Retos industriales para el aprendizaje de la automatización
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13640Palabras clave:
Educación en Automática, Aprendizaje basado en problemas, Transferencia universidad-empresa, Robótica, Visión por computador, Inteligencia ArtificialResumen
Este artículo describe una actividad de aprendizaje en Automática basada en un desafío industrial real propuesto en el marco de la colaboración entre una universidad y una entidad privada, concretamente la fábrica de Michelin en Valladolid. La actividad se diseñó como una experiencia competitiva y de aprendizaje basado en problemas, donde equipos de estudiantes formularon soluciones aplicando robótica, visión por computador, control e inteligencia artificial. De 36 equipos inscritos, 25 entregaron una propuesta final, 4 pasaron a la fase de defensa final y un equipo resultó ganador. Los equipos finalistas visitaron in situ instalaciones industriales, lo que reforzó la conexión entre la formación universitaria y las restricciones reales de implantación. La evaluación mediante encuestas, respondida por 30 participantes, mostró una percepción positiva de la experiencia, especialmente en motivación, implicación activa y trabajo en equipo. Los resultados apoyan el valor educativo de incorporar problemas reales de la industria en asignaturas del área de Automática.
Referencias
Duval-Couetil, N., Reed-Rhoads, T., Haghighi, S., 2012. Engineering students and entrepreneurship education: involvement, attitudes and outcomes. International Journal of Engineering Education 28(2), 425–435.
European Union, 2024. Regulation (EU) 2024/1689 of the European Parliament and of the Council laying down harmonised rules on artificial intelligence. https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX%3A32024R1689.
Long, D., Magerko, B., 2020. What is AI literacy? Competencies and design considerations. In: Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16.
National Academy of Engineering, 2004. The Engineer of 2020: Visions of Engineering in the New Century. The National Academies Press,Washington, DC.
Prince, M.J., Felder, R.M., 2006. Inductive teaching and learning methods: definitions, comparisons, and research bases. Journal of Engineering Education 95(2), 123–138.
Southworth, J., Migliaccio, K., Glover, J., Glover, J.N., Reed, D., McCarty, C., Brendemuhl, J., Thomas, A.O., 2023. Developing a model for AI across the curriculum: Transforming the higher education landscape via innovation in AI literacy. Computers and Education: Artificial Intelligence 4, 100127.
UNESCO, 2025. AI Competency Framework for Teachers. https://doi.org/10.54675/ZJTE2084.
Yadav, A., Subedi, D., Lundeberg, M.A., Bunting, C.F., 2011. Problem-based learning: influence on students’ learning in an electrical engineering course. Journal of Engineering Education 100(2), 253–280
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Jaime Duque-Domingo, Eduardo Zalama, Jaime Gómez-García-Bermejo

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.