente de punta como computación en la nube, servicios CDN y
TV everywhere. Además, el modelo propuesto plantea trabajar en la adquisición de
competencias digitales y está enmarcado con la teoría de diseño instruccional como
ADDIEy con el diseño univeral de aprendizaje UDL. También se aplica al dominio de
aplicación, en el sector educativo – Universidad, aunque puede ser en otros espacios
educativos y contextos.
Tal como se indicó en el capítulo 2, la TV Everywhere ofrece otras ventajas en

comparación con otros sistemas de TV tradicional (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,
entre otros. La plataforma de video everywhere puede complementar y brindar soporte a
un LMS.
Es normal que al principio se requiera de tiempo y esfuerzo adicional, en la planeación,

diseño y desarrollo; Como por ejemplo conocer las herramientas tecnológicas, desarrollo
o configuración del entorno de aprendizaje, producción de los videos, otros recursos y
servicios. Una implementación más amplia de u-learning requerirá considerar muchos
más elementos, equipo de trabajo, así como los recursos y esfuerzos necesarios para
llevarlo a cabo. Es aquí donde se necesita creatividad, innovación, recursos y apoyo,
entre otros.
Un reto grande en las Instituciones Educativas y Universidades es el cambio de

paradigma, para cambiar los procesos, la clase tradicional, para apropiarse de las
tecnologías y aplicarlos al proceso enseñanza/aprendizaje, de seguir aprendiendo, entre
otros. Igualmente se requiere que desde las directivas de la institución entiendan el papel
que pueden hacer las nuevas tecnologías y enfoques en mejorar diversos aspectos en la
educación, y por ende motivar, establecer lineamientos, buscar recursos, entre otros.
Virtanen et al (Virtanen et al., 2018) indican que en muchas universidades los métodos
de enseñanza utilizados siguen siendo convencionales y están fuertemente basados en
los maestros, y que hace falta investigación, implicaciones prácticas relevantes e
implementaciones de entornos de aprendizaje ubicuos en la educación superior. En
(Cope & Kalantzis, 2009), (Cope & Kalantzis, 2008) se plantean varios factores de
cambio para lograr un entorno de aprendizaje ubicuo:
1. Desvanecer las fronteras institucionales, espaciales y temporales de la

educación tradicional. El proceso educativo se puede lograr también en
cualquier lugar y momento. El aprendizaje es continuo. Si bien los espacios
físicos de presencialidad son importantes, se puede dar para algo diferente al
aula tradicional, como para trabajo colaborativo, construcción de comunidad.
2. Reacomedar el equilibrio (To shift the balance of agency). El docente ya no
Capítulo 7 235
debe ser el protagonista del conocimiento, el estudiante juega un papel más

activo en el aprendizaje. El ambiente del aula puede cambiar. No es necesario ser
un receptor pasivo de conocimiento transmitido cuando los alumnos y los
profesores pueden ser codiseñadores colaborativos de conocimiento. El poder del
docente estará más en su experiencia que en las rutinas de control o comando.
3. Aprender a reconocer las diferencias entre los estudiantes y emplearlas
como recurso productivo. La diversidad de canales, fuentes de información y la
diversidad que existe em los estudiantes se puede aprovechar para la
construcción colectiva del conocimiento.
4. Expandir el rango y combinación de los modos de representación. Se debe
aprovechar los nuevos medios, la diversidad de TIC. Diversas formas de
representar el conocimiento, oral, escrito, visual, o con audio. El docente debe
apropiarse y usar las TIC para fortalecer el processo de aprendizaje. Los
estudiantes pueden aprender mejor en otro modo (escuchando, viendo, leyendo,
o haciendo). Los estudiantes tienen más oportunidades de crear
5. Desarrollar habilidades de conceptualización. La computación ubicua, la
diversidad de fuentes de información, requiere de más capacidad de abstracción,
de buscar, y clasificar la información. Se pueden emplear herramientas o recursos
para soportar esto, como los “feeds” para manejar las suscripciones.
6. Conectar el propio pensamiento con la cognición distribuída. Ahora que la
computación está presente a nuestro alrededor, el conocimiento está al alcance al
usar un dispositivo. La computación se ha convertido en uma extención de la
mente. Ya la persona no es no lo que sabe, sino lo que puede saber o como
saber. Se debe mirar otras formas de evaluar el conocimiento.
7. Construir culturas de conocimiento colaborativas. La computación ubicua
propicia formas de reflexión social que puede crear "comunidades de práctica"
para apoyar el aprendizaje. El docente debe lograr en construir comunidades de
aprendizaje inclusivas y que todos los estudiantes logren su potencial
7.1 Implicaciones para enseñanza y aprendizaje
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.
Al disponer de videos en una plataforma online convergente multipantalla, es posible

propiciar o complementar el aprendizaje. Como indica (Strecker et al., 2018), la
experiencia de aprendizaje se mejora fácilmente por abundantes recursos en línea que
incluyen videos educativos. Es posible lograr mejor entendimiento de un tema o facilitar
el entendimiento de un tema no intuitivo. Puede ser útil para complementar las prácticas
o laboratorios y mejorar el entrenamiento en manejo de equipos
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.
Si se emplean plataformas de video con registro de estudiantes y funcionalidades de

analítica, el docente puede sacar ventaja por ejemplo para: revisar y evaluar el
comportamiento, identificar patrones, quienes vieron el video, evaluar el desempeño,
personalizar el aprendizaje, dar retroalimentación oportuna, explorar datos, entre otros. El
estudiante si tiene acceso a datos, puede identificar problemas o dudas, reflexionar,
mejorar su desempeño, monitorear sus actividades, entre otros.
Con los avances tecnológicos es posible disponer de mayor accesibilidad (como

opciones de subtítulos flexibles, soporte de lector de pantalla y reproducción de velocidad
variable).
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
desempeño en el contexto de aprendizaje de patrones de palabras (Riding & Douglas,

1993), (J.-J. Chang et al., 2018).
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.
Respuesta Pregunta de investigación
La respuesta es dada de acuerdo con la contribución y desarrollo de la tesis.
¿Cúal debería ser la caracterización de un modelo de u-learning basado en plataformas

de TV everywhere implementable en condiciones reales que contribuya al proceso
educativo?
Para esto se plantea un modelo conceptual, que abarcó:

• El contexto de u-learning.
Sobre Tecnologías educativas y computación ubicua; Definiciones, ejemplos;
Planteamiento de concepto de u-learning como ecosistema, usos y escenarios de u-
learning; análisis de modelos de u-learning según revisión de literatura; tendencias
que favorencen la implementación de u-learning como lo son los dispositivos ubicuos,
internet, etc.
• El contexto sobre TV everywhere.
Se ilustra en general la evolución de la TV y el surgimiento de la TV everywhere. Se
plantean conceptos relacionados, como TV por streaming. Se indican tendencias de
tecnologías que favorecen la TV everywhere.
• Los elementos de u-learning con TV everywhere.
Se plantean las características de u-learning. Estándares que pueden aplicarse en u-
learning y que posibilitan el uso de plataformas multipantalla. Se hace una
descripción de la plataforma de video y usos del video. Se plantea la arquitectura
Capítulo 8 241
general de u-learning basado en TVE. Las alternativas para implementar TVE.

Criterios para seleccionar una solución TVE. El marco de referencia genera. Y, se
plantean escenarios posibles para implementar u-learning & TVE en la universidad.
• El modelo de u-learning basado en TVE.
Se detalló ampliamente el modelo propuesto. Está compuesto por cinco etapas que
son: estado y preparación inicial, planeación y requerimientos, diseño y producción,
implementación del servicio, y por último confrontación servicio y resultados
aprendizaje. Cada una de estas etapas se plantean unos factores y elementos.
• Desarrollando un prototipo de u-learning & TVE.
Como ilustración del concepto, se desarrolla un prototipo denominado aprenutvi el
cual se basó del modelo y se refleja en un portafolio de video que contiene videos
educativos referentes a dos asignaturas, y donde los estudiantes pueden acceder vía
internet en cualquier momento, lugar y usando el dispositivo que desee.
• Validación del modelo.
El modelo se validó en dos escenarios. Uno mirando la percepción del modelo de un
grupo denominado “expertos” (personas con conocimiento u experiencia en
tencologías educativas), y el otro escenario con la aplicación del modelo y prototipo
en un escenario real donden participan estudiantes y docentes.
Se contribuye al proceso educativo, en general al aportar un enfoque, un modelo

como punto de referencia para implementar el aprendizaje ubicuo, que se pueda dar
en cualquier parte y momento, usando el dispositivo de preferencia, y soportado con
plataformas de TV everywhere, donde el video es el principal contenido. Contribuye al
proporcionar otros medios que propicien o complementen el aprendizaje. Puede ser
aplicado en contexto formal, no formal o informal. Puede ser implementado como
complemento a lo dado en clase, de forma parcial (parte virtual o aplicación escenario
de clase invertida), o substituta (virtual). Puede propiciar el desarrollo de otras
estrategias para enriquecer la experiencia de aprendizaje como clase invertida,
gamificación, etc.
Las respuestas a las preguntas que surgieron de la pregunta de investigación son dadas
a continuación:
• ¿Cuáles son las características de los diferentes modelos educativos basados

en TIC?
Esto se contempló en capítulo 1. Dentro del área de tecnologías educativas varios
enfoques de TIC en la educación se han planteado, como entrenamiento basado
en computador (CBT), e-learning (principalmente usando computador y acceso a la
red), m-learning (usando un dispositivo portátil móvil, como smartphone), t-learning
(usando un TV), blended-learning (combina parte presencial y virtual), y u-learning
(usando diferentes dispositivos, en cualquier momento y lugar). Estos enfoques se
caracterizan y diferencian, según el disposito que emplea, cobertura, la ubicación
del servicio, el tipo de servicio, la tecnología de red, accesibilidad, sensibilidad al
contexto.
• ¿Cuáles son las especificaciones técnicas que tienen las plataformas y
tecnologías que posibilitan el despliegue de contenidos everywhere?
En el capítulo 2 se indican aspectos como transcodificación del video con
tecnologías de tasas de bits adaptativos (Ej. DASH, HLS), uso de redes de
distribución de contenido (CDN), tecnologías de compresión como AVC y HEVC.
Es bajo el enfoque de clud computing, donde la tecnología de cómputo es
virtualizada y entregada como un servicio, muchos elementos son definidos por
software, y se fundamenta de las características esenciales de la nube (agrupación
de recursos, servicios medibles, acceso amplio a la red, rápida elasticidad,
autoservicio bajo demanda). El almacenamiento, procesamiento, entrega, e
infraestructura necesaria esta soportada en la nube. En el capítulo 3, se indican
ejemplos de estándares o especificaciones que pueden soportar estas plataformas
y para despliegue de contenido. También se plantearon criterios para seleccionar
una solución de TVE.
• ¿Cuáles son los componentes que debe tener el modelo de u-learning y que
integre las plataformas de TV everywhere?
En el capítulo 3 y principalmente el 4 se detalla al respecto. El modelo es
contemplado como un ecosistema donde pueden intervenir diversos componentes,
y estos están reflejados en las cinco etapas, y elementos propuestos en cada una
de ellas. Por ejemplo, la etapa 2, de planeación y requerimientos, se encuentran
los aspectos tecnológicos, pedagógicos, de gestión, de conformación equipo de
trabajo, de necesidades personales o grupo objetivo, o necesidades de
capacitación o fortalecimiento competencias digitales. Dentro de los aspectos
Capítulo 8 243
tecnológicos se contempla las tecnologías de TV/video everywhere,

almacenamiento, dispositivos, modos de interacción, entre otros. Por ejemplo, en la
etapa 3, se contempla el entorno de dispositivos ubicuos y el entorno de
aprendizaje.
• ¿Cómo las tendencias de plataformas everywhere, OTT, enriquecen y
contribuyen al U-learning?
Esto se refleja a lo largo del documento. Estas tendencias enriquecen y
contribuyen al u-learning ya que posibilita una plataforma convergente, mayor
interacción de los usuarios con los dispositivos que usa (sea un smartphone,
Tablet, PC, o SmartTV) que están conectados a internet, y pueden ver el contenido
de video educativo independiente del tiempo y lugar. Se pueden usar diversidad de
recursos TIC. Brinda flexibilidad y según ritmo de aprendizaje. Complementado con
actividades u estrategias definidas. El video como principal contenido es muy
versátil, ya que los usuarios pueden ver, pausar o volver a reproducir, se pueden
tener sesiones en tiempo real, puede propiciar o complementar el aprendizaje,
entrenamiento de algo específico, obtener mayor motivación, entre otros.
• ¿Qué indicadores se deben tener en cuenta para validar el modelo de U-
learning?
En capítulo 6 se detalla al respecto. Para mirar el beneficio de emplear u-learning &
TVE en los estudiantes, se definió un indicador del desempeño académico
aplicando una prueba. Otros indicadores fueron basados del estándar de calidad
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; Se
definieron por ejemplo: usabilidad en uso (eficiencia, efectividad, satisfacción),
Cobertura de contexto (en cuanto a flexibilidad, integridad de contexto), Idoneidad
funcional (en cuanto a corrección funcional), Usabilidad del producto (en cuanto a
reconocimiento de adecuado, capacidades de aprendizaje, operabilidad, protección
contra errores de usuario, estética de la interfaz de usuario, y accesibilidad),
Portabilidad (en cuanto a adaptabilidad), y Confiabilidad (en cuanto a
disponibilidad). También se definió un indicador de intención de uso. Unos
indicadores se definieron para los expertos que valoraron el modelo, otros para los
estudiantes que participaron del prototipo y otros para los docentes que aplicaron
el modelo y prototipo.
▪ 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
"Overview of u-learning. Concepts, characteristics, uses, application scenarios and

topics for research". En: IEEE Latin America Transactions. ISSN: 1548-
0992. ed: Internet v.14 p.4792 - 4798, DOI: 10.1109/TLA.2016.7817013
.
S. Acosta; G. Moreno; H. Recaman; A. Reyes, “Proposal to develop educational
content destined to hybrid tv of a regional channel,” Revista Politécnica, vol. 12, no.
22, pp. 57-64, 2016.
- Proceedings
G. A. M. López, J. A. J. Builes and W. S. Puche, "Ubiquitous Personal Learning

Environment model (uPLEMO)," 2016 Technologies Applied to Electronics Teaching
(TAEE), Seville, Spain, 2016, pp. 1-8.
doi: 10.1109/TAEE.2016.7528383
G. A. M. López, J. A. J. Builes and W. P. Plaza, "Ubiquitous learning based on

platform of TVE as a service. uLTVEaaS model," 2016 8th IEEE Latin-American
Conference on Communications (LATINCOM), Medellin, Colombia, 2016, pp. 1-7.
url: https://ieeexplore.ieee.org/document/7811596
Moreno López, G. A. M., & Jimenez Builes, J. A. J. (2017). A Framework to

Implement a U-Learning Service based on Software-Defined Television. In
PROCEEDINGS OF THE 2017 FUTURE TECHNOLOGIES CONFERENCE (SAI) (p.
8). Vancouver, Canada: SAI
"Hacia una experiencia de aprendizaje ubicuo extendida basada en plataformas de

TV everywhere y gamification" Global Partnership for Development and Engineering
Education": Proceedings of the 15th Latin American and Caribbean Conference for
Engineering and Technology. En: Estados Unidos. ISBN: 978-0-9993443-0-9-
ed: LACCEI Inc., p.1 - 6 ,2017. http://dx.doi.org/10.18687/LACCEI2017.1.1.490
- Participación como ponente en eventos:

Simposio de Investigación USTAMED 2018. Realizado 30 de noviembre de 2018,
Universidad Santo Tomás Sede Medellín.
Future Technologies Conference (FTC) 2017. Nov. 29-30, 2017, Vancouver, Canadá.
Capítulo 8 245
15th LACCEI International Multi-Conference for Engineering, Education, and

Technology. Jul 19-21, 2017, Boca Raton, USA, Florida Atlantic University.
8th IEEE Latin-American Conference on Communications (LATINCOM). Realizado en

noviembre 15-17, 2016, MEDELLÍN, Universidad Pontificia Bolivariana.
TAEE 2016 (Tecnología, Aprendizaje y Enseñanza de la Electrónica). Jun.22-24,

2016, Sevilla, España, Universidad de Sevilla.
- 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:
• Desarrollo y aplicación de contenidos edutainment en TDT y TV híbrida en las regiones

del departamento de Antioquia. Oct. 2013 a ago. 2015.
• Producción de contenidos audiovisuales tipo transmedia para medios alternativos,
principalmente webseries, y de publicidad interactiva. Oct. 2013 a ago. 2015.
• Contenidos educativos para la televisión digital – CONTEDI. marzo 2010 a agosto
2011.
- Sitio web sobre la temática u-learning & TVE:

http://www.ulearning-tve.com/
9. Conclusiones y trabajo futuro
9.1 Conclusiones
Las TIC y las tecnologías emergentes como cloud computing, la televisión/video
multipantalla, entre otros, pueden soportar el proceso de aprendizaje/enseñanza y
brindarle cada vez más oportunidades para que sea más eficiente, flexible, incluyente,
logre mejores desempeños, entre otros. Al usar tecnologías y plataformas que permitan
que el video se adapte y despliegue en cualquier tipo de pantalla, garantiza en cierto
grado que el usuario elija su dispositivo de preferencia, el horario y lugar más pertinente
para avanzar o continuar en el proceso de aprendizaje. Las plataformas multipantalla
basadas en la nube brindan más cobertura, por la conectividad a internet que va en
aumento, los diferentes dispositivos ubicuos y las características técnicas que hacen
posible entregar el video a cualquier pantalla.
La proyección del uso de plataformas convergentes para video multipantalla, y el

aprovechamiento del uso de dispositivos ubicuos, posibilita emplear otras estrategias
como la clase invertida, o la gamification, entre otras para propiciar un proceso de
aprendizaje más enriquecedor y otros beneficios. Las plataformas de TVE tienen un alto
potencial de optimización de recursos. Ofrecen nuevos servicios y aplicaciones,
impactando a los usuarios, con diversidad de contenido, nuevos modelos de negocio;
Pueden aplicarse en diferentes sectores (negocios, industria, gobierno, entretenimiento y
educación), entre otros. Basado en la computación en la nube, permite el acceso bajo
demanda a recursos de computo e infraestructura, y proporciona mecanismos para medir
el servicio, la disponibilidad, la escalabilidad, el suministro rápido, el uso de redes y
dispositivos ubicuos, entre otros. En cuanto a su aplicabilidad en un contexto educativo
(escuela, universidad, etc.), puede contribuir a resolver aspectos de inclusión, cobertura,
Conclusiones 247
flexibilidad y participación; Mejorar los resultados de aprendizaje y aprovechar los

escenarios de conectividad mejorada rodeados de dispositivos ubicuos.
El desarrollo de la tecnología, la convergencia digital, y los esfuerzos de varias entidades

a nivel global en el tema de lineamientos u estándares, visualizan que hay un buen
panorama para la aplicación de soluciones basadas en plataformas de Tv/video en la
nube, en la web. Un ejemplo es la iniciativa WAVE (Web Application Video Ecosystem),
que busca mejorar la interoperabilidad para entregar el video a través de internet a los
dispositivos electrónicos.
En el desarrollo de este documento se presenta el contexto de u-learning, definiciones,

análisis de literatura, tendencias que favorecen su implementación. Igualmente se
presentó el contexto de la TV everywhere, definiciones, criterios para seleccionar
plataforma, tendencias, entre otros. En esta tesis principalmente se presenta el modelo,
que sirve como referente para reflexionar, discutir y guía para proyectar una
implementación de un servicio de u-learning basado en plataformas de TV/video en la
nube. Se presentó la aplicación del modelo y prototipo de u-learning & TVE, como prueba
de concepto, y proyección en un escenario real con estudiantes universitarios. La
validación del modelo con “expertos” y la aplicación del modelo y prototipo realizado por
estudiantes y docentes universitarios, indican en general resultados satisfactorios en
cuanto a la percepción positiva.
El modelo u-learning basado en plataformas de TV multipantalla tiene en cuenta varios

elementos que, cuando se consideran parcial o totalmente, contribuyen al aprendizaje en
todas partes. El video se presenta como el contenido principal, que puede aplicarse en
diferentes actividades o estrategias para favorecer las experiencias y tener un mejor
impacto en el aprendizaje.
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.
Un elemento importante en u-learning y TVE, es la infraestructura subyacente de internet,

que en muchos escenarios es estable y mejora en capacidad y en otros lugares se debe
implementar.
El gran uso de dispositivos móviles y sus ventajas de portabilidad y movilidad permiten

ampliar los escenarios gracias a las aplicaciones de segunda pantalla y el uso de
tecnología de sensores como los códigos QR. Los servicios de computación en la nube
favorecen extender e implementar escenarios reales de aprendizaje en línea en
contextos de educación formal, no formal e informal, y también en otros contextos. u-
learning se puede implementar como complemento, parcial o substituta a la clase
tradicional. U-learning favorece los entornos de aprendizaje personal (PLE) al permitir
que el estudiante elija entre diferentes opciones de tiempo, lugar, y recursos TIC; en este
caso la plataforma de TVE se le plantea como otra alternativa del PLE.
La plataforma de TV everywhere, como tal es un soporte, un medio que puede propiciar o

complementar el aprendizaje. El modelo presentado es bajo el enfoque de la
computación ubicua, todo definido por software - la computación en la nube,
infraestructura agnóstica y la generación de la TV, la TV everywhere o TV definida por
software. U-learning basado en TV everywhere extiende el dominio de u-learning, al
ampliar la cobertura, usar covergencia de infraestructura soportada en la nube, que el
video se pueda adaptar en diversidad de dispositivos ubicuos, entre otros. Además de
posibilitar continuar con la reflexión en el tema.
El modelo fue validado en dos escenarios, uno con “expertos” pertenecientes a

Instituciones de Educación Superior Colombiana, evaluando en términos de usabilidad en
uso (satisfacción – utilidad), usabilidad del producto (reconocimiento de adecuado,
capacidad de aprendizaje, operabilidad, accesibilidad) e intención de uso. De acuerdo
con los resultados la percepción en general es positiva. El segundo escenario fue la
aplicación del modelo-prototipo u-learning & TVE en el cual participaron estudiantes y
docentes; Con los estudiantes se valoró el desempeño académico, obteniendo un buen
resultado, lo que implica que el uso de u-learning basado en TVE tiene un efecto positivo
en el desempeño; También se evaluó la usabilidad en uso (en cuanto a eficiencia,
efectividad, satisfacción), cobertura de contexto (en cuanto a flexibilidad, integridad de
contexto), Idoneidad funcional (en cuanto a corrección funcional), usabilidad del producto
Conclusiones 249
(en cuanto a reconocimiento de adecuado, capacidades de aprendizaje, operabilidad,

protección contra errores de usuario, estética de la interfaz de usuario, y accesibilidad),
Portabilidad (en cuanto a adaptabilidad), Confiabilidad (en cuanto a disponibilidad) y la
intención de uso. Los resultados en general de la percepción del prototipo fueron
positivos. Con los docentes se valoró la usabilidad en uso (en cuanto a satisfacción-
utilidad), la usabilidad del producto (en cuanto a reconocimiento de adecuado, capacidad
de aprendizaje, operabilidad, accesibilidad), y la intención de uso (de utilizar plataforma
video para uso educativo y el modelo planteado); De acuerdo con los resultados la
percepción general del modelo y prototipo fueron positivos. Se concluye por lo tanto que
bajo un modelo de u-learning a través de plataformas de TV everywhere es posible
contribuir al proceso de enseñanza/aprendizaje.
La ilustración dada en esta tesis busca contribuir para su aplicación y masificación en

contextos reales. Por último, se puede concluir que los objetivos planeados en esta tesis
fueron logrados satisfactoriamente. Así mismo, se ha divulgado y publicado sobre la
temática en eventos y en revistas, y se continuará realizando.
9.2 Recomendaciones para trabajo futuro

Se presentan a continuación algunas recomendaciones que se podrían realizar en un
futuro en proyectos, aplicaciones o investigaciones similares o para fortalecer la
investigación realizada.
▪ Revisar y ajustar el modelo de ser necesario. El modelo presentado es un

punto de partida, como un referente inicial propuesto parar implementar un
servicio de u-learning basado en TV everywhere. Es posible que puedan surgir
otros puntos de vista, ajustes en sus componentes, entre otros.
▪ Implementación y evaluación amplia del modelo. Aplicar el modelo y prototipo
en otros escenarios reales en Universidades, con más cursos y estudiantes para
confrontar resultados. Contemplando más elementos del modelo. Revisar y
complementar con otros recursos TIC. Pensar en otros tipos u estilos de video
para ver su efectividad. Evaluar otros indicadores. Aplicar otras estrategias u
enfoques. Ampliar aplicación para “todos” (incluyendo más accesibilidad o más

inclusión). Soportar más el diseño universal de aprendizaje (UDL).
▪ Aplicación y proyección amplia. Tal como se planteó en posibles escenarios,
se puede aplicar y proyectar ampliamente la implementación de u-learning & TVE,
tanto interna como externamente desde una Universidad. Además de aplicación
en otros dominios de aplicación.
▪ Aplicación en escenarios con poblaciones con necesidades diversas. El
modelo de u-learning & TVE se puede proyectar en escenarios con poblaciones
en condición de vulnerabilidades debidas a situaciones socioeconómicas, o con
poblaciones en condición de discapacidad motora, entre otros.
▪ Propiciar procesos de educación informal. El modelo tiene posibilidades para
apoyar procesos de aprendizaje informal en Colombia. Su implementación podría
ser una oportunidad de abordar temáticas no tratadas a nivel curricular en los
diferentes niveles del sistema educativo, que hoy en día cobran gran importancia.
Por ejemplo, sobre sostenibilidad o conciencia ambiental, valores, ética en la
práctica, habilidades blandas, competencias digitales, competencias para el
aprendizaje a lo largo de la Vida. Otras como buenas prácticas de investigación,
publicación, interacción con la sociedad, entre otros.
▪ Contribuir a solucionar problemáticas sociales. Más allá de la evaluación de
desempeño tanto del estudiante como de la tecnología, u-learning & TVE puede
brindar soluciones a problemáticas sociales inaplazables; Problemas como
drogadicción, desempleo, falta de recursos, corrupción, delincuencia, violencia,
falta de oportunidades, desplazamiento, inmigrantes, entre otros. Por medio de
programas integrales, formación complementaria para la vida, empoderamiento
de la creatividad, participación como creadores (economía naranja), orientaciones
(cómo salir de tal situación, qué hacer, etc.), educación para el trabajo – oficios,
arte, música, entre otros.
▪ Sistematización del modelo. El modelo planteado es tipo conceptual, y es
presentado de forma textual impreso y digital. Se presenta además una guía de
chequeo (compartido en drive) y en forma de formulario en Google. Pero, se
puede plantear e implementar que el modelo sea sistematizado y dinámico, y con
módulos recomendadores para ilustrar más la implementación.
▪ Desarrollo de aplicación de u-learning & TVE. En esta propuesta se indicó
alternativas para implementar u-learning basado en TV everywhere, y se definió
Conclusiones 251
usar un servicio de una plataforma de video en la nube por medio de un

proveedor. En este sentido se puede pensar en desarrollar una aplicación –
plataforma de video (basada en la nube) personalizada y para uso educativo. Se
puede proyectar para uso interno o para disposición externa y plantear un modelo
de negocio si se desea.
▪ Plantear lineamientos específicos. El modelo contempló aspectos en general,
pero se puede proyectar profundizar en aspectos más específicos. Por ejemplo,
en desarrollo de contenidos multipantalla, de personalización, de aprendizaje
adaptativo, de accesiblidad, de pautas para creación de videos, tecnológicos, de
buenas prácticas para su implementación, entre otros.
▪ Aspectos tecnológicos en la solución de u-learning. Involucrar la aplicación
de inteligencia artificial a los videos (por ejemplo, para búsquedas inteligentes de
información dentro del video, analítica, etc) y a la solución. Ampliar la aplicación
sensible al contexto. Entre otros.
▪ Aspectos pedagógicos en la solución de u-learning. Mejorar el soporte y
aprendizaje personalizado y adaptativo. Lograr sistemas de recomendación,
seguimiento y según perfiles de estudiantes. Medir el éxito del alumno. Evaluar
desempeño y percepción del estudiante. Ajustar según estilos de aprendizaje y
estilos cognitivos. Análisis comportamentales y patrones de aprendizaje.
Profundizar y relacionar con diversas teorías pedagógicas. Investigar en
aprendizaje profundo. Esto en parte o todo es apoyado con la tecnología. Entre
otros.
▪ Hacerle seguimiento a las tendencias tecnológicas como a lineamientos. La
tecnología relacionada va evolucionando y es crucial hacerle un seguimiento. Así
mismo los nuevos lineamientos o estándares pueden mejorar o ser de referencia
para futuras implementaciones.
▪ Investigación y aplicación en tecnologías emergentes. U-learning y TVE se
pueden complementar y/o profundizar por ejemplo con contenido-video inmersivo,
aplicando realidad virtual (VR), o realidad mixta (MR), o realidad aumentada (AR),
así como con tecnologías hápticas. Otras tecnologías como visión por
computador y de reconocimiento de voz, entre otras pueden lograr entornos de
aprendizaje más inteligentes.
A. Anexo: Guía de chequeo Modelo
U-learning (uLTVE)
En el siguiente enlace puede ver o descargar la guía de chequeo en documento.
Enlace guía documentos pdf
En el siguiente enlace puede ver la guía de chequeo en modo formulario Google.
Enlace guía – formulario google

B. Anexo: Lista posibles
proveedores TV online
A continuación, se presenta un listado de ejemplos de plataformas o soluciones de video en la
nube que ofrecen diversas empresas o proveedores. Algunas propuestas son para uso en
general, algunas tienen más énfasis a un contexto educativo y alternativas para desarrollar
basado en código.
Ejemplos soluciones de plataformas de video para uso en general
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/
Ejemplos plataformas de video con más énfasis al sector educativo

Edpuzzle https://edpuzzle.com/
Panopto https://www.panopto.com/
Sharestream https://www.sharestream.com/
Warpwire https://www.warpwire.com/
PlayPosit https://go.playposit.com/higher-ed
Ejemplos alternativos para desarrollo (requiere más codificación) en la nube

AWS https://aws.amazon.com/es/digital-media/?nc1=f_dr
Windows Azure https://azure.microsoft.com/es-es/
Google cloud https://cloud.google.com/solutions/media/
VPASS KALTURA https://vpaas.kaltura.com/
C. Anexo: Pautas para realizar video
Para elaborar el video se debe tener en cuenta tres fases: Preproducción, producción y
posproducción.
• Preproducción (antes de grabar)

o Concretar temática y contenido.
o Concretar otros recursos multimedia que se incluirán (la voz, tu imagen,
otras imágenes, textos, efectos, etc.)
o Preparar presentación si es necesario (ej., en power point).
o Proyectar video cortos (preferiblemente entre 5 a 10 min). Puede ser a
modo de serie. Debe ser concreta. No necesariamente buscar
equivalencia entre el tiempo de clase tradicional con la grabación del
video.
o Plantear un guion.
Es como una guía, que según el diccionario de la RAE (Real Academia
Española)19, es:
• Escrito en que breve y ordenadamente se han apuntado algunas
ideas o cosas con objeto de que sirva de guía para determinado fin.
• Texto en que se expone, con los detalles necesarios para su
realización, el contenido de un filme o de un programa de radio o
televisión.
Nota: Ver anexo D con ejemplo de guion.
o Lugar donde se grabará.

o Tipo de video (grabación en exterior, oficina, estudio de grabación (con
tablero o en croma), salón de clases, o screencasts (grabación pantalla
computador).
o Estilo del video (Bienvenida, introductoria, de contenido, explicación
ejercicios, explicación laboratorio, manejo de equipos, etc.). Puede ser
también entrevistas, documentales, tutoriales, contar historias
(transmedia), cobertura de evento, etc.
19 RAE. Real Academia Española. https://dle.rae.es/?id=Jr32svm

o Disponibilidad del Hardware (Hw) o equipos de grabación. Puede ser con

videocámaras profesionales, complementos como micrófonos u otros
accesorios (trípode, teleprompter, iluminación, equipo de cómputo, etc.).
Puede ser también con videocámaras semiprofesionales, o con
dispositivos móviles (smartphones, Tablet) o empleando por ejemplo
webcam del Computador, o cámaras voladoras (dron), o con cámaras de
video 360 grados.
o Disponibilidad de Software (Sw). Por ejemplo, para uso de teleprompter,
grabación de pantalla-cámara de video y/o desarrollo o edición de video.
Puede ser también un video animado, con texto animado estilo whiteboard
animation o video scribing. O también puede ser video Motion Graphics, o
Cartoon (dibujos animados 2D/3D), o Claymation (plastimación)
• Producción (grabación del video)
o Teniendo preparado todos los insumos se realiza una prueba

preferiblemente para verificar si funciona el sistema de grabación, audio,
iluminación, visibilidad de textos, entre otros.
Nota: revisar y/o ajustar la resolución de grabación. Preferiblemente
que se alta, HD, o FHD, etc.
o Grabación final del video.
o Guardar archivo y de ser necesario revisar o cambiar formato de archivo
(mp4, etc.)
• Postproducción (después de grabar)

En este momento se edita el video, corrigiendo errores o añadiendo otros elementos
como texto, subtítulos cerrados (Closed Caption), multicámaras (videos desde otros
ángulos), o video adicional (Ej., Lenguaje de signos), imágenes, información
derechos de autor o licencias libres como copyleft o licencias creative commons, etc.
Para esto se requiere equipos de cómputo y software de edición de video (como la
suite de Adobe Creative, o de apple final cut pro, u otros).
Ya posteriormente se sube a la plataforma de video donde se prepara para la

distribución. De acuerdo con las funcionalidades de la plataforma se añaden otras
opciones de interactividad al video, como preguntas, links a otros recursos, etc.
D. Anexo: Ejemplo esquema guion
para realizar video
Momento Imagen Audio -sonido Descripción-explicación Tiempo –
de fondo guion duración aprox.
1
2
3
4
…
…
…
Total tiempo aproximado
Fuente: Autor
Momento: Secuencia de instantes consecutivos. Por ejemplo: primer momento (Saludo o

bienvenida, indicar idea general del tema, motivación), segundo momento (indicar
contenido a ver), tercer-cuarto o más momentos (se empieza a describir/desarrollar
temática), último momento (conclusiones, plantear reto, motivación, despedida).
Imagen: Relacionado con la imagen o cuadro que se muestra en la grabación o

visualización. Puede ser paisaje, presentación, objetos animados, persona(s), etc.
Audio – sonido fondo: Si contempla o no audio como sonido de fondo, para ambientar
tema o explicación.
Descripción-explicación guion: Contempla el texto para el audio hablado de la

persona(s) que participan en la grabación del video. Puede contemplar closed caption,
lenguaje de señas/signos. O texto animado estilo whiteboard animation o video scribing.
O también puede ser video Motion Graphics, o Cartoon (dibujos animados 2D/3D), o
Claymation (plastimación).
Tiempo – duración aprox.: En qué tiempo aparece y cuál es la duración aproximada de

la intervención.
E. Anexo: Instrumento encuesta
“expertos” validación modelo
VALORACIÓN MODELO U-LEARNING BASADO EN PLATAFORMAS DE TV EVERYWHERE
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 o Universidad:

Iniciales de su nombre:
Títulos académicos:
Cargo que desempeña:
Años de experiencia relacionados con tecnología educativa:
Nivel de familiaridad que ha tenido con el tema de ubiquitous-learning (u-learning), 1
(bajo) a 5 (alto):
Nivel de familiaridad que ha tenido con plataformas de TV everywhere, 1 (bajo) a 5 (alto):
¿Su Universidad o Institución ha implementado el enfoque u-learning?, Si, parcialmente,
No tengo conocimiento, No:
PREGUNTA ESCALA DE VALORACIÓN

(Marque con una X)
1 2 3 4 5
1. ¿Está de acuerdo que el modelo es válido como una guía de referencia para
implementar U-learning basado en plataformas de TV everywhere?
2. ¿Considera usted que las plataformas de TV/video en la nube son útiles y
benefician la implementación de u-learning?
3. ¿Considera usted que la implementación de u-learning basada en plataformas
de TV everywhere contribuye al proceso educativo?
4. ¿Está de acuerdo en general con los niveles y cada uno de los componentes
propuestos en el modelo de u-learning?.
5. ¿Considera usted que si tuviera disponibilidad de usar las plataformas de TV
everywhere las utilizaría para uso educativo?
6. ¿Considera usted que las instituciones educativas o universidades bajo un
modelo de u-learning, deberían implementar soluciones basadas de TV/video
multipantalla para que el proceso de enseñanza/aprendizaje se enriquezca,
complemente y se pueda dar en cualquier lugar, momento, y con cualquier
dispositivo?
7. ¿Considera usted que en general para el usuario final (como estudiante,
docente, u otro), el uso de plataformas de video en cualquier dispositivo
ubicuo (PC, Smartphone, SmartTV, Tablet, ¿etc) son fáciles de utilizar?

8. ¿Considera usted que el modelo es útil y se puede aplicar en cualquier
Institución o Universidad?
9. ¿Considera usted en general que el modelo es fácil de ejecutar?
10. ¿Considera usted en general que el modelo es claro?
11. El primer nivel del modelo, estado y preparación inicial contempla varios factores. Valore su importancia en cada uno de los
factores de este nivel
11.1 Idea
11.2 Actores que participan
11.3 Tendencias de tecnología
11.4 Estado
11.5 Otros
12. El segundo nivel del modelo, planeación y requerimientos contempla varios componentes. Valore su importancia en cada uno
de los factores de este nivel.
12.1 Equipo de trabajo
12.2 Aspectos tecnológicos
12.3 Necesidades personales o del grupo objetivo
12.4 Aspectos pedagógicos
12.5 Aspectos de gestión
13. El tercer nivel del modelo, diseño y producción contempla varios componentes. Valore su importancia en cada uno de los
13.1 Entorno de dispositivos ubicos
13.2 Entorno de aprendizaje
13.3 Servicios
14. El cuarto nivel del modelo, implementación del servicio u-learning, contempla varios componentes. Valore su importancia en
cada uno de los factores de este nivel.
14.1 Pruebas despliegue
14.2 Ejecución servicio
14.3 Uso y Fortalecer competencias digitales
14.4 Monitoreo del servicio
15. El quinto nivel del modelo, confrontar servicio y resultado aprendizaje, contempla varios componentes. Valore su importancia
en cada uno de los factores de este nivel
15.1 Expectativa proceso
15.2 Impacto del servicio
15.3 Otros
Si considera necesario, indique comentarios en general (que resalta, aspectos por mejorar, o sugerencias):
F. Anexo: Instrumento encuesta a
estudiantes
VALORACIÓN CLASE UBICUA APOYADA CON PLATAFORMAS DE VIDEO EN LA NUBE
2. En desacuerdo
4. De acuerdo

(Marque con una X)
1 2 3 4 5
37. En cuanto a recursos que emplea (dispositivos y manejo de tiempo), es
eficiente usar la plataforma de video.
38. Encuentro efectivo usar la plataforma de video para soportar el aprendizaje.
39. El uso de plataformas de video multipantalla es útil para el contexto educativo.
40. Recomendaría que las Universidades implementen plataformas de video para
soportar el aprendizaje en cualquier momento, lugar y con cualquier pantalla.
41. La plataforma de video genera confianza al usarla.
42. Disfruto hacer uso de la plataforma de video.
43. El uso de la plataforma me genera comodidad.
44. La plataforma de video es adecuada para mis necesidades.
45. La plataforma de video se puede emplear para lograr objetivos de aprendizaje.
46. El medio empleado facilito el entendimiento del tema.
47. La plataforma de video favorece el proceso de aprendizaje.
48. En general, considero que la plataforma de video para uso educativo es fácil de
usar u operar
49. Encuentro fácil usar la plataforma de video en cualquier dispositivo (como PC,
smartphone, Tablet o Smart TV)
50. El sistema genera protección frente a un error propio.
51. La interfaz de la plataforma de video hace posible una interacción agradable y
satisfactoria.
52. La plataforma puede ser utilizada por cualquier tipo de persona.
53. En general, la plataforma de video realiza su función adecuadamente.
54. En general, considero que la plataforma de video y los videos se adaptan en
cualquier dispositivo y navegadores o sistemas operativos.
55. En general, la plataforma de video es operacional y accesible cuando se
requiere usar.
56. El uso de la plataforma de video es flexible en términos de poder elegir en qué
tiempo, lugar y dispositivo emplear cuando se quiera acceder.
57. La aplicación y los videos se pueden reproducir incluso en pantallas pequeñas,
con redes de bajo ancho de banda, y por usuarios no expertos.

58. Si tuviera acceso a la plataforma de video tengo la intención de utilizarla para
uso educativo.
59. Me gustaría utilizar en el futuro la plataforma de video educativo para apoyo al
aprendizaje.
G. Anexo: Instrumento encuesta a
docentes
VALORACIÓN MODELO U-LEARNING BASADO EN PLATAFORMAS DE TV EVERYWHERE
2. En desacuerdo
4. De acuerdo
Nombre Institución o Universidad:

Iniciales de su nombre:
Títulos académicos:
Cargo que desempeña:
Años de experiencia relacionados con tecnología educativa:
(bajo) a 5 (alto):
Nivel de familiaridad que ha tenido con plataformas de TV everywhere, 1 (bajo) a 5 (alto):
¿Su Universidad o Institución ha implementado el enfoque u-learning?, Si, parcialmente,
No tengo conocimiento, No:

(Marque con una X)
1 2 3 4 5
1. ¿Está de acuerdo que el modelo es válido como una guía de referencia para
implementar U-learning basado en plataformas de TV everywhere?
2. ¿Considera usted que las plataformas de TV/video en la nube son útiles y
benefician la implementación de u-learning?
3. ¿Considera usted que la implementación de u-learning basada en plataformas
de TV everywhere contribuye al proceso educativo?
4. ¿Está de acuerdo en general con los niveles y cada uno de los componentes
propuestos en el modelo de u-learning?.
5. ¿Considera usted que si tuviera disponibilidad de usar las plataformas de TV
everywhere las utilizaría para uso educativo?
6. ¿Considera usted que las instituciones educativas o universidades bajo un
modelo de u-learning, deberían implementar soluciones basadas de TV/video
multipantalla para que el proceso de enseñanza/aprendizaje se enriquezca,
complemente y se pueda dar en cualquier lugar, momento, y con cualquier
dispositivo?
7. ¿Considera usted que en general para el usuario final (como estudiante,
docente, u otro), el uso de plataformas de video en cualquier dispositivo
ubicuo (PC, Smartphone, SmartTV, Tablet, ¿etc) son fáciles de utilizar?

8. ¿Considera usted que el modelo es útil y se puede aplicar en cualquier
Institución o Universidad?
9. ¿Considera usted en general que el modelo es fácil de ejecutar?
10. ¿Considera usted en general que el modelo es claro? 1. 2. 3. 4. 5.
11. El primer nivel del modelo, estado y preparación inicial contempla varios factores. Valore su importancia en cada uno de los
11.1 Idea
11.2 Actores que participan
11.3 Tendencias de tecnología
11.4 Estado
11.5 Otros
12. El segundo nivel del modelo, planeación y requerimientos contempla varios componentes. Valore su importancia en cada uno
de los factores de este nivel.
12.1 Equipo de trabajo
12.2 Aspectos tecnológicos
12.3 Necesidades personales o del grupo objetivo
12.4 Aspectos pedagógicos
12.6 Aspectos de Necesidades de formación o fortalecimiento competencias
digitales
13. El tercer nivel del modelo, diseño y producción contempla varios componentes. Valore su importancia en cada uno de los
13.1 Entorno de dispositivos ubicos
13.2 Entorno de aprendizaje
13.3 Servicios
14. El cuarto nivel del modelo, implementación del servicio u-learning, contempla varios componentes. Valore su importancia en
cada uno de los factores de este nivel.
14.1 Pruebas despliegue
14.2 Ejecución servicio
14.3 Uso y Fortalecer competencias digitales
14.4 Monitoreo del servicio
15. El quinto nivel del modelo, confrontar servicio y resultado aprendizaje, contempla varios componentes. Valore su importancia
en cada uno de los factores de este nivel
15.1 Expectativa proceso
15.2 Impacto del servicio
15.3 Otros
16. En general, en qué grado de satisfacción valora la actividad o solución de u-
learning basado en plataformas de video multipantalla
17. En general, considera usted que el desempeño de los estudiantes mejora con
el uso de una solución de u-learning basada en video multipantalla.
18. Utilizaría en el “futuro” el modelo de u-learning basado en plataformas de TV
everywhere planteado
H. Anexo: Información general
perfiles de “expertos”
Las personas que participan pertenecen a 17 Instituciones de educación superior o
Universidades.
# 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
En total son 19 “Expertos” (personas con experiencia o conocimiento en tecnologías

educativas) que participan en la valoración del modelo vía una encuesta.
# Título académico Cargo Años de experiencia

“experto” relacionados con
tecnología educativa
1 Productor de diseño
comunicativo
Publicista Educación virtual 2
2 Productor de Diseño
Comunicativo
Comunicador Audiovisual Educación virtual 8
3 Líder de Educación
Magíster en educación Virtual y TIC 16
4 Doctor En computación Profesor 20
5 Especialista en Multimedia - Coordinador contenidos 15
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
En la siguiente pregunta, se indaga por el nivel de familiaridad (entre 1 a 5) de u-learning

y TV everywhere. Siendo 1 (bajo), y 5 (alto).
# Nivel de familiaridad que ha Nivel de familiaridad que ha tenido

“experto” tenido con el tema de ubiquitous- con plataformas de TV everywhere
learning (u-learning)
1 2 3
2 3 4
3 4 2
4 5 3
5 4 5
6 4 5
7 5 5
8 3 2
9 4 5
10 4 4
11 1 4
12 4 4
13 2 2
14 3 3
15 4 3
16 3 4
17 3 3
18 4 3
19 5 3
respuestas
Nivel de familiaridad que ha tenido con plataformas de TV everywhere, 19 respuestas

Bibliografía
Aarreniemi-Jokipelto, P. (2006). Modelling and content production of distance learning

concept for interactive digital television [PhD dissertation, Helsinki University of
Technology]. http://lib.tkk.fi/Diss/2006/isbn9512285428/isbn9512285428.pdf
ACESAD. (2018, September 3). La educación virtual: Fórmula de éxito para la
“universidad gratuita” del presidente Duque – ACESAD.
http://www.acesad.org.co/la-educacion-virtual-formula-de-exito-para-la-
universidad-gratuita-del-presidente-duque/
Ackermann, P., Vlachogiannis, E., & Velasco, C. A. (2015). Developing Advanced
Accessibility Conformance Tools for the Ubiquitous Web. Procedia Computer
Science, 67, 452–457. https://doi.org/10.1016/j.procs.2015.11.086
Acosta, S., Moreno, G., Recaman, H., & Reyes, A. (2016, June). Proposal to develop
educational content destined to hybrid tv of a regional channel. Revista
Politécnica, 12(22), 57–64.
http://revistas.elpoli.edu.co/index.php/pol/article/view/837/710
Adell, J., & Castañeda, L. (2013). El ecosistema pedagógico de los PLEs. Entornos
Personales de Aprendizaje: Claves Para El Ecosistema Educativo En Red, 29–51.
http://cit.uao.edu.co/docente/sites/default/files/repositorio/El%20ecosistema%20pe
dag%C3%B3gico%20de%20los%20PLEs%20-%20Capitulo2.pdf
Adnan, N. I. B., & Tasir, Z. (2014). Online Social Learning Model. 143–144.
https://doi.org/10.1109/LaTiCE.2014.33
AECT, Januszewski, A., & Molenda, M. (2008). Educational Technology: A definition with
commentary. Taylor & Francis Group.
Aihua, Z. (2010). Study of ubiquitous learning environment based on Ubiquitous
computing. Ubi-Media Computing (U-Media), 2010 3rd IEEE International
Conference On, 136–138.
http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5544482
Aktaruzzaman, M., Shamim, M., Huq, R., & Clement, C. K. (2011). Trends and Issues to
integrate ICT in Teaching Learning for the Future World of Education. International
Journal of Engineering & Technology IJET-IJENS, 11(3), 114–119.
http://www.ijens.org/Vol%2011%20I%2003/118603-0202%20IJET-IJENS.pdf
Aljohani, N. R., Davis, H., & Tiropanis, T. (2011). HCI as a Differentiator between Mobile
and Ubiquitous Learning. 82–86. https://doi.org/10.1109/NGMAST.2011.24
Allen, I. E., Seaman, J., & Garrett, R. (2007). Blending In: The Extent and Promise of
Blended Education in the United States.
http://www.onlinelearningsurvey.com/reports/blending-in.pdf
Ally, M. (2008). Foundations of Educational Theory for Online Learning. In Theory and
practice of online learning (2nd ed., pp. 15–44). AU Press, Athabasca University.
http://www.aupress.ca/index.php/books/120146
Bibliografía 271
Almeida, F. L. (2017). Concept and Dimensions of Web 4.0. INTERNATIONAL JOURNAL

OF COMPUTERS & TECHNOLOGY, 16(7), 7040–7046.
https://doi.org/10.24297/ijct.v16i7.6446
Almstead, F. E. (1959). A design for using closed-circuit television in education.
Transactions of the American Institute of Electrical Engineers, Part I:
Communication and Electronics, 78(4), 439–444.
http://ieeexplore.ieee.org/abstract/document/6372841/
Anderson, L. W., Krathwohl, D. R., & Bloom, B. S. (2001). A taxonomy for learning,
teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives
(Complete ed). Addison Wesley Longman.
Andrews, D. H., & Goodson, L. A. (1980). A comparative analysis of models of
instructional design. Journal of Instructional Development, 3(4), 2–16.
https://doi.org/10.1007/BF02904348
Arias, A. V., Uribe, G. G., & Riascos, M. C. (2016). Structural equation model for studying
the mobile-learning acceptance. IEEE Latin America Transactions, 14(4), 1988–
1992. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=7483544
Asencio, E. N., García, E. J., Redondo, S. R., & Ruano, B. T. (2017). Fundamentos de la
investigación y la innovación educativa (Primera). UNIVERSIDAD
INTERNACIONAL DE LA RIOJA. www.unir.net
Asparouhov, T., & Muthén, B. (2009). Exploratory Structural Equation Modeling.
Structural Equation Modeling: A Multidisciplinary Journal, 16(3), 397–438.
https://doi.org/10.1080/10705510903008204
Atif, Y., Mathew, S. S., & Lakas, A. (2015). Building a smart campus to support ubiquitous
learning. Journal of Ambient Intelligence and Humanized Computing, 6(2), 223–
238. https://doi.org/10.1007/s12652-014-0226-y
Ayala, F. J. (2016). The Scientific Method. In Evolution, Explanation, Ethics and
Aesthetics (pp. 163–194). Elsevier. https://doi.org/10.1016/B978-0-12-803693-
8.00009-8
Báez Pérez, C. I., & Clunie Beaufond, C. E. (2019). Una mirada a la Educación Ubicua.
RIED. Revista Iberoamericana de Educación a Distancia, 22(1), 325.
https://doi.org/10.5944/ried.22.1.22422
Bates, A. W. (Tony). (2015). Teaching in a Digital Age. Guidelines for designing teaching
and learning. TONY BATES ASSOCIATES LTD.
https://www.tonybates.ca/teaching-in-a-digital-age/
Bates, A. W. (Tony), & Sangra, A. (2011). Managing Technology in Higher Education:
Strategies for Transforming Teaching and Learning. Jossey-Bass, Wiley.
Bates, P. J. (2003). T-learning Final Report [Reporte]. http://www.pjb.co.uk/t-
learning/contents.htm
Bawa, R., & Clark, R. (2015). Software-defined everything. Deloitte.
https://dupress.deloitte.com/dup-us-en/focus/tech-trends/2015/tech-trends-2015-
software-defined-everything.html
Bezhovski, Z., & Poorani, S. (2016). The Evolution of E-Learning and New Trends.
Information and Knowledge Management, 6(3), 8.
Bi, T., & Han, J. (2013). Strategies to Improve the Level of Educational Technology. 168–
171. https://doi.org/10.1109/ITA.2013.45
Billet, S. (1996). Situated learning: Bridging sociocultural and cognitive theorising.
Learning and Instruction, 6(3), 263–280.
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.
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.
comScore. (2017). Futuro Digital 2017: América Latina.

https://www.comscore.com/lat/Prensa-y-Eventos/Presentaciones-y-libros-
blancos/2017/2017-LATAM-Digital-Future-in-Focus
ComScore. (2018). Futuro digital global. Edición internacional 2018.
https://www.comscore.com/lat
comScore, & Shareablee. (2018). El estado de social media en América Latina.
https://www.comscore.com/esl/Prensa-y-Eventos/Presentaciones-y-libros-
blancos/2018/Estado-de-Social-Media-en-America-Latina-2018
Conde González Miguel Ángel. (2007). MLearning, de camino hacia el uLearning [Tesis
de Máster]. Universidad de Salamanca.
Consumer Technology Association (CTA). (2016). The WAVE (Web Application Video
Ecosystem) Project. https://cta.tech/Research-Standards/Standards-
Documents/WAVE-Project/WAVE-Project.aspx
CONTUS. (2018, August). Online Video on Demand Platform | Live Video Streaming
Solution & OTT Platform—Contus Vplay. Contus.Com. contus.com
Cook, T. D., Campbell, D. T., & Shadish, W. R. (2002). Experimental and quasi-
experimental designs for generalized causal inference. Boston, US: Houghton,
Mifflin and Company.
Cope, B., & Kalantzis, M. (2008). Ubiquitous Learning: An Agenda for Educational
Transformation. In Proceedings of the 6th International Conference on Networked
Learning (pp. 576–582).
Cope, B., & Kalantzis, M. (2009). Ubiquitous Learning. Exploring the anywhere/anytime
possibilities for learning in the age of digital media (1st ed.). University of Illinois
Press.
Coto, M., Collazos, C. A., & Mora-Rivera, S. (2016). Modelo Colaborativo y Ubicuo para
apoyar los procesos de enseñanza-aprendizaje a nivel Iberoamericano. Revista
de Educación a Distancia (RED), 48. https://doi.org/10.6018/red/48/10
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests.
Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
Curtis, M., Luchini, K., Bobrowsky, W., Quintana, C., & Soloway, E. (2002). Handheld use
in K-12: A descriptive account. 23–30.
https://doi.org/10.1109/WMTE.2002.1039217
Damasio, M., & Quico, C. (2004). T-Learning and Interactive Television Edutainment: The
Portuguese Case Study. 2004, 4511–4518. http://www.editlib.org/p/11726/
DANE. (2018). Indicadores básicos de tenencia y uso de Tecnologías de la Información y
Comunicación en hogares y personas de 5 y más años de edad.
http://www.dane.gov.co/index.php/estadisticas-por-tema/tecnologia-e-
innovacion/tecnologias-de-la-informacion-y-las-comunicaciones-tic/indicadores-
basicos-de-tic-en-hogares
DANE. (2019, May). COLOMBIA - Encuesta Nacional de Calidad de Vida—ECV 2018—
Información general. http://microdatos.dane.gov.co/index.php/catalog/607/study-
description
DASH Industry Forum. (2018). DASH-IF InterOperability Points (IOPs) | Catalyzing the
adoption of MPEG-DASH. https://dashif.org/guidelines/
De Praeter, J., Van Wallendael, G., Vermeir, T., Slowack, J., & Lambert, P. (2016).
Spatially misaligned HEVC transcoding with computational-complexity scalability.
Journal of Visual Communication and Image Representation, 40(Part A), 149–158.
https://doi.org/10.1016/j.jvcir.2016.06.025
Bibliografía 275
de Sousa Monteiro, B., Gomes, A. S., & Mendes Neto, F. M. (2014). Youubi: Open
software for ubiquitous learning. Computers in Human Behavior.
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.
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.
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.
Doyle, G. (2016). Resistance of channels: Television distribution in the multiplatform era.
Telematics and Informatics, 33(2), 693–702.
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.
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
Emden, M., & Sumfleth, E. (2016). Assessing students’ experimentation processes In

guided inquiry. International Journal of Science and Mathematics Education, 14,
29–54. https://doi.org/10.1007/978-1-4419-1428-6
Essaili, A. E., Schroeder, D., Staehle, D., Shehada, M., Kellerer, W., & Steinbach, E.
(2013). Quality-of-experience driven adaptive HTTP media delivery.
Communications (ICC), 2013 IEEE International Conference On, 2480–2485.
Fallahkhair, S. (2013). Development of learning object from IP-based television
programme. Science and Information Conference (SAI), 2013, 703–707.
Fang, H., Wang, H., & Huang, R. (2011). A roadmap of system environment to Ubiquitous
Learning and its application patterns. Information Technology and Artificial
Intelligence Conference (ITAIC), 2011 6th IEEE Joint International, 2, 168–171.
Faruk Islim, O., & Karatas, S. (2016). Using the scamper technique in an ICT course to
enhance creative problem solving skills: An experimental study. TOJET: The
Turkish Online Journal of Educational Technology, 1291–1296.
Fleming, N. D. (2001). Teaching and learning styles: VARK strategies. IGI Global.
Furse, C. M., Ziegenfuss, D., & Bamberg, S. (2014). Learning to teach in the flipped
classroom. Antennas and Propagation Society International Symposium
(APSURSI), 2014 IEEE, 910–911.
Gibson, J., Rondeau, R., Eveleigh, D., & Tan, Q. (2012). Benefits and challenges of three
cloud computing service models. Computational Aspects of Social Networks
(CASoN), 2012 Fourth International Conference On, 198–205.
Gliner, J. A., Morgan, G. A., & Harmon, R. J. (2003). Pretest-Posttest Comparison Group
Designs: Analysis and Interpretation. Journal of the American Academy of Child &
Adolescent Psychiatry, 42(4), 500–503.
https://doi.org/10.1097/01.CHI.0000046809.95464.BE
Gomez, O. S., Ucan, J. P., & Gomez, G. E. (2013). Aplicación del proceso de
experimentación a la Ingeniería de Software. Abstraction & Application, 8, 13.
Goodchild, T., & Speed, E. (2018). Technology enhanced learning as transformative
innovation: A note on the enduring myth of TEL. Teaching in Higher Education, 1–
16. https://doi.org/10.1080/13562517.2018.1518900
Gutiérrez, R. T. (2018). Understanding the role of digital commons in the web; The
making of HTML5. Telematics and Informatics, 35(5), 1438–1449.
Hall, T., & Bannon, L. (2006). Designing ubiquitous computing to enhance children’s
learning in museums: Designing ubiquitous computing. Journal of Computer
Assisted Learning, 22(4), 231–243. https://doi.org/10.1111/j.1365-
2729.2006.00177.x
Hart, K. E., & Kritsonis, W. A. (2006). A CRITICAL ANALYSIS OF JOHN B. WATSON’S
ORIGINAL WRITING: “BEHAVIORISM AS A BEHAVIORIST VIEWS IT” (1913).
NATIONAL FORUM OF APPLIED EDUCATIONAL RESEARCH JOURNAL, 19(3),
6. http://www.nationalforum.com/
Hart, S. (2017). Today’s Learners and Educators: Bridging the Generational Gaps.
Teaching and Learning in Nursing, 12(4), 253–257.
https://doi.org/10.1016/j.teln.2017.05.003
Bibliografía 277
HbbTV, A. (2016). Hybrid broadcast broadband TV. HbbTV.

https://www.hbbtv.org/overview/
HbbTV, A. (2018). HbbTV 2.0.2 Specification. https://www.hbbtv.org/resource-
library/specifications/
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. del P. (2014).
Metodología de la investigación (Sexta edición). McGRAW-HILL.
Hernández Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la
investigación. Las rutas cuantitativa, cualitativa y mixta (Primera edición).
McGRAW-HILL.
Herrando, C., Jimenez-Martinez, J., & Martin-De Hoyos, M. J. (2019). Tell me your age
and I tell you what you trust: The moderating effect of generations. Internet
Research. https://doi.org/10.1108/IntR-03-2017-0135
Hijazi, H. W., & Itmazi, J. A. (2013). Crawler Based Context Aware Model for Distributed
e-Courses through Ubiquitous Computing at Higher Education Institutes. E-
Learning" Best Practices in Management, Design and Development of e-Courses:
Standards of Excellence and Creativity", 2013 Fourth International Conference
On, 9–14. https://doi.org/10.1109/ECONF.2013.28
Hill, R. L., Swanson, A., & Kirwan, J. (2017). EI and Learning Styles: The Effect on
Learning of Generationals. In Advances in Intelligent Systems and Computing.
Interactive Collaborative Learning. Proceedings of the 19th ICL Conference (Vol.
545, pp. 101–115). Springer International Publishing AG. 10.1007/978-3-319-
50340-0
Ho, S.-C., Hsieh, S.-W., Sun, P.-C., & Chen. (2017). To Activate English Learning: Listen
and Speak in Real Life Context with an AR Featured U-Learning System. Journal
of Educational Technology & Society, 20(2), 176–187.
https://www.jstor.org/stable/90002173
Holland, C., & Judge, M. (2013). Future learning spaces: The potential and practice of
learning 2.0 in higher education. In Social Media and the New Academic
Environment: Pedagogical Challenges (pp. 1–25). IGI Global. 10.4018/978-1-
4666-2851-9.ch001
Honey, P., & Mumford, A. (1992). The Manual of Learning Styles (3rd Revised edition).
Peter Honey.
Honey, P., & Mumford, A. (2000). The learning styles helper’s guide. Peter Honey.
Hong, M. W., & Cho, D. J. (2008). Ontology Context Model for Context-Aware Learning
Service in Ubiquitous Learning Environments. INTERNATIONAL JOURNAL OF
COMPUTERS, 2, 193–200.
Hooper, M., Moyler, A., & Nicoll, R. (2010, September). Over The Top TV (OTT TV)
Delivery Platforms Review. BCI. http://www.bci.eu.com/over-the-top-tv/ott-tv-white-
paper/
Horn, M. B., & Staker, H. (2011). The rise of K-12 blended learning. Innosight Institute.
Retrieved on September, 7, 2011.
http://www.leadcommission.org/sites/default/files/The%20Rise%20of%20K-
12%20Blended%20Learning_0.pdf
Hours, H., Biersack, E., Loiseau, P., Finamore, A., & Mellia, M. (2016). A study of the
impact of DNS resolvers on CDN performance using a causal approach.
Computer Networks, 109(2), 200–210.
https://doi.org/10.1016/j.comnet.2016.06.023
Hsu, T.-Y., Chiou, C.-K., Tseng, J. C. R., & Hwang, G.-J. (2016). Development and
Evaluation of an Active Learning Support System for Context-Aware Ubiquitous
Learning. IEEE Transactions on Learning Technologies, 9(1), 37–45.

https://doi.org/10.1109/TLT.2015.2439683
Huang, Y.-M., & Chiu, P.-S. (2015). The effectiveness of the meaningful learning-based
evaluation for different achieving students in a ubiquitous learning context.
Computers & Education, 87, 243–253.
https://doi.org/10.1016/j.compedu.2015.06.009
Hung, I.-C., Yang, X.-J., Fang, W.-C., Hwang, G.-J., & Chen, N.-S. (2014). A context-
aware video prompt approach to improving students’ in-field reflection levels.
Computers & Education, 70, 80–91.
https://doi.org/10.1016/j.compedu.2013.08.007
Hwang, G.-J. (2006). Criteria and strategies of ubiquitous learning. Sensor Networks,
Ubiquitous, and Trustworthy Computing, 2006. IEEE International Conference On,
2, 72–77. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=1636255
Hwang, G.-J., Chu, H.-C., Shih, J.-L., Huang, S.-H., & Chin-Chung, T. (2010). A Decision-
Tree-Oriented Guidance Mechanism for Conducting Nature Science Observation
Activities in a Context-Aware Ubiquitous Learning Environment. Journal of
Educational Technology & Society, 13(2), 53–64.
Hwang, G.-J., Tsai, C.-C., & Yang, S. J. H. (2008). Criteria, Strategies and Research
Issues of Context-Aware Ubiquitous Learning. Educational Technology and
Society, 2, 81–91.
Hwang, K.-W., Gopalakrishnan, V., Jana, R., Lee, S., Misra, V., Ramakrishnan, K. K., &
Rubenstein, D. (2016). Joint-family: Adaptive bitrate video-on-demand streaming
over peer-to-peer networks with realistic abandonment patterns. Computer
Networks, 106, 226–244. https://doi.org/10.1016/j.comnet.2016.06.006
IDATE, C. (2013). Advanced TV services for all, available now with Hybrid Broadcast
Broadband TV solutions.
http://www.eutelsat.com/files/contributed/news/media_library/brochures/Hybrid-
TV-White-Paper-iDate-Eutelsat-Orange.pdf
IETF, & Network Working Group. (2018, October 22). draft-ietf-quic-applicability-03—
Applicability of the QUIC Transport Protocol. https://datatracker.ietf.org/doc/draft-
ietf-quic-applicability/
Indrajit, Ri. E. (2016). The ecosystem framework for U-learning implementation through
courseware development and management. In Electronic and mobile learning
International Seminar Proceedings (pp. 245–255). Universitas Negeri Jakarta.
http://repository.perbanas.id/xmlui/handle/123456789/1652
ISO. (2011, March). ISO/IEC 25010:2011—Systems and software engineering—Systems
and software Quality Requirements and Evaluation (SQuaRE)—System and
software quality models. https://www.iso.org/standard/35733.html
ISO/IEC. (2011a). ISO/IEC TS 29140-2:2011(en), Information technology for learning,
education and training—Nomadicity and mobile technologies—Part 2: Learner
information model for mobile learning. ISO. https://www.iso.org/obp/ui/#iso:std:iso-
iec:ts:29140:-2:ed-1:v1:en
ISO/IEC. (2011b, October 1). ISO/IEC TS 29140-1:2011(en), Information technology for
learning, education and training—Nomadicity and mobile technologies—Part 1:
Nomadicity reference model. International Organization for Standardization.
https://www.iso.org/standard/45163.html
ISO/IEC. (2014, May). ISO/IEC 23009-1:2014—Information technology—Dynamic
adaptive streaming over HTTP (DASH)—Part 1: Media presentation description
Bibliografía 279
and segment formats. International Organization for Standardization.

ISO/IEC. (2017, October). ISO/IEC 23008-2:2017—Information technology—High
efficiency coding and media delivery in heterogeneous environments—Part 2:
High efficiency video coding. International Organization for Standardization.
ISO/IEC. (2018). ISO/IEC 23000-19:2018. Information technology—Multimedia
application format (MPEG-A)—Part 19: Common media application format
(CMAF) for segmented media. ISO.
http://www.iso.org/cms/render/live/en/sites/isoorg/contents/data/standard/07/19/71
975.html
ISO/IEC. (2019, February). ISO/IEC 14496-33:2019. Information technology—Coding of
audio-visual objects—Part 33: Internet video coding. ISO.
http://www.iso.org/cms/render/live/en/sites/isoorg/contents/data/standard/06/97/69
714.html
ISTE. (2016). ISTE©—International Society for Technology in Education | ISTE Standards
for Students. https://www.iste.org/standards/for-students
ISTE. (2017). ISTE©—International Society for Technology in Education | ISTE Standards
for Educators. https://www.iste.org/standards/for-educators
ITU-T. (2013a, April 13). ITU-T Y.3041. Smart ubiquitous networks – Overview. ITU-T
Recommendations. https://www.itu.int/ITU-
T/recommendations/rec.aspx?rec=11915&lang=en
ITU-T. (2014, January 13). ITU-T Y.3045. Smart ubiquitous networks—Functional
architecture of content delivery. ITU-T Recommendations. https://www.itu.int/ITU-
T/recommendations/rec.aspx?rec=12077&lang=en
ITU-T. (2018, May 11). H.265: High efficiency video coding. ITU-T Recommendations.
https://www.itu.int/rec/T-REC-H.265-201802-I/es
ITU-T, T. S. S. O. I. (2013b). Recommendation ITU-T Y.3043. Smart Ubiquitous Networks
– Context Awareness Framework, 1, 24.
J. Skulmoski, G., T. Hartman, F., & Krahn, J. (2007). The Delphi Method for Graduate
Research. Journal of Information Technology Education: Research, 6, 001–021.
https://doi.org/10.28945/199
Jackson, K., Drew, K., & Shaw, J. (2007). Y doesn’t Gen Y like 2 w8. Australian Journal of
Advance Nursing, 33(3), 29–37.
Jeong, H.-Y., & Yi, G. (2014). A Service Based Adaptive U-Learning System Using UX.
The Scientific World Journal, 2014, 1–9. https://doi.org/10.1155/2014/109435
Jimenez, E. U., & Manzano, J. A. (2005). Análisis multivariante aplicado: Aplicaciones al
marketing, investigación de mercados, economía, dirección de empresas y
turismo. S.A. EDICIONES PARANINFO.
Johnson, L., Becker, S., Estrada, V., & Freeman, A. (2014). Horizon Report: 2014 Higher
Education. http://www.editlib.org/p/130341/report_130341.pdf
Joint Research Centre. (2015, June 10). The European Digital Competence Framework—
DigComp [Text]. EU Science Hub - European Commission.
https://ec.europa.eu/jrc/en/digcomp
Jones, V., & Jo, J. H. (2004). Ubiquitous learning environment: An adaptive teaching
system using ubiquitous technology. Proceedings of the 21st ASCILITE
Conference, 7. http://www.ascilite.org.au/conferences/perth04/procs/jones.html
Juarros, V. M., Moreno, J., & Bennasar, F. N. (2012). Modelos educativos para la gestión
de la información eneducación superior: Una experiencia de curación de
contenidos como estrategia metodológica en el aula universitaria. Edutec. Revista

Electrónica de Tecnología Educativa, 42.
http://www.edutec.es/revista/index.php/edutec-e/article/view/1
Jun, X., Lamei, W., & Xiaoxiao, Z. (2014). “Multi-screen in One” System Design of
Education Video Oriented U-learning. EAI Endorsed Transactions on Future
Intelligent Educational Environments, 1(1), e5. https://doi.org/10.4108/fiee.1.1.e5
K. Cat, & H. Peter. (2005). Designing agents for feedback using the documents produced
in learning. 4, 21–38.
Kaiser, Henry F. (1958). The varimax criterion for analytic rotation in factor analysis.
Psychometrika, 23(3), 187–200. https://doi.org/10.1007/BF02289233
Kaiser, H.F. (1974). An index of factorial simplicity. Psychometrika, 39, 31–36.
http://dx.doi.org/10.1007/BF02291575
Kaltura. (2013). Kaltura Platform: Ultimate Deployment Flexibility – SaaS, On-Prem, and
Hybrid. http://corp.kaltura.com/
Kanagarajan, S., & Ramakrishnan, S. (2018). Ubiquitous and Ambient Intelligence
Assisted Learning Environment Infrastructures Development—A review. Education
and Information Technologies, 23(1), 569–598. https://doi.org/10.1007/s10639-
017-9618-x
Kennedy, G., Krause, K.-L., Gray, K., Judd, T., & Bennett, S. J. (2006). Questioning the
net generation: A collaborative project in Australian higher education. Proceedings
of the 23rd Annual Ascilite Conference: Who’s Learning? Whose Technology?,
413–417. https://ro.uow.edu.au/edupapers/614/
Khodabandelou, R., & Samah, S. A. A. (2012). Instructional Design Models for Online
Instruction: From the Perspective of Iranian Higher Education. Procedia - Social
and Behavioral Sciences, 67, 545–552.
Kim, H., Caytiles, R. D., & Kim, T. (2012). Design of an Effective WSN-Based Interactive
u-Learning Model. International Journal of Distributed Sensor Networks, 8(1), 12.
https://doi.org/10.1155/2012/514836
Kim, J., Kim, S., & Nam, C. (2016). Competitive dynamics in the Korean video platform
market: Traditional pay TV platforms vs. OTT platforms. Telematics and
Informatics, 33(2), 711–721. https://doi.org/10.1016/j.tele.2015.06.014
Király, G., & Géring, Z. (2019). Introduction to ‘Futures of Higher Education’ Special Issue.
Futures, 15. https://doi.org/10.1016/j.futures.2019.03.004
Kirstein, P. T., & Beckwith, R. (1991). Experiences with the University of London
interactive video education network. Electronics & Communication Engineering
Journal, 3(1), 4–12. http://ieeexplore.ieee.org/abstract/document/80091/
Kitchenham, B. (2004). Procedures for Performing Systematic Reviews. Keele University
Technical Report.
Kitchenham, B., & Charters, S. (2007). Guidelines for performing Systematic Literature
Reviews in Software Engineering Version 2.3. Keele University And University of
Durham, UK.
https://www.elsevier.com/__data/promis_misc/525444systematicreviewsguide.pdf
Kivunja, C., & Kuyini, A. B. (2017). Understanding and Applying Research Paradigms in
Educational Contexts. International Journal of Higher Education, 6(5), 26.
https://doi.org/10.5430/ijhe.v6n5p26
Kolb, A. Y., & Kolb, D. A. (2013). THE KOLB LEARNING STYLE INVENTORY- Version
4.0. A Comprehensive Guide to the Theory, Psychometrics, Research on Validity
Bibliografía 281
and Educational Applications. Experience Based Learning Systems, Inc.

https://learningfromexperience.com/
Kolb, D. A. (1984). The Process of Experiential Learning. In Experiential Learning:
Experience As The Source Of Learning And Development. Prentice Hall.
Kraus, M. H. (1958). Television systems for in-school teaching. Transactions of the
American Institute of Electrical Engineers, Part I: Communication and Electronics,
77(4), 406–411. https://doi.org/10.1109/TCE.1958.6372365
Kreutz, D., Ramos, F. M. V., Esteves Verissimo, P., Esteve Rothenberg, C., Azodolmolky,
S., & Uhlig, S. (2015). Software-Defined Networking: A Comprehensive Survey.
Proceedings of the IEEE, 103(1), 14–76.
https://doi.org/10.1109/JPROC.2014.2371999
Krishnamoorthi, V. (2018). Efficient HTTP-based adaptive streaming of linear and
interactive videos [Department of Computer and Information Science. Link¨oping
University, Faculty of Science & Engineering.].
http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-143802
Laporte, L., & Zaman, B. (2018). A comparative analysis of programming games, looking
through the lens of an instructional design model and a game attributes taxonomy.
Entertainment Computing, 25, 48–61.
https://doi.org/10.1016/j.entcom.2017.12.005
Latorre Ariño, M. (2018). HISTORIA DE LAS WEB, 1.0, 2.0, 3.0 y 4.0. Universidad
Marcelino Champagnat.
http://umch.edu.pe/arch/hnomarino/74_Historia%20de%20la%20Web.pdf
Lave, J., & Wenger, E. (1991). Situated Learning: Legitimate Peripheral Participation.
Cambridge University Press. http://dx.doi.org/10.1017/CBO9780511815355
Lee, W. H., Kuo, M. C., & Hsu, C. C. (2015). An in-classroom interactive learning platform
by near field communication. 360–364.
https://doi.org/10.1109/UMEDIA.2015.7297486
Lin, T. T. C., & Oranop, C. (2016). Responding to media convergence: Regulating multi-
screen television services in Thailand. Telematics and Informatics, 33(2), 722–
732. https://doi.org/10.1016/j.tele.2015.07.005
Ling, L., Xiaozhen, M., & Yulan, H. (2013). CDN cloud: A novel scheme for combining
CDN and cloud computing. Measurement, Information and Control (ICMIC), 2013
International Conference On, 1, 687–690.
Liu, G.-Z., & Hwang, G.-J. (2010). A key step to understanding paradigm shifts in e-
learning: Towards context-aware ubiquitous learning. British Journal of
Educational Technology, 41(2), E1–E9. https://doi.org/10.1111/j.1467-
8535.2009.00976.x
Liu, G. zen, Liu, T. chien, Lin, C. chung, Kuo, Y. ling, & Hwang, G. jen. (2016). Identifying
learning features and models for context-aware ubiquitous learning with
phenomenological research method. International Journal of Mobile Learning and
Organisation, 10(4), 238. https://doi.org/10.1504/IJMLO.2016.079501
López, G. A. M., Builes, J. A. J., & Plaza, W. P. (2016). Ubiquitous learning based on
platform of TVE as a service. ULTVEaaS model. 2016 8th IEEE Latin-American
Conference on Communications (LATINCOM), 1–7.
https://doi.org/10.1109/LATINCOM.2016.7811596
López, Gustavo A. Moreno, Builes, J. A. J., & Puche, W. S. (2016). Ubiquitous Personal
Learning Environment model (uPLEMO). 2016 Technologies Applied to
Electronics Teaching (TAEE), 1–8. https://doi.org/10.1109/TAEE.2016.7528383
López-Nores, M., Blanco-Fernández, Y., Pazos-Arias, J. J., & García-Duque, J. (2010). T-

learning in Telecommunication Engineering: The Value of Interactive Digital TV in
the European Higher Education Area. 624–626.
Lui, M., & Slotta, J. D. (2014). Immersive simulations for smart classrooms: Exploring
evolutionary concepts in secondary science. Technology, Pedagogy and
Education, 23(1), 57–80. https://doi.org/10.1080/1475939X.2013.838452
Luppicini, R. (2005). A systems definition of educational technology in society.
Educational Technology & Society, 8(3), 103–109.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.123.2216&rep=rep1&typ
e=pdf#page=108
Lytras, M., Lougos, C., Chozos, P., & Pouloudi, A. (2002). Interactive Television and E-
learning Convergence: Examining the Potential of T-learning. Proceedings of the
European Conference on ELearning.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.3.5501&rep=rep1&type=
pdf
M. Seel, N. (2012). Experimental and Quasi-Experimental Designs for Research on
Learning. In Encyclopedia of the Sciences of Learning. (pp. 1223–1228). Springer.
https://doi.org/10.1007/978-1-4419-1428-6_716
Mandula, K., Meda, S. R., & Jain, D. K. (2012). Research and implementation of a mobile
video streaming application for ubiquitous learning. Technology Enhanced
Education (ICTEE), 2012 IEEE International Conference On, 1–6.
Mandula, K., Meda, S. R., Jain, D. K., & Kambham, R. (2011). Implementation of
Ubiquitous Learning System Using Sensor Technologies. 142–148.
https://doi.org/10.1109/T4E.2011.30
Martin, S., Diaz, G., Plaza, I., Ruiz, E., Castro, M., & Peire, J. (2011). State of the art of
frameworks and middleware for facilitating mobile and ubiquitous learning
development. Journal of Systems and Software, 84(11), 1883–1891.
https://doi.org/10.1016/j.jss.2011.06.042
Martins, F. N., Gomes, I. S., & Santos, C. R. F. (2015). Junior Soccer Simulation:
Providing all Primary and Secondary Students Access to Educational Robotics.
Robotics Symposium (LARS) and 2015 3rd Brazilian Symposium on Robotics
(LARS-SBR), 2015 12th Latin American, 61–66. https://doi.org/10.1109/LARS-
SBR.2015.16
Martín-Sanz, C. B. (2007). uLearning: Nuevas vías de formación. N-economía. http://n-
economia.com/notasalerta/ulearning-nuevas-vias-de-formacion/
Mastorakis, G., Zacharopoulos, V., Sideris, A., Markakis, E., & Fatsea, A. (2005). Digital
Switchover in UHF: Supporting tele-learning applications over the ATHENA
platform. Proceedings of The Fifth International Network Conference 2005 (INC
2005), 459.
http://books.google.com/books?hl=en&lr=&id=t9zOAwAAQBAJ&oi=fnd&pg=PA45
9&dq=%22broadband+access+infrastructure+(in+a+city)+and+the+realisation+of+
a+common+IP%22+%22National+Broadcaster+(ERT),+another+is+the+TV+progr
amme+of+a+local%22+%22potentialities+of+the+proposed+DSO+concept+and+t
he+capabilities+of+the+new%22+&ots=FbRkQHRZrj&sig=gmgusZjIoRzQtbIS5vI6i
_kmiaM
Mayer, R. E. (2002). Multimedia Learning. Psychology of Learning and Motivation, 41,
85–139. https://doi.org/10.1016/S0079-7421(02)80005-6
Bibliografía 283
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.
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
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.
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.
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.
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.
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.
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.
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
LMS .LRN through Android Mobile Devices with NFC Support. 672–673.
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.
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
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.
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.
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
UNESCO. (n.d.). Las TIC en la Educación [Las TIC en la Educación].

http://www.unesco.org/new/es/unesco/themes/icts/
Unger, M., Marsan, G. A., Meissner, D., Polt, W., & Cervantes, M. (2018). New
challenges for universities in the knowledge triangle. The Journal of Technology
Transfer. https://doi.org/10.1007/s10961-018-9699-8
ur Rahman, M., Deep, V., Rahman, S., & others. (2016). ICT and internet of things for
creating smart learning environment for students at education institutes in India.
2016 6th International Conference-Cloud System and Big Data Engineering
(Confluence), 701–704.
Valcárcel Muñoz, A. G. (2002). Tecnología educativa: Características y evolución de una
disciplina. Revista Educación y Pedagogía, XIV(33), 25.
Valiathan, P. (2002). Blended Learning Models. Learning Circuits. http://purnima-
valiathan.com/readings/Blended-Learning-Models-2002-ASTD.pdf
van Harmelen, M., Workman, D., & Hedtek Ltd. (2012). Analytics for Learning and
Teaching. CETIS Analytics Series, 1(3), 41.
http://publications.cetis.ac.uk/2012/516
Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a Research
Agenda on Interventions. Decision Sciences, 39(2), 273–315.
https://doi.org/10.1111/j.1540-5915.2008.00192.x
Venkatesh, V., & Davis, F. D. (2000). A Theoretical Extension of the Technology
Acceptance Model: Four Longitudinal Field Studies. Management Science, 46(2),
186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
Vieira Mejía, C. (2013). Medición de niveles de ubicuidad para una intitución de
educación superior [Maestría]. EAFIT.
Virmani, M. (2015). Understanding DevOps & bridging the gap from continuous
integration to continuous delivery. Innovative Computing Technology (INTECH),
2015 Fifth International Conference On, 78–82.
Virtanen, M. A., Haavisto, E., Liikanen, E., & Kääriäinen, M. (2018). Ubiquitous learning
environments in higher education: A scoping literature review. Education and
Information Technologies, 23(2), 985–998. https://doi.org/10.1007/s10639-017-
9646-6
VIRTUAL EDUCA, & ACESAD. (2013). LA EDUCACIÓN SUPERIOR A DISTANCIA Y
VIRTUAL EN COLOMBIA: NUEVAS REALIDADES. Afán Gráfico Ltda.
Wagner, A., Barbosa, J. L. V., & Barbosa, D. N. F. (2014). A model for profile
management applied to ubiquitous learning environments. Expert Systems with
Applications, 41(4), 2023–2034. https://doi.org/10.1016/j.eswa.2013.08.098
Waite, S., & Pratt, N. (2015). Situated Learning (Learning In Situ). In International
Encyclopedia of the Social & Behavioral Sciences (pp. 5–12). Elsevier.
https://doi.org/10.1016/B978-0-08-097086-8.92042-7
Wang, C.-S., & Tzeng, Y.-R. (2008). A Wireless Networking Technologies Overview Over
Ubiquitous Service Applications. 156–161. https://doi.org/10.1109/NCM.2008.200
Wang, F., & Hannafin, M. J. (2005). Design-Based Research and Technology-Enhanced
Learning Environments. Educational Technology Research and Development,
53(4), 5–23. http://www.jstor.org/stable/30221206
Wang, Feng, & Zhou, Chunfang. (2013). A Theoretical Study on Development of
Information and Communication Technology (ICT)-Supported Education Systems.
1080–1084. https://doi.org/10.1109/FSKD.2013.6816357
Weiser, M. (1994). The world is not a desktop. Interactions, 1(1), 7–8.

https://doi.org/10.1145/174800.174801
Weiser, Mark. (1991). The computer for the 21st century. Scientific American, 265(3), 94–
104. https://doi.org/10.1038/scientificamerican0991-94
Weiser, Mark. (1993a). Hot topics-ubiquitous computing. Computer, 26(10), 71–72.
Weiser, Mark. (1993b). Some computer science issues in ubiquitous computing.
Communications of the ACM, 36(7), 75–84.
http://dl.acm.org/citation.cfm?id=159617
Weiser, Mark, & Brown, J. S. (1997). The Coming Age of Calm Technology. In BEYOND
CALCULATION. THE NEXT FIFTY YEARS OF COMPUTING (pp. 75–85).
Springer Science+Business Media.
Woodcock, B. A. (2014). “The Scientific Method” as Myth and Ideal. Science & Education,
23(10), 2069–2093. https://doi.org/10.1007/s11191-014-9704-z
Wymbs, K. (2015, May 15). Software-Defined Video: A Conversation with Elemental’s
Keith Wymbs [TVtechnology]. http://www.tvtechnology.com/news/0086/software-
defined-video-a-conversation-with-elementals-keith-wymbs/275942
Xiang-yu, B., Gang-xiao, L., & Jun, L. (2013). DTN-based interactive communication
mechanism for satellite distance education systems. Computer Science and
Network Technology (ICCSNT), 2013 3rd International Conference On, 783–787.
Xiao, J., Xu, Z., Yu, Y., Cai, S., & Hansen, P. (2016). The Design of Augmented Reality-
Based Learning System Applied in U-Learning Environment. In A. El Rhalibi, F.
Tian, Z. Pan, & B. Liu (Eds.), E-Learning and Games (Vol. 9654, pp. 27–36).
Springer International Publishing. https://doi.org/10.1007/978-3-319-40259-8_3
Yahya, S., Arniza A., E., & Abd Jalil, K. (2010). The definition and characteristics of
ubiquitous learning: A discussion. 6, 117–127.
http://ijedict.dec.uwi.edu//viewarticle.php?id=785
Yamamoto, G. T., Ozan, O., & Demiray, U. (2010). Learning Vitamins D-E-M-T-U
Learning: Drugstore For Learners. 12.
Yang, S. J. (2006). Context aware ubiquitous learning environments for peer-to-peer
collaborative learning. Educational Technology & Society, 9(1), 188–201.
e=pdf#page=193
Yang, T.-C., Chiang, T. H. C., & Yang, S. J.-H. (2012). Creating e-portfolio in U-learning
Environment: A Framework of Could-based e-portfolio Service. 292–295.
https://doi.org/10.1109/WMUTE.2012.70
Yoshida, T. (2013). A Perspective on Computer-Based Training, CBT. 778–783.
https://doi.org/10.1109/COMPSAC.2013.128
You, W., Mathieu, B., & Simon, G. (2013). How to Make Content-Centric Networks
Interwork with CDN Networks. Network of the Future (NOF), 2013 Fourth
International Conference on The, 1–5.
Yu, J., Lee, H.-Y., Choi, C. H., & Chung, J. (2013). Software-defined DTV platform.
Consumer Electronics (ICCE), 2013 IEEE International Conference On, 492–493.
Zahariev, P., Bencheva, N., Hristov, G., & Ruseva, Y. (2013). ICT convergence
challenges in education and their impact on both instructors and students. EAEEIE
Bibliografía 291
Annual Conference (EAEEIE), 2013 Proceedings of the 24th, 193–197.

Zea Restrepo, C. M., Lalinde Pulido, J. G., Aguas Nuñez, R., & Restrepo Díaz, J. D.
(2015). Educational Model for Scenarios of Ubiquitous. Ubiquitous Learning: An
International Journal, X(X). http://ubi-learn.com/
Zhan, Q., & Yuan, M. (2009). The Design of a Ubiquitous Learning Enviroment from the
Holistic View. 53–56. https://doi.org/10.1109/ICNDS.2009.20
Zhang, H., & Maesako, T. (2009). A Framework of Learner Development Ecosystem for
Designing a Ubiquitous Educational Informational Infrastructure. Journal of
Software, 4(2), 8. https://doi.org/10.4304/jsw.4.2.124-131
Zhang, J.-P. (2008). Hybrid learning and ubiquitous learning. In Hybrid Learning and
Education (pp. 250–258). Springer. http://link.springer.com/chapter/10.1007/978-
3-540-85170-7_22
Zhao, X., & Okamoto, T. (2011). Adaptive multimedia content delivery for context-aware
u-learning. International Journal of Mobile Learning and Organisation, 5(1), 46–63.
http://inderscience.metapress.com/index/A185755566V30860.pdf
Zhou, W., Cui, B., Wang, B., Shi, Q., & Yokoi, S. (2012). An exploration of ubiquitous
learning in computer fundamental learning scenario. Computer Science &
Education (ICCSE), 2012 7th International Conference On, 1420–1424.
https://doi.org/10.1109/ICCSE.2012.6295330
Zhu Xiao Liang, Liu Quan, Yin Jie, & Song Xiao Juan. (2008). Education IPTV for E-
learning in Rural Area. 268–271. https://doi.org/10.1109/ISISE.2008.329

Modelo de U-Learning Basado en Plataformas de TV Everywhere: Gustavo Alberto Moreno López

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelo de U-Learning Basado en Plataformas de TV Everywhere: Gustavo Alberto Moreno López

Cargado por

Copyright:

Formatos disponibles

Modelo de U-learning basado en

Gustavo Alberto Moreno López

Universidad Nacional de Colombia