Retos industriales para el aprendizaje de la automatización

Autores/as

DOI:

https://doi.org/10.17979/ja-cea.2026.47.13640

Palabras clave:

Educación en Automática, Aprendizaje basado en problemas, Transferencia universidad-empresa, Robótica, Visión por computador, Inteligencia Artificial

Resumen

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

01-09-2026

Número

Sección

Educación en Automática