......................................................................................................................
El número actual de la Revista Cientí�ica Unanchay, presenta el siguiente dossier
donde, se reúnen investigaciones relacionadas con las ciencias de la ingeniería y su
aplicación en los diferentes campos, que abordan desa�íos contemporáneos en robótica,
educación STEAM, ingeniería automotriz, electrónica y formación profesional. Los estudios
presentados destacan innovaciones metodológicas y tecnológicas, desde la adaptación de
dominio con redes generativas para UAV hasta la evaluación de competencias laborales en
estudiantes universitarios. Cada contribución subraya la importancia de cerrar brechas
entre teoría y práctica, simulaciones y realidad, y formación académica y demandas
industriales.
La investigación sobre la adaptación de dominio con GAN para Percepción de
Profundidad en vehículos aéreos no tripulados (UAV), enfrentan limitaciones en navegación
autónoma debido a la discrepancia entre imágenes de profundidad sintéticas y reales. Este
estudio compara dos enfoques de redes generativas adversariales (GAN): Pix2Pix
(supervisado) y CycleGAN (no supervisado), para transformar imágenes simuladas en
representaciones realistas. Los resultados revelan que Pix2Pix supera a CycleGAN en
precisión de intensidad, mientras que CycleGAN preserva mejor la geometría, pero falla en
modelar ruido de sensores. La integración en ROS valida la utilidad para percepción en
tiempo real, mejorando la navegación en entornos complejos.
El siguiente manuscrito denominado, Impacto de Talleres de Robótica Educativa en
Habilidades STEAM, realiza un estudio mediante la aplicación de doce talleres con el robot
mBot Neo, donde, se evaluó el efecto que produce su uso en habilidades de programación y
electrónica en estudiantes de secundaria. Las encuestas pre/post mostraron un aumento
signi�icativo en la comprensión de conceptos (sensores, IoT, IA) y en el interés por áreas
STEAM. Los hallazgos respaldan la robótica educativa como herramienta para motivar y
desarrollar competencias técnicas desde edades tempranas.
Factores de Preparación Laboral en Ingeniería en Alimentos y Biotecnología
Un modelo de bosques aleatorios y análisis de correlación identi�icó que la edad (r =
0.244), calidad de instalaciones (r = 0.253) y rendimiento académico (r = 0.213) son
predictores clave de la preparación laboral en estudiantes. Se detectó alta demanda de
formación en control de calidad y análisis de datos. Las conclusiones enfatizan la necesidad
de estrategias institucionales para alinear la formación universitaria con las exigencias del
mercado.
En el texto “Método Electromecánico para Diagnóstico de Compresión Relativa en
Motores” propone un método basado en amplitud de onda y campos electromagnéticos
para medir la compresión relativa en un automotor Hyundai Tucson V6. Las mediciones con
osciloscopio revelaron correlación entre consumo de corriente (34 A vs. 0 A) y compresión
(130 PSI vs. 0 PSI), identi�icando fallas mecánicas como ruptura de banda de distribución. El
método cumple con la norma UNE-EN 61010-2-032:1996, validando su aplicabilidad en
diagnóstico motor.
La presentación cierra con el estudio de la Evolución del Transistor: De Shockley a
Dispositivos Neuromór�icos, una revisión histórica, con la cual, el autor clasi�ica transistores
(BJT, MOSFET, IGBT) y destaca innovaciones como TFET y dispositivos neuromór�icos, estos
últimos prometedores para reparar tejido nervioso. El estudio concluye que el transistor
sigue siendo pivotal en computación neuromór�ica y medicina, con avances hacia mayor
e�iciencia y escalabilidad.
Los trabajos aquí compilados ilustran cómo la convergencia de tecnología, educación
e ingeniería impulsa soluciones innovadoras. Desde la mejora de UAV hasta la formación de
futuros profesionales, estos estudios enfatizan la necesidad de enfoques interdisciplinarios
y adaptativos. Futuras investigaciones deberán profundizar en la transferibilidad de estos
métodos a escalas industriales y educativas más amplias.
Resumen:
Los vehículos aéreos no tripulados (UAV) dependen de la percepción de profundidad para la navegación autónoma y la evasión
de obstáculos. Sin embargo, los modelos entrenados en simulación tienen di�icultades para generalizar debido a la brecha entre
imágenes de profundidad sintéticas y reales, causada por diferencias en el ruido del sensor, la variabilidad del entorno y las
texturas de los objetos, lo que reduce su e�icacia en aplicaciones reales. Este estudio aborda la adaptación de dominio mediante
redes generativas adversariales (GAN) para transformar imágenes de profundidad simuladas en representaciones más realistas.
Se implementan dos enfoques: Pix2Pix, un modelo supervisado que requiere datos emparejados, y CycleGAN, un método no
supervisado que adapta imágenes sin correspondencias directas. Para una evaluación rigurosa, se construye un conjunto de
datos alineado con imágenes sintéticas y reales.Los resultados muestran que Pix2Pix supera a CycleGAN en la replicación de
características de profundidad del mundo real al minimizar errores de intensidad, mientras que CycleGAN, aunque conserva la
geometría, tiene di�icultades para modelar el ruido del sensor. La adaptación adversarial reduce signi�icativamente la brecha
simulación-realidad, mejorando la precisión de la imagen de profundidad para la percepción de UAV. Para validar su
aplicabilidad, las imágenes adaptadas se integran en el Sistema Operativo de Robots (ROS), permitiendo la percepción en tiempo
real. Los hallazgos demuestran que la adaptación de dominio basada en GAN mejora la visión robótica basada en profundidad,
facilitando una navegación más �iable de los UAV en entornos complejos.
Palabras claves: Adaptación de dominio, Imágenes de profundidad, Redes Generativas Adversariales, Brecha de simulación a
realidad.
Abstract:
Unmanned Aerial Vehicles (UAVs) rely on depth perception for autonomous navigation and obstacle avoidance. However, models
trained in simulation often struggle to generalize due to the domain gap between synthetic and real depth images. This gap results
from differences in sensor noise, environmental variability, and object textures, reducing the effectiveness of simulation-trained
models in real-world applications. This paper explores domain adaptation using Generative Adversarial Networks (GANs) to
transform simulated depth images into more realistic counterparts. Two approaches are implemented: Pix2Pix, a supervised model
requiring paired datasets, and CycleGAN, an unsupervised method that adapts images without paired samples. A dataset of aligned
synthetic and real-world depth images is constructed to enable robust evaluation. Results show that Pix2Pix outperforms CycleGAN
in replicating real-world depth characteristics by minimizing depth intensity errors, while CycleGAN, despite preserving object
geometry, struggles to model sensor noise. The adversarial adaptation method signi�icantly reduces the simulation-to-reality gap,
improving depth image accuracy for UAV perception.To validate real-world applicability, the adapted depth images are integrated
into the Robot Operating System (ROS), enabling real-time UAV perception. The �indings demonstrate that GAN-based domain
adaptation enhances depth-based robotic vision, facilitating more reliable UAV navigation in complex environments.
Keywords: Domain Adaptation, Depth Images, Generative Adversarial Networks, Simulation-to-Reality Gap.
Unmanned Aerial Vehicles (UAVs) have emerged as a crucial technology in robotics,
enabling applications in exploration, indoor navigation, object transportation, and
environmental mapping (Al Radi et al., 2024). Their ability to operate in three-dimensional
(3D) environments makes them particularly well-suited for tasks that require autonomous
perception and navigation in unstructured scenarios. However, robust UAV navigation in
real-world environments remains challenging due to sensor limitations, perception
inaccuracies, and the need for reliable adaptation from simulated training environments to
real-world deployment (Xu et al., 2024).
Deep learning techniques have signi�icantly advanced robotic perception, facilitating
improved object detection, scene understanding, and autonomous navigation (Le et al.,
2024; Wu et al., 2019). Many of these methods rely on training in simulated environments,
where large datasets can be generated ef�iciently and safely. However, a persistent issue in
transferring learned models to real-world applications is the domain gap between synthetic
and real data. This gap arises from differences in sensor noise, lighting conditions, object
textures, and environmental variability, leading to poor generalization of simulation-trained
models when deployed in reality (Sadeghi and Levine, 2017; Sampedro et al., 2018).
Addressing this issue is essential to enable the deployment of robust robotic systems
capable of operating reliably across different environments. This study hypothesises that
GAN-based domain adaptation methods, particularly Pix2Pix, can signi�icantly reduce
perceptual errors in depth images, thereby improving UAV navigation in real environments.
The domain adaptation problem has been widely studied in the context of robotic
vision and deep learning. UAV navigation systems heavily rely on perception mechanisms
that integrate depth images to understand spatial constraints and detect obstacles (Jing
Chen et al., 2016; Sikang Liu et al., 2016). While various works have explored domain
adaptation for image classi�ication and semantic segmentation, the problem of adapting
depth images remains underexplored. Prior research has attempted to mitigate the reality
gap through physics-based simulations, domain randomization, and adversarial learning
techniques (Westerski and Teck, 2023). Among these, Generative Adversarial Networks
(GANs) have demonstrated promising capabilities in translating images from one domain to
another while preserving structural consistency (Goodfellow et al., 2014). Early works on
domain adaptation applied GANs to generate realistic textures from synthetic images,
yielding improvements in object detection and scene reconstruction (Xu et al., 2023).
However, the adaptation of depth images, particularly for UAV perception, has not been fully
addressed.
Depth cameras play a fundamental role in UAV perception, providing crucial spatial
awareness for obstacle avoidance and trajectory planning. However, simulated depth
images often fail to capture the full complexity of real-world depth sensors, including noise
artifacts and non-uniform depth distribution (Tzeng et al., 2020). These discrepancies
contribute to the sim-to-real gap, leading to degraded model performance when
transitioning from simulation to real-world applications. Bridging this gap is crucial for
ensuring the reliable deployment of UAVs in dynamic and unknown environments (James et
al., 2019).
One promising approach to mitigating this challenge is domain adaptation, which
enables models trained on synthetic data to generalize more effectively to real-world
conditions. In this work, we investigate domain adaptation techniques based on Generative
Páginas:
Adversarial Networks (GANs) to transform simulated depth images into their real-world
counterparts (James and Johns, 2016). The goal is to reduce the perceptual discrepancy
between synthetic and real depth images, thereby improving the accuracy and robustness of
depth-based perception models for UAV navigation.
This paper presents a comparative study of two domain adaptation approaches for
depth image transformation: Pix2Pix, a supervised method requiring paired depth images
for training (Isola et al., 2017), and CycleGAN, which enables adaptation without the need
for paired datasets(Zhu et al., 2017). To ensure accurate ground truth for training and
evaluation, a dataset of aligned synthetic and real-world depth images is constructed. A key
aspect of this study is the quantitative and qualitative assessment of the adapted depth
images, focusing on how effectively they replicate real-world depth characteristics. Results
indicate that the adversarial-based Pix2Pix model signi�icantly reduces the adaptation error
compared to the reconstruction-based CycleGAN approach, which, while preserving object
geometry, struggles to replicate the noise characteristics inherent to real depth sensors.
Furthermore, to demonstrate the real-world applicability of these adaptation
techniques, the generated depth images are integrated into the Robot Operating System
(ROS), allowing real-time perception for UAVs (Quigley et al., 2019). The performance of the
adapted images is analysed through error distribution comparisons, revealing that
adversarial-based adaptation provides a notable improvement in depth perception
accuracy. By improving the �idelity of depth perception, the proposed methods directly
contribute to more reliable obstacle detection and trajectory planning, which are critical for
safe and autonomous UAV navigation in unstructured environments. This ultimately leads
to a measurable reduction in perception-related navigation errors during real-world
deployment.
Páginas:
Páginas:
This study follows a structured methodology to ensure a controlled and
reproducible evaluation of domain adaptation techniques for depth image re�inement. The
approach involves constructing a high-�idelity simulation environment, carefully modelling
real-world objects, and integrating real-time pose synchronisation to maintain consistency
between simulated and physical setups. By implementing precise depth camera calibration
and leveraging adversarial learning techniques, the study provides a robust framework for
improving UAV perception. The evaluation focuses on the effectiveness of Pix2Pix and
CycleGAN, two generative models with distinct adaptation strategies, in transforming
simulated depth images into realistic counterparts. The methodological design allows for a
direct comparison of their strengths and limitations, offering valuable insights into the
trade-offs between paired and unpaired domain adaptation and their implications for
real-world robotic applications.
Virtual Environment Construction and Depth Image Generation
To facilitate domain adaptation for depth image re�inement, a controlled virtual
environment was developed to closely replicate real-world conditions. The simulation setup
was designed to ensure that the generated depth images remained structurally consistent
with those captured in real-world experiments. This required precise 3D modelling, camera
calibration, and integration into a physics-based simulation environment, as illustrated in
Figure 1.
Three key objects were selected for depth perception evaluation: a wooden cube, a
cylindrical obstacle, and a ramp-like structure. These objects introduce diverse spatial
patterns that enhance model generalisation, particularly for UAV navigation tasks. The
wooden cube, measuring 60 cm, functions as a UAV takeoff and landing station. The
cylindrical obstacle, standing 2 metres tall with a 30.5 cm diameter, mimics structural
elements commonly found in urban and industrial environments. The ramp, composed of
segmented components, introduces inclined surfaces that simulate uneven terrains. These
objects were precisely modelled in Blender using Boolean operations where necessary to
create hollow structures and merge components (Figure 1a). To enhance realism, UV
mapping was used to apply textures that closely match real-world materials, ensuring that
the visual and depth properties remained consistent across domains. The wooden cube and
ramp were assigned wood-textured surfaces, while the cylindrical obstacle was
colour-matched to its real-world counterpart. The �inal models were exported in .dae
format for seamless integration into the simulation.
Páginas:
The virtual testing environment, referred to as the Robotics Arena, was developed
within Gazebo, a widely used physics-based simulation platform (Figure 1c). The spatial
con�iguration of this environment was carefully aligned with the real-world experimental
setup, ensuring one-to-one correspondence between the placement of physical and virtual
objects. Structural elements such as safety nets and walls were incorporated to maintain
environmental consistency between the real and simulated setups.
A critical component of the simulation environment was the integration of a depth
sensor to generate synthetic depth images that accurately re�lect real-world depth
perception. The Intel RealSense D435 was selected due to its compact design and maximum
sensing range of 10 metres, making it ideal for UAV applications. Since Gazebo only provides
a default RealSense R200 model, a customised RealSense D435 sensor was implemented to
ensure an accurate simulation of its optical properties. A Gazebo plugin was developed to
replicate the real camera’s intrinsic parameters, including focal length, baseline distance,
and depth sensing characteristics (Figure 1b).
To maintain consistency between real and simulated depth images, the horizontal
�ield of view of the virtual camera was calculated based on the intrinsic parameters of the
RealSense D435. This calibration process ensured that the depth images captured in the
simulation accurately re�lected those obtained in real-world experiments. By integrating a
properly calibrated depth sensor, the study enabled direct comparisons between generated
and real-world depth images, forming the foundation for effective domain adaptation.
Pose Synchronisation and Depth Image Acquisition for Domain Adaptation
The alignment of real and simulated objects was critical for ensuring consistency in
depth image acquisition for domain adaptation. The OptiTrack motion capture system was
employed to track the real-world positions of objects using retrore�lective markers,
enabling precise pose synchronisation between physical and virtual environments. The
Motive software processed these marker-based detections, transmitting rigid body pose
data to the Robot Operating System (ROS) through the vrpn_client_ros package. This
ensured continuous real-time synchronisation, allowing objects in simulation to be
accurately positioned to match their real-world counterparts.
Páginas:
A ROS-based service was implemented to automatically spawn 3D models in Gazebo
using the real-world pose data. By subscribing to OptiTrack updates, this service ensured
that the placement of objects in the virtual environment remained consistent with the
physical setup. This synchronisation was essential for acquiring paired depth images, which
formed the foundation for supervised domain adaptation with Pix2Pix. Without this level of
environmental �idelity, inconsistencies between simulated and real-world conditions would
limit the adaptation capability of the trained models.
The process of depth image acquisition was tailored to support both paired and
unpaired domain adaptation techniques. A dataset of depth images was collected, ensuring
that each simulated image had a directly corresponding real-world counterpart. This was
achieved by continuously tracking the Intel RealSense D435 camera’s pose using OptiTrack
and replicating its position in simulation through the /gazebo/set_model_state service.
Depth images were synchronised and stored using a ROS bag �ile, capturing a range of
experimental conditions.
The dataset was structured to support the different requirements of the domain
adaptation models. Pix2Pix, which relies on supervised learning, was trained using paired
depth images to learn direct pixel-wise transformations between simulated and real depth
domains. In contrast, CycleGAN was trained on unpaired depth images, learning to perform
synthetic-to-real depth translation without explicit one-to-one correspondences. This
distinction in training strategies provided a comparative framework for evaluating the
advantages and limitations of paired versus unpaired adaptation methods.
¡
The dataset was structured to support the different requirements of the domain
adaptation models. Pix2Pix, which relies on supervised learning, was trained using paired
depth images to learn direct pixel-wise transformations between simulated and real depth
domains. In contrast, CycleGAN was trained on unpaired depth images, learning to perform
synthetic-to-real depth translation without explicit one-to-one correspondences. This
distinction in training strategies provided a comparative framework for evaluating the
advantages and limitations of paired versus unpaired adaptation methods.
Páginas:
The alignment process, depth acquisition setup, and structured dataset are
illustrated in Figure 2a shows the OptiTrack optical tracking system used for real-time pose
synchronisation. Figure 2b presents the paired real and simulated environments,
demonstrating the accuracy of object placement between domains. Figure 2c displays a
sample of the paired depth image dataset, highlighting the correspondence between
simulated and real-world depth images, which was essential for evaluating the performance
of the adaptation models.
Generative Models for Depth Image Adaptation
To bridge the simulation-to-reality gap, this study implemented two domain
adaptation techniques: Pix2Pix and CycleGAN, both of which leverage Generative
Adversarial Networks (GANs). These models were trained to re�ine synthetic depth images,
making them more representative of real-world sensor outputs. They were selected due to
their effectiveness in image-to-image translation tasks and their contrasting training
paradigms: one supervised and the other unsupervised. Adversarial domain adaptation
methods such as CoGAN (Liu and Tuzel, 2016), SimGAN (Shrivastava et al., 2017), and
PixelDA (Bousmalis et al., 2017) have introduced strategies like coupled discriminators,
self-regularisation, and noise conditioning to enhance the realism of generated images.
However, these models often require more complex architectural con�igurations and may
struggle to preserve structural features that are critical for depth-based robotic perception.
Pix2Pix and CycleGAN were therefore selected to provide a balanced evaluation of paired
versus unpaired training regimes while maintaining architectural simplicity and structural
�idelity.
Pix2Pix is a supervised GAN-based model that learns a direct mapping from
synthetic to real depth images using paired training data. The model architecture consists of
a U-Net-based generator, which transforms simulated depth images into their real-world
counterparts, and a PatchGAN discriminator, which evaluates the realism of the generated
images. The training process optimises adversarial loss, encouraging the generator to
produce more realistic images, and L1 loss, ensuring that translated images remain
structurally consistent with ground truth. This combination allows Pix2Pix to retain �ine
structural details while improving the realism of synthetic images.
In contrast, CycleGAN is an unsupervised GAN-based model that learns bidirectional
mappings between synthetic and real domains without requiring paired training data.
Instead of relying on direct pixel-wise correspondences, CycleGAN introduces cycle
consistency loss, ensuring that an image translated to the target domain and then mapped
back retains its original structure. The model consists of two generators and two
discriminators, learning transformations between synthetic and real domains in both
directions. This �lexibility allows CycleGAN to adapt synthetic images to real-world
characteristics even when paired datasets are unavailable. However, due to the lack of direct
supervision, CycleGAN may introduce structural inconsistencies and fail to replicate certain
depth features.
While both models are based on adversarial learning and aim to reduce the
perceptual gap between synthetic and real domains, they differ signi�icantly in their
underlying mechanisms and training requirements. Pix2Pix relies on supervised learning
Páginas:
¢
with paired data and uses a combination of adversarial and pixel-wise losses to ensure both
realism and structural �idelity. In contrast, CycleGAN adopts an unsupervised approach,
introducing cycle-consistency loss to preserve content in the absence of paired samples.
This distinction not only affects training strategies but also in�luences the models' ability to
replicate sensor-speci�ic noise and geometric accuracy. Theoretical correlation between the
two lies in their shared generative framework, yet their architectural con�igurations and
learning objectives re�lect different trade-offs between data alignment, realism, and
generalisation.
After training, both models were integrated into ROS, enabling real-time
transformation of depth images. The adapted depth images were published as ROS topics
and visualised using rqt_image_view, allowing UAVs operating in simulation to process
depth images that closely resemble real-world sensor outputs.
Experimental Setup and Model Evaluation
A structured experimental framework was designed to evaluate the performance of
Pix2Pix and CycleGAN. The evaluation focused on depth accuracy, noise replication, and
geometric structure preservation. The models’ ability to reduce discrepancies between
simulated and real-world depth images was assessed through quantitative error analysis
and qualitative structural comparisons.
A dataset of 2378 depth images was used to evaluate Pix2Pix, while CycleGAN was
tested on 603 images, with the difference in dataset size attributed to the higher
computational cost of CycleGAN inference. Each dataset consisted of simulated, generated,
and real depth images, with depth pro�iles extracted along the centre row of each image
(640 pixels). The absolute depth errors were computed to quantify the improvements
achieved by each model.
For statistical validation, a Wilcoxon signed-rank test was conducted to determine
whether the observed error reductions were statistically signi�icant. Additionally, Cliff’s
Delta was used to assess the practical signi�icance of these reductions. The evaluation
process combined histogram and boxplot visualisations with qualitative depth image
assessments, providing a comprehensive analysis of each model’s effectiveness in depth
adaptation.
Páginas:
This section evaluates Pix2Pix and CycleGAN in re�ining simulated depth images by
analyzing error reduction and visual realism. Error distributions are quanti�ied using
histograms, boxplots, and statistical tests, including the Wilcoxon signed-rank test and
Cliff’s Delta. Representative images—corresponding to minimum, median, and maximum
MedAE—are assessed through radar charts and depth comparisons for structural accuracy.
A �inal comparison highlights Pix2Pix’s advantage in paired supervision versus CycleGAN’s
reliance on unpaired training, determining which method better re�ines depth maps for
applications in robotics and autonomous systems.
Performance of the Pix2Pix Model
The results of this study are structured into two primary analyses: the evaluation of
error distributions across the dataset and the qualitative assessment of depth image
reconstruction. The �irst analysis examines the extent to which the generative model
reduces the discrepancies between simulated and real depth values, while the second
analysis focuses on the visual realism and structural integrity of the generated depth
images. To quantify the performance of the Pix2Pix model, we employ the Median Absolute
Error (MedAE) as the primary metric, which provides a robust measure of error by
computing the median of the absolute differences between the predicted and real depth
values. MedAE is particularly useful in this context as it mitigates the in�luence of outliers,
ensuring a more stable evaluation of the generative model’s performance.
The boxplots of error distributions, presented in Figure 3d, illustrate the variations
in absolute error across the three selected images corresponding to the minimum, median,
and maximum MedAE cases. A signi�icant reduction in error magnitude is evident when
comparing the Real-Gen errors with the Sim-Real errors, indicating that the Pix2Pix model
effectively re�ines depth information and brings the generated outputs closer to real-world
depth representations.
Across the analysed dataset, the Real-Gen errors remain consistently lower than the
Sim-Real errors, con�irming that the generative model signi�icantly reduces the gap
between the original simulated depth maps and the corresponding real depth images. The
reduction in error is most pronounced in the images associated with the minimum and
median MedAE cases, where the generated depth maps closely approximate the real depth
values. In contrast, the maximum MedAE case demonstrates a less effective correction, with
larger residual errors remaining even after generation.
A statistical summary of the absolute errors further supports these observations. In
the case of the minimum MedAE image, the Real-Gen error exhibits a median of 0.0392
meters, whereas the corresponding Sim-Real error has a median of 1.7255 meters. The
reduction is also evident in the median MedAE image, where the Real-Gen median error is
0.4314 meters, compared to 1.0588 meters for Sim-Real. In the case of the maximum MedAE
image, while the Pix2Pix model still reduces the error, the Real-Gen median error is 4.9804
meters, which remains substantially high. The interquartile range for the Real-Gen errors in
this case is notably larger, indicating a greater degree of variance and con�irming that the
generative model exhibits reduced effectiveness in highly complex scenes.
For the minimum MedAE case, the generated depth pro�iles closely match real data,
effectively correcting distortions, especially in smooth surfaces and well-de�ined
boundaries, making Pix2Pix effective in structured scenes. In the median MedAE case, while
depth estimates remain realistic, discrepancies appear at occlusion boundaries and
Páginas:
high-gradient regions, where the model struggles with depth ambiguities. In the maximum
MedAE case, deviations become pronounced, with over-smoothing in high-gradient
transitions, leading to a loss of �ine geometric details and highlighting the model’s
limitations in handling complex structural changes.
The qualitative assessment of generated depth images provides further insights into
the strengths and weaknesses of the Pix2Pix model. Figure 3e, �igure 3f and �igure 3g
present the simulated, generated, and real depth images corresponding to the minimum,
median, and maximum MedAE cases, respectively.
For the minimum MedAE case, the generated depth pro�iles closely match real data,
effectively correcting systematic distortions in smooth surfaces and well-de�ined object
boundaries, suggesting Pix2Pix performs well in structured scenes. In the median MedAE
case, while the generated depth pro�iles align with real data, discrepancies emerge at
occlusion boundaries and high-gradient regions, with errors increasing near depth
discontinuities, indicating challenges in resolving occlusions and textured surfaces. In the
maximum MedAE case, deviations become more pronounced, with noticeable distortions
and over-smoothing in high-gradient transitions, suggesting over-regularization that leads
to a loss of �ine geometric details, particularly in areas with depth discontinuities.
¡¡¡
£ ¤
This highlights a fundamental limitation of the Pix2Pix model in handling highly
complex depth variations, where the generative approach fails to fully reconstruct the �ine
geometric features of the scene.
Performance of the CycleGAN Model
The assessment of the CycleGAN model's performance is structured around two key
analyses: the evaluation of error distributions across the dataset and the qualitative
examination of generated depth images. The �irst analysis aims to quantify the extent to
which the CycleGAN model reduces discrepancies between simulated and real depth values.
The second analysis focuses on the visual realism and structural consistency of the
Páginas:
¡
Performance of the CycleGAN Model
The assessment of the CycleGAN model's performance is structured around two key
analyses: the evaluation of error distributions across the dataset and the qualitative
examination of generated depth images. The �irst analysis aims to quantify the extent to
which the CycleGAN model reduces discrepancies between simulated and real depth values.
The second analysis focuses on the visual realism and structural consistency of the
generated depth maps, providing insights into the model’s ability to replicate real-world
depth distributions.
The statistical evaluation of the model’s error distributions is illustrated in �igure 4
(d), where the boxplots of absolute errors corresponding to the minimum, median, and
maximum MedAE cases are presented. The analysis reveals that CycleGAN effectively
reduces error magnitudes, as indicated by the signi�icant decrease in Real-Gen errors when
compared to Sim-Real errors. This suggests that the model successfully re�ines the depth
distributions, aligning the generated outputs more closely with real-world depth
representations.
Despite the improvement in depth estimation, CycleGAN demonstrates varying
levels of effectiveness across different cases. For the image associated with the minimum
MedAE, the Real-Gen median error is 0.0392 meters, contrasting with a Sim-Real median
error of 0.5490 meters. This reduction con�irms that the model achieves a meaningful
re�inement in relatively simple scenarios. In the median MedAE case, the Real-Gen median
error is 0.7843 meters, while the corresponding Sim-Real median error is 0.6275 meters.
Unlike the Pix2Pix model, where a clear reduction in error is evident, CycleGAN does not
consistently outperform the simulated depth maps in all cases. In the maximum MedAE
case, the Real-Gen median error reaches 5.0196 meters, showing that while the model does
reduce error to some extent, it struggles signi�icantly in complex scenarios, often failing to
produce substantial re�inements in regions with intricate depth structures.
generated depth maps, providing insights into the model’s ability to replicate real-world
depth distributions.
Páginas:
The statistical summary of absolute errors con�irms that while CycleGAN can reduce
discrepancies between simulated and real depth distributions, it does not consistently
outperform the direct simulated-to-real comparison. Notably, the interquartile ranges for
Real-Gen errors in all cases remain relatively large, indicating considerable variance in
model performance. This suggests that while the generative process introduces some
corrections, the degree of re�inement is highly scene-dependent, particularly in regions
characterized by complex geometries and occlusions.
The radar charts presented in Figure 4a, Figure 4b, and Figure 4c provide an
in-depth comparative analysis of depth pro�iles extracted from the simulated, generated,
and real images. The results indicate that for cases with lower MedAE, the generated depth
maps exhibit a general alignment with real depth data, particularly in regions with gradual
depth transitions. However, in cases with higher MedAE, the generated depth maps deviate
signi�icantly from the real data, revealing the limitations of CycleGAN in handling abrupt
depth discontinuities.
For the minimum MedAE case, the generated depth pro�iles closely resemble real
depth, correcting distortions and accurately reconstructing smooth depth variations,
making CycleGAN effective in simple scenes. In the median MedAE case, artifacts appear at
occlusion boundaries and high-gradient transitions, as the model struggles with sharp
depth variations, leading to localized distortions. In the maximum MedAE case, deviations
are signi�icant, with over-smoothing in complex geometries, loss of �ine details, and
dif�iculty preserving intricate depth transitions. These �indings highlight a key limitation of
CycleGAN in its ability to generalize across highly complex scenes, where real-world depth
distributions exhibit signi�icant variance.
The qualitative assessment of the generated depth images provides additional
insights into the strengths and weaknesses of CycleGAN.
Figure 4e, Figure 4f, and Figure 4g present the simulated, generated, and real depth
images for the minimum, median, and maximum MedAE cases, respectively. A critical
observation from these results is that while the model does produce depth maps that are
statistically closer to real data, the visual quality of the generated images is noticeably
inferior compared to Pix2Pix.
For the minimum MedAE case, the generated depth image shows structural
consistency with the real depth map but appears blurred, re�ining edges while losing �ine
details. In the median MedAE case, artifacts become more prominent, especially in occluded
areas and high-gradient transitions, as CycleGAN struggles with noise characterization and
fails to preserve �iner geometric structures. In the maximum MedAE case, discrepancies are
most pronounced, with over-smoothing eliminating sharp depth transitions and failing to
reconstruct high-frequency variations, highlighting CycleGAN’s dif�iculty in replicating
complex depth distributions.This qualitative analysis reveals that CycleGAN, while effective
in reducing numerical errors, struggles to produce visually convincing depth
reconstructions. Unlike Pix2Pix, which maintains structural coherence in most cases,
CycleGAN introduces distortions that make the generated depth maps appear unrealistic.
The model appears to prioritize statistical alignment over perceptual accuracy, leading to
results that, while numerically valid, fail to capture the true characteristics of real-world
depth distributions.
Páginas:
Comparative Performance of Pix2Pix and CycleGAN
The comparative analysis between Pix2Pix and CycleGAN provides insight into the
relative strengths and limitations of each model. The error histograms shown in Figure 5a
and Figure 5b illustrate the normalized distributions of Real-Gen errors for both models.
Pix2Pix demonstrates a higher frequency of lower error values, suggesting that its
generated depth images are generally more accurate when compared to real depth data.
CycleGAN, on the other hand, exhibits a broader error distribution, with a noticeable shift
toward higher error magnitudes, indicating that its generated depth images retain greater
discrepancies from real-world measurements.
¡ ¡
¡ £
¡¡
The statistical analysis presented in Table 1 further con�irms these observations. The
median Real-Gen error for Pix2Pix is 0.7143 meters, whereas CycleGAN has a higher median
Real-Gen error of 1.0509 meters. Similarly, while the Sim-Gen errors are comparable for
both models, the Sim-Real error for Pix2Pix is signi�icantly larger than that of CycleGAN.
This suggests that CycleGAN operates within a more constrained transformation space,
achieving only marginal improvements over the original simulated depth maps. In contrast,
Pix2Pix applies more substantial corrections, leading to a stronger reduction in the
Sim-Real gap.
Model
Median
Error (Real-
Gen) [m]
Median
Error (Sim-
Gen) [m]
Median
Error (Sim-
Real) [m]
Wilcoxon p-
value
Cliff's
Delta
Pix2Pix
0.7143
0.8945
1.1744
4.0893e-189
0.5172
CycleGAN
1.0509
1.0562
1.0706
0.00914
-0.0116
Páginas:
The statistical signi�icance of these differences is supported by the Wilcoxon
signed-rank test, which evaluates whether the observed reduction in error is consistent
across the dataset. Pix2Pix achieves an exceptionally low p-value (4.0893e-189), providing
very strong evidence that the reduction in Real-Gen error is statistically signi�icant. The
effect size, measured using Cliff’s Delta, is 0.5172, indicating a large practical effect and
con�irming that the improvement is not only statistically signi�icant but also meaningful in
real-world applications. In contrast, CycleGAN’s p-value is 0.00914, which, while still
statistically signi�icant, suggests a weaker improvement. The corresponding effect size of
-0.0116 is classi�ied as negligible, further reinforcing the conclusion that CycleGAN does not
meaningfully reduce the Sim-Real error.
Table 2 highlights the practical implications of these differences. Pix2Pix achieves an
average Real-Gen error reduction of 0.46 meters, demonstrating a strong improvement in
depth accuracy. CycleGAN, by contrast, achieves a signi�icantly lower improvement of only
0.20 meters. The practical impact of these �indings is clear: Pix2Pix is far more effective at
re�ining simulated depth maps and reducing the Sim-Real gap, while CycleGAN’s
improvements are relatively minor and statistically weak.
These �indings are consistent with prior research in domain adaptation and
sim-to-real transfer for robotic perception. For instance, Sadeghi and Levine (2017)
demonstrated the effectiveness of domain randomisation for UAV control, although their
approach lacked �ine structural preservation compared to adversarial learning models.
James et al. (2019) employed GAN-based adaptation for robotic grasping and reported
statistically signi�icant performance gains when using paired supervision. More recently,
Westerski and Fong (2023) surveyed state-of-the-art synthetic data generation techniques
and emphasised that methods which preserve semantic and spatial structure, such as those
based on photorealistic simulation or structured domain adaptation, tend to outperform
approaches relying solely on randomisation. The results of the present study reinforce this
trend, showing that Pix2Pix, which leverages paired data, offers superior performance in
re�ining depth images. This supports the idea that supervised adaptation strategies provide
measurable advantages when high-�idelity domain alignment is required for UAV
navigation.
Comparison
Pix2Pix
CycleGAN
Mean Real-Gen Error
Reduction
0.46m 0.20m
Wilcoxon p-value
4.0893e-189 (very strong
evidence)
0.0091 (weak evidence)
Effect Size (Cliff’s Delta)
0.5172 (large effect)
-0.0116 (negligible effect)
Practical Improvement
Strong reduction in Sim-to-
Real gap
Very weak or negligible
improvement
Páginas:
This study evaluated the performance of Pix2Pix and CycleGAN for domain
adaptation in depth image re�inement, focusing on their ability to bridge the
simulation-to-reality gap. The results demonstrate that both models reduce depth
estimation errors, but Pix2Pix consistently outperforms CycleGAN in terms of structural
accuracy, numerical error reduction, and overall realism. The comparison between these
two approaches highlights the trade-offs between paired and unpaired domain adaptation
methods, offering insights into their applicability for real-world UAV perception and
navigation.
A crucial aspect of this study was the meticulous replication of the real-world
environment in simulation, achieved through precise 3D modelling and real-time pose
synchronisation. Objects such as the wooden cube, cylindrical obstacle, and ramp structure
were carefully reconstructed in Blender and integrated into the Gazebo simulation platform,
ensuring that the geometric features encountered in simulation closely matched those in
the real world. This alignment was further reinforced by the OptiTrack motion capture
system, which enabled real-time tracking and pose synchronisation of physical objects with
their virtual counterparts. The ability to track object positions with millimetre accuracy and
replicate their exact placement in simulation was essential for acquiring paired depth
images, forming the foundation for supervised domain adaptation with Pix2Pix. Without
this level of environmental �idelity, the domain adaptation process would lack consistency,
reducing the effectiveness of the trained models.
The error analysis con�irms that Pix2Pix achieves a stronger reduction in Sim-Real
error compared to CycleGAN. The boxplot analysis demonstrates that Real-Gen errors are
substantially lower than Sim-Real errors across all three representative cases—minimum,
median, and maximum MedAE—con�irming that Pix2Pix successfully transforms simulated
depth images into realistic depth distributions. The model exhibits its strongest
performance in structured environments, where depth variations are gradual, and
occlusion boundaries are well-de�ined. However, in highly complex scenes, Pix2Pix
struggles with �ine-scale geometric details, occasionally over-regularising depth transitions
and introducing smoothing artefacts.
CycleGAN, in contrast, presents a different set of strengths and weaknesses. While
the model achieves a measurable reduction in numerical error, its ability to produce visually
coherent depth images is signi�icantly weaker than that of Pix2Pix. The unpaired nature of
CycleGAN training, which relies on cycle consistency loss rather than direct supervision,
leads to inconsistent structural corrections. As a result, the generated depth maps often
contain artefacts and distortions, failing to achieve the �ine-grained depth re�inement
required for high-precision applications. Notably, CycleGAN’s effect size is negligible,
indicating that its improvements over the simulated depth images are minor in practical
terms.
A key �inding of this study is that Pix2Pix bene�its signi�icantly from paired
supervision, allowing it to learn direct mappings between synthetic and real depth images.
The effectiveness of this approach is re�lected in the Wilcoxon signed-rank test results,
which show overwhelmingly strong statistical signi�icance (p-value = 4.0893e-189) and a
large effect size (Cliff’s Delta = 0.5172). This con�irms that the model’s re�inement process
is not only statistically signi�icant but also practically meaningful, making Pix2Pix a highly
suitable approach for depth adaptation in UAV perception tasks.
Páginas:
CycleGAN, despite demonstrating some level of numerical improvement, exhibits
limited effectiveness in depth re�inement. The statistical analysis supports this conclusion,
as its Wilcoxon p-value (0.00914) suggests only weak statistical signi�icance, and its effect
size (-0.0116) is classi�ied as negligible. These �indings suggest that CycleGAN struggles to
meaningfully close the Sim-Real gap, reinforcing the notion that unpaired domain
adaptation alone may not be suf�icient for high-precision depth transformations.
Beyond numerical error reduction, the qualitative assessment of depth images
further underscores the advantages of Pix2Pix. The radar charts reveal that
Pix2Pix-generated depth pro�iles closely follow real data, especially in scenes with low to
moderate complexity. In contrast, CycleGAN fails to reconstruct �ine-grained structures,
often producing depth maps that exhibit unnatural distortions and spatial inconsistencies.
These observations highlight the importance of paired supervision in generative depth
re�inement, as Pix2Pix consistently generates more accurate and visually coherent depth
maps than CycleGAN.
Despite Pix2Pix’s strong performance, challenges remain. The model occasionally
struggles with high-frequency depth variations, particularly in occlusion regions where
depth discontinuities are abrupt. One promising direction is to explore hybrid approaches
that integrate the structural consistency of CycleGAN with the supervised learning
advantages of Pix2Pix, potentially yielding a more balanced and robust depth re�inement
framework.
Another avenue would be to investigate the integration of alternative re�inement
strategies with Pix2Pix to address its possible limitations in handling high-frequency depth
variations and occlusion boundaries. Techniques such as spatially-adaptive normalisation
(Park et al., 2019) and multi-scale feature alignment (Xu et al., 2021) have shown promise in
preserving �ine structural details during image-to-image translation. Godard et al., (2019)
on monocular depth estimation demonstrated that incorporating edge-aware smoothness
and temporal consistency constraints can improve depth accuracy in dynamic scenes.
Combining such architectural enhancements or post-processing methods with Pix2Pix may
further improve its ability to generalise across complex geometries. Additionally,
attention-based mechanisms (Wang et al., 2024) offer a way to prioritise high-gradient
regions and could help mitigate over-smoothing in �ine-grained depth structures.
Páginas:
This study investigated the application of Pix2Pix and CycleGAN for domain
adaptation in depth image re�inement, assessing their ability to transform simulated depth
images into realistic counterparts. The �indings con�irm that Pix2Pix signi�icantly
outperforms CycleGAN, achieving greater reductions in depth estimation error and
generating more visually coherent depth maps. The paired supervision approach used in
Pix2Pix proves highly effective, enabling the model to learn direct mappings that optimise
depth accuracy.
A major strength of this study lies in the high-�idelity replication of the real-world
environment in simulation. The use of precisely modelled objects, OptiTrack motion capture
for real-time pose synchronisation, and Gazebo-based virtual scene construction ensured
that the training and evaluation process remained as consistent as possible across real and
simulated domains. This structured experimental framework facilitated the acquisition of
paired depth images, which were crucial for Pix2Pix’s successful adaptation. The study
highlights that maintaining a high level of environmental consistency is fundamental to
achieving reliable depth re�inement through domain adaptation.
The statistical analysis con�irms the superiority of Pix2Pix, with a highly signi�icant
p-value and a large effect size, indicating that the reduction in Sim-Real error is both
statistically and practically meaningful. CycleGAN, despite offering some numerical
improvements, exhibits weak structural accuracy and negligible practical impact. The
unpaired nature of its training process limits its ability to generate depth maps that
convincingly resemble real-world data.
These �indings underscore the importance of selecting the appropriate domain
adaptation strategy based on speci�ic application requirements. In tasks where
high-precision depth estimation is crucial, Pix2Pix emerges as the preferred model,
providing substantial reductions in error and strong structural consistency. However,
CycleGAN’s ability to learn without paired data may still be useful in scenarios where
labelled datasets are unavailable, though its effectiveness remains limited.
Beyond its immediate contributions to UAV perception and navigation, this research
has broader implications for robotic vision, computer graphics, and sensor simulation. The
ability to generate realistic depth images from synthetic environments can bene�it
applications in autonomous systems, mixed reality, and robotic training simulations.
Additionally, this tool holds potential for educational applications, particularly in settings
where students and researchers lack access to real-world depth cameras. By providing a
cost-effective, simulation-based approach to depth sensing, this framework can serve as a
valuable resource for teaching and research in robotics, computer vision, and AI-driven
perception.
Future research should explore hybrid approaches that combine the structural
consistency of CycleGAN with the depth accuracy of Pix2Pix, potentially leading to a more
�lexible and robust depth re�inement framework. Additionally, investigating alternative
architectures or post-processing techniques could further enhance depth consistency and
mitigate over-smoothing in complex scenes. Expanding this study to other depth sensing
technologies and simulation environments may further improve its generalisation and
practical impact.
Páginas:
¢
Ultimately, this study con�irms that adversarial domain adaptation can signi�icantly
bridge the simulation-to-reality gap in depth perception, enabling autonomous systems to
operate more effectively in real-world environments while also offering new opportunities
for education, research, and real-time robotic applications.
Acknowledgements
The author acknowledges the support of the Secretaría de Educación Superior,
Ciencia, Tecnología e Innovación (SENESCYT) of Ecuador.
Páginas:
Bousmalis K, Silberman N, Dohan D, Erhan D, Krishnan D. Unsupervised Pixel-Level
Domain Adaptation with Generative Adversarial Networks. 2017 IEEE Conf. Comput.
Vis. Pattern Recognit., vol. 2017- Janua, IEEE; 2017, p. 95–104.
Godard C, Aodha O Mac, Firman M, Brostow G. Digging Into Self-Supervised Monocular
Depth Estimation. 2019 IEEE/CVF Int. Conf. Comput. Vis., vol. 2019- Octob, IEEE;
2019, p. 3827–37.
Goodfellow IJ, Pouget-Abadie J, Mirza M, Xu B, Warde-Farley D, Ozair S, et al. Generative
adversarial nets. Adv. Neural Inf. Process. Syst., vol. 3, Wiesbaden: Springer
Fachmedien Wiesbaden; 2014, p. 2672–80.
Isola P, Zhu J-Y, Zhou T, Efros AA. Image-to-Image Translation with Conditional Adversarial
Networks. CVPR 2017.
James S, Johns E. 3D Simulation for Robot Arm Control with Deep Q-Learning 2016.
James S, Wohlhart P, Kalakrishnan M, Kalashnikov D, Irpan A, Ibarz J, et al. Sim-To-Real via
Sim-To-Sim: Data-Ef�icient Robotic Grasping via Randomized-To-Canonical Adaptation
Networks 2019:12627–37.
Jing Chen, Tianbo Liu, Shaojie Shen. Online generation of collision-free trajectories for
quadrotor �light in unknown cluttered environments. 2016 IEEE Int. Conf. Robot.
Autom., vol. 2016- June, IEEE; 2016, p. 1476–83.
Le H, Saeedvand S, Hsu CC. A Comprehensive Review of Mobile Robot Navigation Using
Deep Reinforcement Learning Algorithms in Crowded Environments. J Intell Robot
Syst Theory Appl 2024;110:1–22.
Liu MY, Tuzel O. Coupled generative adversarial networks. Adv. Neural Inf. Process. Syst.,
vol. 29, 2016, p. 469–77.
Park T, Liu MY, Wang TC, Zhu JY. Semantic image synthesis with spatially-adaptive
normalization. Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., vol. 2019-
June, IEEE; 2019, p. 2332–41.
Quigley M, Gerkey B, Conley K, Faust J, Foote T, Leibs J, et al. ROS: an open-source Robot
Operating System 2019.
Al Radi M, AlMallahi MN, Al-Sumaiti AS, Semeraro C, Abdelkareem MA, Olabi AG. Progress in
arti�icial intelligence-based visual servoing of autonomous unmanned aerial vehicles
(UAVs). Int J Thermo�luids 2024;21:100590.
Sadeghi F, Levine S. CAD2RL: Real Single-Image Flight Without a Single Real Image. Robot.
Sci. Syst. XIII, vol. 13, Robotics: Science and Systems Foundation; 2017.
Sampedro C, Bavle H, Rodriguez-Ramos A, de la Puente P, Campoy P. Laser-Based Reactive
Navigation for Multirotor Aerial Robots using Deep Reinforcement Learning. 2018
IEEE/RSJ Int. Conf. Intell. Robot. Syst., IEEE; 2018, p. 1024–31.
Shrivastava A, P�ister T, Tuzel O, Susskind J, Wang W, Webb R. Learning From Simulated and
Unsupervised Images Through Adversarial Training 2017:2107–16.
Sikang Liu, Watterson M, Tang S, Kumar V. High speed navigation for quadrotors with
limited onboard sensing. 2016 IEEE Int. Conf. Robot. Autom., vol. 2016- June, IEEE;
2016, p. 1484–91.
Tzeng E, Devin C, Hoffman J, Finn C, Abbeel P, Levine S, et al. Adapting Deep Visuomotor
Representations with Weak Pairwise Constraints. Springer Proc. Adv. Robot., vol. 13,
Springer, Cham; 2020, p. 688–703.
Páginas:
Wang F, Zhang Q, Zhao Q, Wang M, Sun F. Unsupervised image-to-image translation with
multiscale attention generative adversarial network. Appl Intell 2024;54:6558–78.
Westerski A, Teck FW. Synthetic Data for Object Detection with Neural Networks: State of
the Art Survey of Domain Randomisation Techniques. ACM Trans Multimed Comput
Commun Appl 2023;21.
Wu K, Esfahani MA, Yuan S, Wang H. Depth-based Obstacle Avoidance through Deep
Reinforcement Learning. Proc. 5th Int. Conf. Mechatronics Robot. Eng., vol. Part F1476,
New York, NY, USA: ACM; 2019, p. 102–6.
Xu C, Zhou M, Ge T, Jiang Y, Xu W. Unsupervised Domain Adaption With Pixel-Level
Discriminator for Image-Aware Layout Generation 2023:10114–23.
Xu X, Chen Z, Yin F. Multi-Scale Spatial Attention-Guided Monocular Depth Estimation With
Semantic Enhancement. IEEE Trans Image Process 2021;30:8811–22.
Xu Y, Cao H, Xie L, Li X-L, Chen Z, Yang J. Video Unsupervised Domain Adaptation with Deep
Learning: A Comprehensive Survey. ACM Comput Surv 2024;56:36.
Zhu J-Y, Park T, Isola P, Efros AA. Unpaired Image-to-Image Translation Using
Cycle-Consistent Adversarial Networks. 2017 IEEE Int. Conf. Comput. Vis., vol. 2017-
Octob, IEEE; 2017, p. 2242–51.
Resumen:
El presente estudio aborda el efecto de los talleres de robótica educativa en las habilidades de programación y electrónica de
estudiantes de octavo y noveno grado. El objetivo del artículo es evaluar el impacto de estos talleres en la comprensión y
aplicación de conceptos de programación y electrónica, así como el interés en áreas STEAM en los primeros niveles de
secundaria. La metodología empleada incluyó la ejecución de doce talleres teórico-prácticos con el robot mBot Neo, y consideró
temas como la programación de movimientos, el uso de sensores, los juegos de luces y sonidos, la detección de colores y las
aplicaciones de inteligencia arti�icial e Internet de las cosas. Para evaluar el proyecto, se aplicaron encuestas antes y después de
los talleres, evidenciando tendencias positivas en la percepción y competencias de los estudiantes. Los resultados re�lejaron un
aumento considerable en la comprensión y aplicación de estos conceptos, además de un mayor interés en áreas STEAM.
Palabras claves: Electrónica, mBot Neo, programación, robótica educativa, STEAM.
Abstract:
This study addresses the effect of educational robotics workshops on the programming and electronics skills of eighth and
ninth-grade students. The article aims to evaluate the impact of these workshops on the understanding and application of
programming and electronics concepts, as well as interest in STEAM areas at the early secondary school levels. The methodology
included the implementation of twelve theoretical-practical workshops using the mBot Neo robot, covering topics such as movement
programming, sensor usage, light and sound games, color detection, and applications of arti�icial intelligence and Internet of Things.
To evaluate the project, surveys were administered before and after the workshops, showing positive trends in students' perceptions
and competencies. The results re�lected a considerable increase in the understanding and application of these concepts, as well as
greater interest in STEAM areas.
Keywords: Electronics, mBot Neo, programming, educational robotics, STEAM.
_
La robótica educativa se de�ine como una disciplina que emplea robots como
herramientas pedagógicas para facilitar el aprendizaje de conceptos cientí�icos y
tecnológicos, fomentando habilidades como la resolución de problemas, el pensamiento
lógico y la creatividad en los estudiantes (SMOWL, 2023).
La robótica educativa es un sistema de enseñanza interdisciplinario que expone a los
estudiantes a diversos tipos de conocimiento, preparándolos para enfrentar de manera
consciente los desarrollos tecnológicos del mundo actual. Este enfoque combina las
enseñanzas de ciencias, tecnología, ingeniería, arte y matemáticas (STEAM), y también
potencia áreas como la lingüística y la creatividad. A través de la robótica educativa, los
estudiantes aprenden jugando, programando, razonando de manera lógica y creando
interfaces o dispositivos, al mismo tiempo que se relacionan con sus compañeros y trabajan
en equipo (SER, 2024).
Actualmente, se utilizan una variedad de elementos, equipos y prototipos robóticos
para implementar la robótica educativa, que incluyen kits como LEGO Mindstorms para
construir y programar robots con sensores y actuadores, plataformas modulares como VEX
Robotics que permiten la creación de robots complejos, y kits robóticos de Makeblock,
ideales para principiantes y avanzados (El País, 2023). Además, se emplean placas de
desarrollo como Arduino y Raspberry Pi, microcontroladores compactos como Micro con
sensores integrados, y robots programables como Ozobot y Sphero, diseñados para enseñar
programación y �ísica de manera interactiva. Se utilizan también diversos sensores como los
ultrasónicos para medir distancias, actuadores como servomotores y motores DC para
control de movimiento, y herramientas de programación como Scratch y Python.
Complementan estas herramientas las impresoras 3D para crear piezas personalizadas y
plataformas de simulación como TinkerCAD y tecnologías de realidad virtual y aumentada
para desarrollar entornos de aprendizaje interactivo y simulaciones de robots.
La robótica educativa se ha consolidado como una herramienta clave en el desarrollo
de habilidades en matemáticas, ciencias y programación en los niveles educativos de
primaria y secundaria. En la región de Murcia - España, se implementó el programa Escuela
4.0, que abarca desde la educación infantil hasta la educación secundaria obligatoria. Este
programa tiene como objetivo reducir la brecha digital y preparar a los estudiantes para un
futuro tecnológico mediante la enseñanza de pensamiento computacional, programación y
robótica (Cadenaser, 2024). Este enfoque busca fomentar competencias en ciencia,
tecnología, ingeniería y matemáticas desde temprana edad, asegurando que los estudiantes
estén equipados con habilidades necesarias para enfrentar los desa�íos del siglo XXI.
En los últimos años, la robótica educativa ha ganado un papel relevante en la
enseñanza secundaria en América Latina, impulsada por la necesidad de fortalecer las
competencias STEAM. En el contexto colombiano, el Team Robotics del Pací�ico, compuesto
por jóvenes del Chocó, ha demostrado el impacto positivo de la robótica educativa,
participando con éxito en competencias internacionales, con proyectos como el Aula
Robótica Móvil. Este grupo ha llevado la robótica a comunidades rurales, impulsando el
desarrollo de habilidades tecnológicas y de resolución de problemas en contextos con
limitados recursos (El País, 2024). Estos ejemplos re�lejan cómo la robótica no solo potencia
el aprendizaje académico; sino también, genera un impacto social positivo al llevar
oportunidades educativas a comunidades menos favorecidas.
En México, en particular, la iniciativa Robots en la Escuela ha proporcionado a
Páginas:
estudiantes de primaria y secundaria acceso a herramientas robóticas que fomentan el
aprendizaje activo y colaborativo. Esta estrategia ha mostrado resultados positivos,
mejorando el rendimiento de los estudiantes en áreas relacionadas con las ciencias y la
tecnología, mientras se fortalece su creatividad y habilidades para el trabajo en equipo
(González, 2021). Este tipo de programas han permitido que más estudiantes se involucren
activamente en el aprendizaje de ciencias y tecnología, acercándolos a disciplinas que serán
cruciales en sus futuras carreras.
En Ecuador, la Fundación Openlab Ecuador se ha destacado como una organización
clave en la promoción de la robótica educativa y la cultura digital. Establecida en Quito, esta
fundación se centra en el impulso de la participación ciudadana y el conocimiento abierto, a
través de actividades que buscan fortalecer la economía del conocimiento y la creatividad.
Entre sus iniciativas, Openlab ha apoyado a comunidades de cultura libre y digital, y
colaborado con instituciones académicas, medios de comunicación, ONGs y otros actores de
la sociedad civil. Esta organización también brinda asesoramiento en la organización de
eventos virtuales y procesos de innovación abierta, con un fuerte enfoque en el desarrollo
de la robótica educativa en Ecuador (Fundación Openlab Ecuador, s.f.).
Un estudio realizado por García-Macías e Intriago (2022) se analizó la
implementación de la robótica educativa en el currículo escolar de Ecuador. Los resultados
revelaron que su integración promueve el desarrollo de habilidades STEM, fomenta la
inclusión y diversidad en el aula, mejora la motivación y el compromiso de los estudiantes,
y resalta la importancia de la formación docente en este proceso. La investigación destaca
que la robótica educativa es una herramienta e�icaz para abordar los desa�íos
contemporáneos de la educación, preparando a los estudiantes para un mundo tecnológico
y cambiante.
En la Unidad Educativa "Ambrosio Andrade Palacios" del cantón Suscal, provincia del
Cañar, se diseñó e implementó una estrategia metodológica que utiliza la robótica educativa
para optimizar el aprendizaje de la �ísica (Arévalo, 2021). Esta propuesta permitió a los
estudiantes aprender contenidos mediante la experimentación y el trabajo en equipo,
reduciendo el efecto de la ansiedad matemática. La investigación evidenció que la robótica
facilita la comprensión de conceptos �ísicos y promueve habilidades colaborativas entre los
estudiantes.
En la Unidad Educativa Misioneros Oblatos de Cuenca, Ecuador, se llevó a cabo un
programa de robótica educativa con el objetivo de fortalecer el pensamiento computacional
en estudiantes de 12 a 13 años (Villavicencio, 2020). La investigación reveló que los
estudiantes presentaban un bajo nivel en la aplicación de este tipo de pensamiento, lo que
limitaba su capacidad para resolver problemas mediante herramientas informáticas. La
implementación de la robótica permitió mejorar notablemente estas habilidades,
mostrando su impacto positivo en el desarrollo del pensamiento lógico y la resolución de
problemas.
La robótica educativa desempeña un papel crucial en el desarrollo de competencias
en programación y electrónica, según Córdoba y Ahumada (2023). Utilizar la robótica en la
educación implica diseñar y construir robots, mecanismos controlados por ordenadores
programados para realizar diversas acciones. La �inalidad de la robótica educativa es
integrar las tecnologías en los procesos de enseñanza y aprendizaje. Este enfoque es
imprescindible en el contexto cientí�ico actual, ya que la sociedad moderna se desenvuelve
en un entorno digitalizado y en constante cambio. La robótica educativa se presenta como
una opción pedagógica innovadora y útil, fortaleciendo habilidades cognitivas como el
Páginas:
Páginas:
pensamiento crítico.
Todo este conjunto de saberes ofrece una perspectiva investigativa orientada al
contexto sociocultural, con el objetivo principal de generar aprendizaje mediante procesos
investigativos de situaciones del entorno. Para ello, el estudiante utiliza diversas disciplinas
para enfrentar los desa�íos actuales, lo que requiere trabajo colaborativo, el uso de TIC en
los procesos de investigación, autonomía, liderazgo y diseño de prototipos. Se emplean
plataformas virtuales gratuitas como mblock, Robertina, Tinkercad y simuladores virtuales
para generar conocimiento cientí�ico que contribuya a la solución de problemas sociales
(Santa María et al., 2022).
Como se ha evidenciado en estos estudios, la robótica educativa es una herramienta
pedagógica e�icaz para fortalecer el aprendizaje en áreas STEAM, con un énfasis particular
en programación y electrónica. En este contexto, el presente estudio tiene como objetivo
evaluar el impacto de talleres de robótica educativa en el desarrollo de habilidades en estas
áreas. A diferencia de otros enfoques, esta propuesta integra metodologías pedagógicas
modernas con tecnologías accesibles, utilizando el robot mBot Neo para combinar
programación, electrónica e inteligencia arti�icial en un marco STEAM. Además de fortalecer
competencias técnicas, este enfoque fomenta el aprendizaje interdisciplinario y el
desarrollo de habilidades para la resolución de problemas reales, contribuyendo
signi�icativamente a la educación tecnológica.
Páginas:
Para el desarrollo de los talleres de robótica educativa, se adoptó un diseño
cuasi-experimental con un enfoque cuantitativo y de alcance explicativo. La metodología
STEAM se utilizó como base para estructurar las actividades, combinando teoría y práctica
con el robot mBot Neo de Makeblock, una herramienta educativa diseñada para la
enseñanza de programación y electrónica. Los talleres se llevaron a cabo en la Unidad
Educativa 18 de Agosto de la ciudad de Santa Elena, Ecuador, durante los meses de marzo,
abril y mayo de 2024. Se implementaron actividades de aprendizaje activo en programación
y electrónica, integrando principios del aprendizaje basado en proyectos (ABP). Para
evaluar el impacto de los talleres, se aplicó un diseño pretest-postest con encuestas antes y
después de cada sesión. Los datos obtenidos fueron analizados mediante medidas de
tendencia central y de dispersión para identi�icar cambios en el conocimiento y habilidades
de los estudiantes.
Materiales
El robot móvil mBot Neo es un robot educativo fabricado por la empresa Makeblock
(ver Figura 1), descrito para que los niños desarrollen habilidades de codi�icación,
abarcando desde niveles principiantes hasta avanzados. El robot permite la exploración al
aire libre, la interacción a través de expresiones y funciones de agarre, enriqueciendo así la
experiencia de codi�icación y construcción.
Como se observa en la Figura 1, este robot está equipado con diversas partes, como
actuadores y sensores, que les permiten ejecutar diferentes acciones, según lo programado.
Sus sensores y actuadores integrados incluyen un micrófono y altavoz, una unidad de
medición inercial con giroscopio y sensor de aceleración, un sensor de luz, botones para
operaciones de menú y una pantalla en color. Además, cuentan con un sensor ultrasónico de
distancia y un sensor de seguimiento de línea con cuatro elementos RGB. Es posible
conectar en serie hasta 10 sensores, motores, leds y otros componentes diversos.
Páginas:
Junto a esta gama de sensores y actuadores, el mBot Neo es capaz de comunicarse por Wi-Fi
mediante el módulo CyberPi, lo cual permite una gama amplia de aplicaciones en temas de
codi�icación, robótica, ciencia de datos e inteligencia arti�icial, en relación con otras
materias como las Matemáticas, Física, etc. El módulo CyberPi incorporado en el robot, es un
pequeño microordenador programable, el cual adquiere las señales de los sensores y envía
las órdenes a los actuadores del robot, mediante un algoritmo de programación basado en
bloques (Scratch) o código Python desarrollado en el entorno mBlock (Gutiérrez, 2024).
El robot mBot Neo de Makeblock se programa principalmente con dos tipos de
software. Uno de ellos es el mBlock 5, el cual es un entorno de programación grá�ica basado
en bloques diseñado para facilitar el aprendizaje de la programación y la robótica,
especialmente para principiantes (Gutiérrez, 2024). Ofrece una interfaz grá�ica intuitiva con
bloques de código visualmente arrastrables y con�igurables. Permite programar al robot
mBot Neo de manera sencilla mediante bloques prede�inidos para controlar movimientos,
sensores, luces y sonidos. Además, facilita la transición hacia la programación basada en
texto con soporte para Python. En la Figura 2, se puede visualizar algunos ejemplos de
robots educativos (incluido el mBot Neo) que pueden ser programados mediante el entono
mBlock 5.
El segundo software es una aplicación Android de Makeblock, el cual es una
herramienta móvil que permite controlar y programar robots Makeblock, directamente
desde dispositivos móviles como tabletas y teléfonos inteligentes. Ambos softwares, mBlock
5 y la aplicación Android, están diseñados para hacer accesible la programación y el control
del robot mBot Neo. Proporcionan herramientas poderosas pero fáciles de usar que
fomentan la creatividad, el aprendizaje STEAM y el desarrollo de habilidades de resolución
de problemas entre estudiantes y a�icionados a la robótica.
La metodología STEAM es un modelo de aprendizaje de las ciencias que integra
ciencias, tecnología, ingeniería, arte y matemáticas, con el objetivo de promover
aprendizajes prácticos, útiles y atractivos para los estudiantes. Este enfoque se basa en una
metodología de proyectos, donde el rol del docente va más allá de transmitir conocimiento,
Páginas:
convirtiéndose en un facilitador del aprendizaje integrado de las ciencias. El modelo se
centra en fomentar la innovación y la resolución creativa de problemas (Vallejo & Carrera,
2020). En conjunto, STEAM promueve un enfoque interdisciplinario donde estas áreas se
complementan y se integran, fomentando el aprendizaje activo, la colaboración entre
disciplinas, la resolución de problemas del mundo real y la preparación integral para
enfrentar desa�íos contemporáneos (Rodríguez, 2022).
Participantes
Los participantes fueron estudiantes de octavo y noveno grado de la Unidad
Educativa 18 de Agosto, seleccionados con base en su disponibilidad para participar en los
talleres y su interés en la robótica educativa, garantizando así una muestra con motivación
intrínseca hacia el aprendizaje de programación y electrónica. Se obtuvo el consentimiento
informado de los estudiantes y sus padres, asegurando el cumplimiento de las normativas
éticas.
El proyecto involucró un total de 301 estudiantes, distribuidos en 161 estudiantes de
octavo grado y 140 de noveno grado. La selección de estos niveles responde a la necesidad
de fortalecer competencias en programación y electrónica desde edades tempranas,
alineándose con enfoques pedagógicos que promueven el pensamiento computacional y la
resolución de problemas. Además, esta muestra representa de manera signi�icativa la
población estudiantil de la institución, permitiendo evaluar tendencias generales en el
impacto de la robótica educativa dentro de este contexto.
Esta actividad se desarrolló dentro del proyecto de vinculación “Herramientas
Tecnológicas Aplicadas a la Educación” de la Universidad Estatal Península de Santa Elena.
El equipo de instructores estuvo conformado por 16 estudiantes de la Carrera de
Electrónica y Automatización, quienes brindaron acompañamiento en las sesiones
prácticas. En la Figura 3, se muestra la interacción entre los estudiantes y sus instructores
durante la ejecución de los talleres de robótica educativa.
Páginas:
Tareas y Métodos
El objetivo del proyecto, sobre el cual se basó este artículo, fue el desarrollo de
habilidades técnicas en los estudiantes, mejorando su competencia en programación y
electrónica. Complementariamente, se esperaba un aumento signi�icativo en el interés por
las áreas de ciencia, tecnología, ingeniería, arte y matemáticas (STEAM), preparando a los
estudiantes para futuros desa�íos académicos y profesionales.
Para la ejecución del proyecto se desarrollaron 12 talleres (con su respectiva guía de
estudio) durante 3 meses, con sesiones realizadas de lunes a jueves. Los talleres se
estructuraron cuidadosamente para cubrir una amplia gama de temas relacionados con la
robótica educativa. Cada taller se diseñó para cubrir un área especí�ica, proporcionando una
formación completa y detallada. A continuación, se indican los talleres implementados:
Generación de movimientos, Adquisición y visualización de datos de los sensores,
Generación de juegos de luces y sonidos, Detección de colores, Manejo del sensor
ultrasónico, Seguimiento de trayectorias, Generación de �iguras geométricas, Detección de
luz, Comunicaciones inalámbricas, Reconocimiento de rostro, Aplicaciones con inteligencia
arti�icial, Aplicaciones con IoT (Internet de las cosas).
La metodología utilizada en los talleres se centró en una combinación de teoría y
práctica. En cada sesión, se explicó el funcionamiento de los diferentes elementos
electrónicos que componen al robot mBot Neo, como los sensores y motores. Los
estudiantes aprendieron a programar utilizando el lenguaje Scratch en el entorno mBlock 5,
una herramienta accesible y visual que facilita la comprensión de conceptos de
programación. Las actividades prácticas incluyeron la programación de diversas
aplicaciones, que permitieron a los estudiantes poner en práctica sus conocimientos y ver
resultados tangibles de sus esfuerzos. Los objetivos de aprendizaje se centraron en dos
áreas principales:
•Programación: Los estudiantes debían comprender la lógica de programación,
aprendiendo a estructurar secuencias lógicas para controlar los movimientos y
acciones del robot. Además, adquirieron habilidades en el uso del lenguaje Scratch,
permitiéndoles programar diferentes comportamientos y reacciones del mBot Neo.
El desarrollo de algoritmos básicos fue una parte integral del aprendizaje,
proporcionando a los estudiantes las herramientas necesarias para resolver
problemas especí�icos de manera e�iciente y creativa.
Páginas:
•Electrónica: En cuanto a la electrónica, los estudiantes aprendieron sobre el
funcionamiento y uso de diferentes sensores (ultrasónico, de color, de luz) y
actuadores (motores, leds, bocinas, pantalla). La interacción con hardware fue una
parte crucial del aprendizaje, enseñándoles a conectar y con�igurar diferentes
componentes electrónicos para realizar tareas especí�icas. También adquirieron
habilidades en la recogida y análisis de datos provenientes de los sensores del robot;
una competencia clave en el desarrollo de proyectos tecnológicos y cientí�icos.
Los talleres se diseñaron para reforzar conocimientos de varias asignaturas
académicas, integrando conceptos de Matemáticas, Informática, Trigonometría, Álgebra y
Física. Por ejemplo, en Matemáticas, los estudiantes trabajaron con cálculos de trayectorias
y generación de �iguras geométricas, aplicando principios algebraicos y trigonométricos. En
Informática, desarrollaron habilidades en programación y lógica computacional. La Física se
integró a través del estudio de principios de movimiento, fuerzas y el uso de sensores,
permitiendo a los estudiantes aplicar conocimientos teóricos a situaciones prácticas,
siempre complementados con el uso de los diferentes elementos electrónicos y la lógica de
programación.
La evaluación del proyecto se diseñó como un experimento prospectivo en un
entorno controlado, supervisado por los instructores. Se utilizó una encuesta estructurada
como instrumento de registro, complementada con una matriz de observación aplicada
durante los talleres, para evaluar el desempeño práctico de los estudiantes. Las encuestas
fueron diseñadas para medir competencias en programación y electrónica, antes y después
de la intervención.
El instrumento de evaluación consistió en un cuestionario de 20 preguntas,
estructurado en dos secciones: 10 preguntas sobre habilidades en programación y 10
preguntas sobre habilidades en electrónica. Las encuestas fueron revisadas y validadas por
un panel de expertos en educación, robótica y evaluación de aprendizaje de la Universidad
Estatal Península de Santa Elena; asegurando la pertinencia y claridad de los ítems. Para
evaluar la con�iabilidad del instrumento, se aplicó una prueba piloto con un grupo de 30
estudiantes de características similares a la población de estudio, calculando el coe�iciente
Alfa de Cronbach, el cual obtuvo un valor de 0.85, indicando una alta consistencia interna. A
continuación, se indican las 10 preguntas relacionadas a la evaluación de habilidades de
programación.
1. ¿Qué tanto conoces de programación?
2. ¿Cuánto conoces de programación para robots móviles?
3. ¿Qué tan familiarizado estás con el uso de tecnología para programar robots?
4. ¿Cuánto interés tienes sobre la programación en el campo de la electrónica y la
robótica educativa?
5. ¿Has utilizado conocimientos de matemáticas y �ísica en la programación de los
robots?
6. ¿Qué tanto entiendes sobre la lógica de programación?
7. ¿Has programado robots utilizando Scratch?
8. ¿Estás motivado a aprender a programar diferentes aplicaciones reales con robots
móviles?
9. ¿Crees que saber programar te vuelve más analítico y te ayuda a desarrollar
habilidades para solucionar problemas?
Páginas:
1. ¿La programación de robots es una manera fácil de incursionar en el mundo de los
sistemas informáticos?
A continuación, se muestran las 10 preguntas utilizadas en la evaluación de
habilidades de electrónica:
1. ¿Qué tan familiarizado estás con los elementos electrónicos que forman parte de un
robot móvil con ruedas?
2. ¿Eres capaz de aplicar principios de electrónica en la construcción de robots?
3. ¿Conoces el funcionamiento y el uso de motores y sensores en los robots?
4. ¿Cuál es tu capacidad para diseñar soluciones innovadoras a problemas de
ingeniería?
5. ¿Tienes habilidad en desarrollar y entender los circuitos eléctricos básicos de un
robot?
6. ¿Conoces algún tipo de sensor y cuál es su principio de funcionamiento?
7. ¿Conoces algún tipo de motor y cuál es su principio de funcionamiento?
8. ¿Conoces cómo interactúan todos los elementos electrónicos que componen el
robot?
9. ¿Conoces cómo adquirir datos desde los sensores y enviar señales de mando a los
motores?
10. ¿Crees que los sensores imponen algún tipo de condición para que el robot realice
alguna acción determinada?
Los datos recolectados fueron analizados utilizando métodos estadísticos
descriptivos e inferenciales. Por cuestiones de espacio, de las 20 preguntas utilizadas en la
encuesta, se seleccionaron 4 preguntas relacionadas con el componente de capacidades en
programación (1, 5, 6 y 10) y 4 preguntas relacionadas con el componente de capacidades
en electrónica para un análisis detallado (1, 2, 5, 8 y 9). Se calcularon medidas de tendencia
central (media, mediana) y de dispersión (desviación estándar) para comparar las
respuestas iniciales y �inales, proporcionando una medida del impacto del proyecto en el
desarrollo de competencias de los estudiantes.
Páginas:
Componente de Habilidades en el Campo de la Programación
En el componente de habilidades en el campo de la programación (ver Figura 5), al
inicio del proyecto, el 50% de los estudiantes indicó no tener ningún conocimiento sobre
programación y un 40% manifestó tener poco conocimiento, mientras que, al �inalizar los
talleres, solo un 2% indicó no tener conocimiento y un 79% reportó tener mucho
conocimiento. Además, inicialmente un 17% de los estudiantes no había utilizado
conocimientos de matemáticas y �ísica en la programación de robots y un 47% lo había
hecho en un grado bajo; pero, estos porcentajes se redujeron a un 1% y 7%
respectivamente, con un 70% de los estudiantes indicando que había utilizado estos
conocimientos en gran medida después de los talleres.
En cuanto a la comprensión de la lógica de programación, el 47% de los estudiantes
no la entendían y un 40% tenían un entendimiento bajo al inicio; pero, estos números
bajaron drásticamente, con un 67% de los estudiantes indicando un entendimiento alto al
�inalizar. Asimismo, al inicio, el 50% de los estudiantes no consideraba la programación de
robots como una manera fácil de incursionar en los sistemas informáticos; mientras que, al
�inal del proyecto, un 85% la consideraba una manera fácil de incursionar en este campo.
En la Tabla 1 se muestran los valores de media, mediana y desviación estándar para
los resultados obtenidos a partir de las 4 preguntas seleccionadas del componente de
habilidades, en el campo de la programación. Los datos de la Tabla 1 revelan tendencias
signi�icativas en la percepción de los estudiantes sobre sus habilidades a lo largo del curso.
En general, las medianas de todas las preguntas disminuyeron notablemente desde la
evaluación inicial hasta la �inal.
Páginas:
Componente de Habilidades en el Campo de la Electrónica
En el componente de habilidades en el campo de la electrónica (ver Figura 6),
inicialmente el 50% de los estudiantes no estaba familiarizado con los elementos
electrónicos de un robot móvil, reduciéndose este porcentaje a un 2% al �inalizar los
talleres, con un 70% de los estudiantes indicando estar muy familiarizados. Además, al
inicio, un 53% de los estudiantes no era capaz de aplicar principios de electrónica en la
construcción de robots, cifra que descendió al �inalizar el proyecto, con un 71% a�irmando
ser capaz de aplicar estos principios. En cuanto al conocimiento de sensores y su
funcionamiento, un 47% de los estudiantes no conocía su funcionamiento inicialmente;
pero, este porcentaje se redujo después de los talleres, con un 80% reportando conocer
mucho sobre su funcionamiento al �inal del proyecto. Por último, al inicio, el 67% de los
estudiantes no conocía el principio de funcionamiento de los motores, reduciéndose este
porcentaje al �inalizar los talleres, con un 77% indicando conocer mucho sobre su
funcionamiento.
Páginas:
En la Tabla 2 se muestran los valores de media, mediana y desviación estándar para
los resultados obtenidos a partir de las 4 preguntas seleccionadas del componente de
capacidades en el campo de la programación. La Tabla 2 muestra una tendencia similar a la
observada en programación, con una disminución general en las medianas de las respuestas
�inales, en comparación con las iniciales.
Páginas:
El análisis de los resultados obtenidos en este estudio ha permitido identi�icar
importantes tendencias en el desarrollo de las capacidades de programación y electrónica
de los estudiantes. Estos hallazgos fueron contrastados con investigaciones previas, como
las de Villavicencio (2020) y García e Intriago (2022), quienes también señalaron que la
robótica educativa contribuye al fortalecimiento del pensamiento computacional y la
mejora del aprendizaje en áreas técnicas. Sin embargo, los resultados de este estudio
aportan un enfoque novedoso al evidenciar que, a pesar de un aumento en el nivel de
conocimiento reportado por los estudiantes, la media de las respuestas iniciales y �inales se
mantuvo constante en 60.2, lo que sugiere una discrepancia entre la percepción del
conocimiento y la habilidad real adquirida. Esta discrepancia podría interpretarse como
una forma de autoevaluación más crítica por parte de los estudiantes, lo cual resalta la
importancia de enseñarles a evaluar sus propios conocimientos de manera más precisa, más
allá de la simple adquisición de habilidades técnicas (González, 2021).
El aumento en la desviación estándar en todas las áreas de estudio indica que,
mientras algunos estudiantes lograron un avance signi�icativo, otros aún tienen brechas en
la comprensión de los conceptos. De acuerdo con la experiencia de los investigadores, este
fenómeno puede ser analizado desde la perspectiva del enfoque hermenéutico-dialéctico, el
cual promueve un análisis re�lexivo de las diferencias individuales en los procesos de
aprendizaje, considerando las distintas maneras en que las personas acceden y construyen
el conocimiento. El estudio de Arévalo (2021) también observó este fenómeno en el
contexto de la enseñanza de �ísica mediante robótica, sugiriendo que los estudiantes
avanzan a ritmos diferentes, lo cual es crucial para adaptar los métodos de enseñanza en
entornos educativos diversos.
El incremento de la dispersión en las respuestas, re�lejado en el aumento de la
desviación estándar, se puede comparar con los resultados obtenidos por Villavicencio
(2020), los cuales indicaron que la robótica educativa puede generar diferencias
signi�icativas en el aprendizaje, dependiendo de los recursos y la formación previa de los
estudiantes. Este hallazgo subraya la necesidad de implementar estrategias pedagógicas
más diferenciadas, ajustadas a las particularidades de cada estudiante. Además, esto resalta
la importancia de integrar el aprendizaje colaborativo y las metodologías activas en el
proceso educativo para abordar las disparidades en los niveles de conocimiento entre los
estudiantes.
Una de las contribuciones clave de este estudio es la integración del enfoque
analítico-sintético en el análisis de las tendencias de las capacidades adquiridas. Al
comparar los resultados de las respuestas iniciales y �inales, hemos identi�icado que las
medianas disminuyeron signi�icativamente, lo que re�leja una mejora en la calidad de la
percepción de los conocimientos por parte de los estudiantes. Este tipo de análisis permite
proyectar cómo los talleres de robótica educativa no solo desarrollan habilidades técnicas;
sino también, un pensamiento crítico sobre el propio proceso de aprendizaje. De acuerdo
con estudios previos, como el de González (2021), la robótica educativa tiene el potencial de
fomentar una mayor involucración de los estudiantes en el proceso de aprendizaje,
desarrollando habilidades técnicas y capacidades de resolución de problemas, creatividad e
innovación.
En cuanto a las implicaciones pedagógicas, los resultados sugieren que la robótica
educativa puede ser una herramienta valiosa para el desarrollo de habilidades en áreas
Páginas:
STEAM, como lo demuestran las investigaciones de Villavicencio (2020) y García Macías e
Intriago (2022), quienes subrayan el impacto positivo de la robótica en la enseñanza de
disciplinas cientí�icas y tecnológicas. Sin embargo, las diferencias en los niveles de
aprendizaje observadas en este estudio también resaltan la necesidad de revisar las
metodologías y enfoques pedagógicos en el aula. La implementación de programas
educativos como “Escuela 4.0” de pensamiento computacional y robótica, que ya se está
llevando a cabo en diversas regiones (SER, 2024), podría ser clave para fomentar una
enseñanza más inclusiva y accesible que promueva la equidad en el aprendizaje de
habilidades tecnológicas.
Por otro lado, el uso del método hermenéutico-dialéctico en este estudio ha
permitido explorar las limitaciones del proceso de enseñanza-aprendizaje mediado por
tecnología. A pesar de los avances, aún existen desa�íos relacionados con la falta de recursos
tecnológicos y la capacitación docente en áreas especí�icas, lo que limita el impacto de la
robótica educativa en ciertos contextos. Esto refuerza la necesidad de investigaciones
futuras, que indaguen sobre las mejores prácticas pedagógicas y las condiciones necesarias
para maximizar los bene�icios de la robótica educativa.
Finalmente, en términos metodológicos, este estudio adoptó un enfoque
analítico-sintético para interpretar los resultados, lo que nos permitió descomponer los
datos de forma detallada y sintetizar los hallazgos clave en relación con las tendencias
actuales en educación STEAM. Este enfoque fue elegido debido a su capacidad para
proporcionar una comprensión profunda de las variaciones en el aprendizaje de los
estudiantes y sus implicaciones pedagógicas. El uso de este enfoque también permitió
integrar los resultados del análisis cuantitativo con el marco teórico sobre el aprendizaje
basado en tecnología; lo que contribuye a una re�lexión más amplia sobre el impacto de la
robótica educativa en el contexto de la educación secundaria.
Páginas:
El proyecto de talleres de robótica educativa implementado en la Unidad Educativa
18 de agosto ha demostrado ser una estrategia altamente efectiva para estimular el interés
y desarrollar competencias en programación y electrónica entre los estudiantes de octavo y
noveno grado. A través del uso del robot mBot Neo de Makeblock, los estudiantes
adquirieron conocimientos teóricos y habilidades prácticas fundamentales en un entorno
educativo STEAM, integrando conceptos de matemáticas, �ísica, informática y arte de
manera tangible y aplicada. Este enfoque multidisciplinario promovió un aprendizaje
integral, preparando a los estudiantes para enfrentar problemas reales de manera creativa
y e�iciente.
La combinación de teoría y práctica en los talleres permitió a los estudiantes no solo
comprender los principios subyacentes de la programación y la electrónica, sino también
aplicar estos conocimientos para resolver problemas prácticos. Esta metodología fortaleció
su capacidad para analizar situaciones, diseñar soluciones y llevar a cabo pruebas iterativas
para mejorar el desempeño y la funcionalidad del robot mBot Neo, lo que se alinea con las
tendencias actuales de aprendizaje activo y colaborativo, promoviendo un enfoque de
resolución de problemas basado en la tecnología.
Los resultados obtenidos a partir de las encuestas realizadas antes y después de los
talleres evidencian una mejora signi�icativa en las competencias de los estudiantes. Al inicio,
la mayoría carecía de conocimientos previos en programación y electrónica; sin embargo, al
�inalizar los talleres, una gran proporción reportó un alto nivel de comprensión y habilidad
en estas áreas. Este cambio re�lejó el éxito de los talleres en la transmisión efectiva de
conocimientos y habilidades, lo que refuerza la e�icacia de la robótica educativa como
herramienta pedagógica, tal como se ha observado en investigaciones previas (González,
2021; García Macías & Intriago, 2022).
Especí�icamente, en el ámbito de la programación, los talleres enseñaron a los
estudiantes a utilizar el lenguaje de programación grá�ico Scratch, lo que les permitió
diseñar algoritmos básicos y resolver problemas de manera lógica y estructurada. Estas
habilidades son esenciales en el contexto digital contemporáneo y proporcionan una base
sólida para estudios avanzados en informática y tecnología, contribuyendo al desarrollo de
competencias clave en la educación del siglo XXI.
Por otro lado, los estudiantes adquirieron una valiosa comprensión práctica de la
electrónica básica a través del uso del robot mBot Neo. Esta experiencia incluyó la
identi�icación, conexión y uso de componentes como sensores infrarrojos, sensores de luz,
motores y LEDs. La capacidad para comprender cómo interactúan estos componentes en
entornos robóticos es esencial para el desarrollo de soluciones tecnológicas en el futuro. La
implementación de estos conocimientos prácticos permitió a los estudiantes entender la
teoría y experimentar directamente con la optimización de sistemas electrónicos, en un
contexto robótico real.
Además de las habilidades técnicas, los talleres fomentaron el desarrollo de
competencias transversales, como el trabajo en equipo, la resolución de problemas, la
creatividad y el pensamiento crítico. Los estudiantes colaboraron en equipos para enfrentar
desa�íos y desarrollar proyectos, lo que mejoró sus habilidades de comunicación y
cooperación. Este aspecto transversal de los talleres también es relevante en el contexto
educativo actual, donde se reconoce la importancia de formar estudiantes con capacidades
de colaboración y adaptación al cambio, habilidades cada vez más valoradas en el ámbito
profesional.
Páginas:
En términos teóricos, los resultados de este proyecto apoyan la noción de que la
robótica educativa es una herramienta e�icaz para enseñar programación y electrónica a
estudiantes de secundaria. Los hallazgos indican que los estudiantes adquirieron
habilidades técnicas y desarrollaron una visión más crítica y realista de su propio
conocimiento, y habilidades. Este aspecto es crucial para su crecimiento académico y
personal, ya que fomenta una mayor autocon�ianza y capacidad de autoevaluación.
En términos prácticos, este proyecto puede servir como modelo para otras
instituciones educativas que busquen implementar programas de robótica educativa. La
metodología utilizada, que combina teoría y práctica, y el uso de herramientas accesibles
como Scratch, ofrece una fórmula que puede adaptarse y replicarse en diversos contextos
educativos. Además, la participación de estudiantes universitarios como instructores
bene�ició a los estudiantes de secundaria y proporcionó una valiosa experiencia práctica
para los futuros profesionales, en el campo de la electrónica y la automatización.
A largo plazo, los resultados de este estudio sugieren que la robótica educativa puede
tener un impacto signi�icativo en la formación de futuros profesionales en disciplinas
tecnológicas y cientí�icas. Al preparar a los estudiantes desde etapas tempranas en áreas
clave como la programación y la electrónica, se contribuye a la creación de una base sólida
para una futura fuerza laboral, altamente capacitada en un mundo digitalmente
interconectado. Además, el enfoque de aprendizaje activo y multidisciplinario promovido
por la robótica educativa tiene el potencial de preparar a los estudiantes para afrontar los
retos tecnológicos del futuro, de manera más efectiva y con una mentalidad creativa e
innovadora. Este impacto a largo plazo será fundamental no solo para la educación de los
estudiantes, sino también para el desarrollo económico y tecnológico de las regiones y
países que adopten este tipo de iniciativas educativas.
Aspectos Éticos y Con�licto de Interés
Este estudio se llevó a cabo respetando las normas éticas establecidas para
investigaciones con participación de estudiantes. Se obtuvo la aprobación de la Unidad
Educativa 18 de Agosto para la ejecución del proyecto, así como el consentimiento
informado de los participantes y sus representantes legales, garantizando la voluntariedad
de su participación. La información recopilada fue manejada de manera con�idencial y
anónima, asegurando la protección de los datos personales conforme a las normativas de
privacidad vigentes. Este trabajo no presenta con�lictos de interés por parte de los autores.
Asimismo, el estudio fue �inanciado en el marco del proyecto de vinculación "Herramientas
Tecnológicas Aplicadas a la Educación" de la Universidad Estatal Península de Santa Elena,
sin recibir �inanciamiento externo de entidades privadas o comerciales.
El segundo software es una aplicación Android de Makeblock, el cual es una
herramienta móvil que permite controlar y programar robots Makeblock, directamente
desde dispositivos móviles como tabletas y teléfonos inteligentes. Ambos softwares, mBlock
5 y la aplicación Android, están diseñados para hacer accesible la programación y el control
del robot mBot Neo. Proporcionan herramientas poderosas pero fáciles de usar que
fomentan la creatividad, el aprendizaje STEAM y el desarrollo de habilidades de resolución
de problemas entre estudiantes y a�icionados a la robótica.
La metodología STEAM es un modelo de aprendizaje de las ciencias que integra
ciencias, tecnología, ingeniería, arte y matemáticas, con el objetivo de promover
aprendizajes prácticos, útiles y atractivos para los estudiantes. Este enfoque se basa en una
metodología de proyectos, donde el rol del docente va más allá de transmitir conocimiento,
Páginas:
Bousmalis K, Silberman N, Dohan D, Erhan D, Krishnan D. Unsupervised Pixel-Level
Domain Adaptation with Generative Adversarial Networks. 2017 IEEE Conf. Comput.
Vis. Pattern Recognit., vol. 2017- Janua, IEEE; 2017, p. 95–104.
Arévalo, M. (2021). Aplicación de la robótica educativa en la enseñanza de �ísica en la
Unidad Educativa Ambrosio Andrade Palacios, cantón Suscal, provincia del Cañar.
Universidad Politécnica Salesiana.
https://dspace.ups.edu.ec/handle/123456789/21894
Cadenaser. (2024). Los centros de la Región serán los primeros de España en impartir el
programa 'Escuela 4.0' de pensamiento computacional, programación y robótica.
Recuperado de
https://cadenaser.com/murcia/2024/12/16/los-centros-de-la-region-seran-los-pri
meros-de-espana-en-impartir-el-programa-escuela-40-de-pensamiento-computacio
nal-programacion-y-robotica-radio-murcia/
Córdoba Sisa, M., & Ahumada Méndez , L. S. (2023). Programación y robótica educativa en
Colombia: una oportunidad para mejorar. Ciencia Latina Revista Cientí�ica
Multidisciplinar, 7(3), 750-770. https://doi.org/10.37811/cl_rcm.v7i3.6229
El País. (2024, diciembre 21). Pruebo los mejores kits de robótica para niños. El País.
https://elpais.com/escaparate/comparativas/2024-12-21/los-mejores-kits-de-robot
ica-para-ninos.html
El País. (2024). Cumplir las promesas: la gran exigencia del Team Robotics del Pací�ico en
Harvard y MIT. Recuperado de
https://elpais.com/america-colombia/2024-12-11/cumplir-las-promesas-la-gran-ex
igencia-del-team-robotics-del-paci�ico-en-harvard-y-mit.html
Fundación Openlab Ecuador. (s.f.). Fundación Openlab Ecuador. Recuperado de
https://es.wikipedia.org/wiki/Fundaci%C3%B3n_Openlab_Ecuador
García Macías, M., & Intriago, A. (2022). La robótica educativa como herramienta de
inclusión en el currículo escolar en Ecuador. Publicaciones UCI.
https://publicaciones.uci.cu/index.php/serie/article/view/1136
González, A. (2021). Robots en la Escuela: Un enfoque innovador para la enseñanza de
ciencias y tecnología en primaria y secundaria. Revista de Tecnología Educativa, 34(2),
45-58. https://doi.org/10.1037/rte.2021.0105
Gutiérrez, J. M. (2024). CyberPi: Guía de usuario. ROBOTIX.
Makeblock. (2024). Makeblock. Obtenido de
https://support.makeblock.com/hc/en-us/sections/1500001036301-mBot-Neo-mB
ot2
Rodríguez, H. G. (2022). Robótica educativa utilizando el mBot en estudiantes de educación
básica. Revista Iberoamericana para la Investigación y el Desarrollo Educativo.
Santa María, K. G., Povis Gamero, M. E. ., Colca Cahuana, G. J. ., & Urcia Melendez, V. M. (2022).
Metodología STEAM en el desarrollo de competencias cientí�icas en la educación
básica. Sinergias Educativas. https://doi.org/10.37954/se.vi.206
SMOWL. (2023). ¿Qué es la robótica educativa?. Recuperado de
https://smowl.net/es/blog/robotica-educativa/
SER. (2024). Los centros de la Región serán los primeros de España en impartir el programa
'Escuela 4.0' de pensamiento computacional, programación y robótica. Recuperado de
https://cadenaser.com/murcia/2024/12/16/los-centros-de-la-region-seran-los-pri
Páginas:
meros-de-espana-en-impartir-el-programa-escuela-40-de-pensamiento-computacio
nal-programacion-y-robotica-radio-murcia/
Vallejo, B., & Carrera, H. (2020). Aprendizaje basado en el modelo STEM y la clave de la
metacognición. Innoeduca. International Journal of Technology and Educational
Innovation, 6(1), 14-25. https://doi.org/10.24310/innoeduca.2020.v6i1.6719
Villavicencio, A. (2020). Fortalecimiento del pensamiento computacional a través de la
robótica educativa en la Unidad Educativa Misioneros Oblatos de Cuenca. Universidad
Técnica Particular de Loja. https://dspace.utpl.edu.ec/handle/123456789/30510
Resumen:
Este estudio analiza los factores que in�luyen en el nivel de preparación laboral de los estudiantes de la carrera de Ingeniería en
Alimentos y Biotecnología, con el propósito de identi�icar áreas de mejora en las carreras profesionales y proponer apoyos
complementarios que fortalezcan su inserción profesional. Para ello, se aplicó un enfoque metodológico mixto que incluyó un
modelo de bosques aleatorios, orientado a determinar las variables con mayor peso explicativo, y un análisis de correlación para
examinar la fuerza y dirección de las relaciones entre dichas variables y el nivel de preparación declarado por el estudiantado.
Los resultados evidencian que la edad constituye un factor relevante (r = 0.244), lo que sugiere que los estudiantes de mayor
edad tienden a poseer mayor experiencia y habilidades consolidadas. También se identi�icó la calidad de las instalaciones
educativas (r = 0.253) y el rendimiento académico (r = 0.213) como aspectos con in�luencia signi�icativa. Adicionalmente, se
detectó un alto interés por fortalecer competencias técnicas, especialmente en áreas como control de calidad y análisis de datos.
Se concluye que los estudiantes se perciben preparados y optimistas respecto a su futuro profesional, reconociendo la
importancia de la experiencia y la formación continua. En consecuencia, el diseño de estrategias institucionales que potencien
estos factores contribuirá a cerrar la brecha entre la formación universitaria y las exigencias del mercado laboral, favoreciendo
tanto a los egresados como al sector productivo.
Palabras claves: Preparación laboral, Habilidades técnicas, Experiencia práctica, Currículo académico, Inserción profesional.
Abstract:
This study examines the factors in�luencing the job readiness of students enrolled in the Food and Biotechnology Engineering
program, aiming to identify areas for improvement within academic curricula and to propose supplementary support mechanisms
that enhance professional integration. A mixed-methods approach was employed, incorporating a Random Forest model to
determine the most in�luential variables and a correlation analysis to assess the strength and direction of relationships between
these variables and the students' self-reported preparedness levels. Findings indicate that age is a signi�icant factor (r = 0.244),
suggesting that older students tend to possess greater experience and more developed skills. Additionally, the quality of educational
facilities (r = 0.253) and academic performance (r = 0.213) were identi�ied as variables with notable in�luence. A strong interest was
also observed in enhancing technical competencies, particularly in quality control standards and data analysis. The study concludes
that students perceive themselves as well-prepared and optimistic about their professional futures, recognizing the importance of
experience and continuous learning. Consequently, the development of institutional strategies that reinforce these factors is
recommended to bridge the gap between university education and labor market demands, thereby bene�iting both graduates and
employers.
Keywords: Job preparedness, Technical skills, Practical experience, Academic curriculum, Professional integration
La integración de la teoría con la práctica es un componente esencial en la educación
en ingeniería. Según Kolb (1984) y Super (1957), el aprendizaje experiencial —que abarca
prácticas, proyectos y laboratorios— es determinante para el desarrollo de habilidades
aplicadas. Sin embargo, la calidad y frecuencia de estas experiencias varía
considerablemente entre instituciones. Investigaciones como las de Tinto (1993) y de
Pascarella y Terenzini (2005), han demostrado que los estudiantes que participan en
prácticas profesionales, investigaciones aplicadas y programas de formación cooperativa
co-op están mejor preparados para ingresar al mercado laboral. Estas actividades les
permiten aplicar conocimientos en contextos reales, consolidar habilidades técnicas y
desarrollar experiencia práctica. En carreras como Ingeniería en Alimentos y Biotecnología,
la falta de acceso a infraestructura moderna y la escasa vinculación con la industria
representan obstáculos signi�icativos. Astin (1993) ya advertía que mejorar la calidad
formativa requiere inversión en equipamiento y alianzas con el sector productivo.
Estudios recientes refuerzan esta idea. Por ejemplo, la evidencia de Harpaz et al.
(2024) demuestra que la perseverancia académica academic grit, junto con el bienestar
subjetivo y la autoe�icacia, predice signi�icativamente el rendimiento académico, lo que
refuerza la necesidad de ambientes educativos que combinen exigencia con apoyo
emocional. Asimismo, investigaciones como las de Kocsis y Molnár (2025) señalan que los
factores de rendimiento académico están mediados por elementos como la motivación
intrínseca, el aprendizaje autorregulado y el compromiso académico; todos ellos moldeados
por la calidad de las experiencias prácticas y el entorno universitario. Por otro lado, la
relación entre el empleo estudiantil y el desempeño académico ha sido ampliamente
debatida. El metaanálisis de Kroupova, Havranek e Irsova (2024) concluye que el empleo de
baja intensidad no perjudica signi�icativamente los resultados educativos, pero subraya la
importancia de controlar el sesgo por endogeneidad y de considerar la calidad de las
condiciones laborales. En ese sentido, el equilibrio entre la experiencia laboral y la carga
académica debe ser cuidadosamente gestionado por las instituciones.
En el caso especí�ico de carreras como Ingeniería en Alimentos y Biotecnología, la
falta de prácticas formativas alineadas con las necesidades del sector ha sido documentada
en diversas regiones. Umar (2014), en un estudio sobre estudiantes de contabilidad en
Nigeria, destaca la importancia de las aspiraciones individuales y las oportunidades de
crecimiento profesional como factores clave para la elección de carrera. Este hallazgo es
congruente con los resultados de Odia y Ogiedu (2013), quienes enfatizan que las decisiones
vocacionales están in�luenciadas tanto por factores personales como por percepciones
sobre la estabilidad laboral y el prestigio.
A su vez, la elección de una carrera profesional responde también a contextos
culturales y económicos. Rababah (2016), en su estudio en Emiratos Árabes Unidos,
encontró que la in�luencia de familiares y pares es un factor decisivo, incluso más que la
reputación universitaria o las perspectivas salariales. Pratama (2017), en Indonesia,
respalda este enfoque al señalar que factores intrínsecos como el interés personal tienen
mayor peso en la elección de carreras en contabilidad que las recompensas extrínsecas o la
presión social.
Complementariamente, Samsuri, Ari�in y Hussin (2016), identi�ican que los
estudiantes valoran la estabilidad laboral, las oportunidades de crecimiento y la motivación
intrínseca como elementos centrales al evaluar su proyección profesional, pero detectan
Páginas:
una brecha entre estas aspiraciones y las decisiones que realmente toman. Esta desconexión
entre expectativas y preparación es similar a lo que ocurre en las ingenierías, donde los
programas académicos muchas veces no están ajustados a las exigencias del mercado.
Además de las capacidades técnicas, las habilidades blandas juegan un papel crucial
en la preparación laboral. Las competencias en comunicación, liderazgo, trabajo en equipo
y resolución de con�lictos son altamente valoradas por los empleadores (Robles, 2012). Sin
embargo, estas habilidades no siempre son desarrolladas explícitamente en las mallas
curriculares. Estudios como el de Seibert, Kraimer y Liden (2001) resaltan que el capital
social y las redes profesionales son determinantes en el éxito profesional. En ese sentido,
iniciativas como pasantías, participación en ferias de empleo y mentorías contribuyen a
fortalecer el per�il de los egresados, tal como lo demuestra la revisión sistemática de Brown
et al. (2024) sobre actividad �ísica y participación estudiantil, donde se destaca que la
motivación, el contexto ambiental y las in�luencias sociales condicionan la participación en
actividades que fortalecen la preparación integral.
En cuanto a los determinantes psicosociales, Eisenberg, Golberstein y Hunt, (2009)
subrayan el impacto de la salud mental en el rendimiento académico. Esta a�irmación ha
sido reforzada por Harpaz Vaizman y Yaffe (2024), quienes encuentran que el bienestar
subjetivo y el crecimiento personal inciden directamente en la determinación académica y,
por tanto, en el éxito universitario.
Asimismo, la movilidad académica internacional ha sido asociada con un mayor
desarrollo de competencias transversales. Estudios como los de Trooboff, Vande Berg y
Rayman (2015) y Orahod, Kruze y Pearson (2015) demuestran que las experiencias de
intercambio académico contribuyen al desarrollo de habilidades interpersonales y la
empleabilidad, aunque su impacto depende de la percepción de los empleadores y del tipo
de programa cursado. Estos hallazgos son congruentes con el trabajo de Harder et al.
(2015), que muestra que los programas internacionales fortalecen la empleabilidad en
carreras técnicas y cientí�icas.
En el contexto ecuatoriano, las políticas de educación superior han evolucionado
para abordar estas brechas. La tasa neta de matriculación universitaria alcanzó un 30.1% en
2021 (INEC, 2021; Banco Mundial, 2020), re�lejando los esfuerzos por democratizar el
acceso. El Plan Nacional de Desarrollo promueve la inclusión de habilidades blandas,
formación técnica y competencias digitales, a través de mecanismos como centros de
innovación, incubadoras de empresas y programas de vinculación universidad-empresa
(Secretaría Nacional de Plani�icación y Desarrollo, 2021; Ministerio de Trabajo de Ecuador,
2021).
Por todo lo expuesto, el propósito de este estudio es analizar los factores que
in�luyen en el nivel de preparación laboral de los estudiantes de la carrera de Ingeniería en
Alimentos y Biotecnología, con el propósito de identi�icar áreas de mejora en las carreras
profesionales y proponer apoyos complementarios que fortalezcan su inserción profesional.
Páginas:
Para este estudio se aplicó una encuesta con preguntas abiertas y cerradas. Se utilizó
la escala de Likert para medir percepciones y niveles de acuerdo, permitiendo evaluar la
intensidad de las opiniones de los estudiantes sobre su preparación. Las variables
categóricas se emplean para datos cualitativos como el tipo de carrera (alimentos o
biotecnología), estado civil y sexo, ofreciendo una clasi�icación clara y estructurada de las
características demográ�icas y académicas. Las variables continuas, como la edad,
proporcionan datos numéricos precisos que permiten análisis detallados. Por otro lado, las
variables dicotómicas responden a preguntas de sí/no, como la de si el estudiante tiene
hijos, simpli�icando la clasi�icación binaria de ciertas condiciones.
Diseño del estudio
El diseño del estudio incluyó varios pasos sistemáticos. Primero, se recolectaron los
datos a través de un cuestionario administrado a estudiantes universitarios de 8vo y 9no
semestre de las carreras de alimentos y biotecnología de la Faculta de Ciencia e Ingeniería
en Alimentos y Biotecnología, de la Universidad Técnica de Ambato, Ecuador. El cuestionario
incluía preguntas sobre características personales, académicas y percepciones de los
estudiantes, así como su nivel de preparación para el campo laboral. Las respuestas fueron
compiladas en una base de datos que contenía múltiples variables, cada una representando
diferentes aspectos de la experiencia y percepción de los estudiantes.
Población y muestra
La población del estudio estuvo conformada por los estudiantes matriculados en los
últimos niveles (octavo y noveno semestre) de las carreras de Ingeniería en Alimentos e
Ingeniería en Biotecnología de una universidad ecuatoriana, con un total de 210 estudiantes
registrados en el período de levantamiento de información. Esta población fue considerada
pertinente para el estudio debido a su cercanía al egreso y, por tanto, a su inminente
inserción en el mercado laboral, lo que les otorga una perspectiva relevante sobre su nivel
de preparación profesional.
A partir de esta población, se aplicó un instrumento estructurado y
autoadministrado, obteniéndose un total de 123 encuestas válidas, lo que representa una
tasa de respuesta del 58,6%. La muestra fue no probabilística, de tipo intencional,
seleccionada por conveniencia y enfocada en estudiantes que cumplieran con el criterio de
estar cursando los dos últimos semestres de su formación. Esta estrategia se alineó con el
objetivo del estudio de identi�icar percepciones y brechas en la preparación laboral desde la
perspectiva de quienes se encuentran en la etapa �inal de su trayectoria académica.
Preprocesamiento de datos
En la etapa de preprocesamiento, se revisaron los datos en busca de valores faltantes
o inconsistentes. Las columnas con valores faltantes signi�icativos fueron eliminadas para
asegurar la integridad del análisis. Las variables numéricas que mostraban una distribución
sesgada fueron modi�icadas utilizando una transformación logarítmica, ayudando a
normalizar los datos y mejorar la precisión de los modelos de predicción. Además, las
variables categóricas fueron codi�icadas adecuadamente para ser incluidas en los análisis
estadísticos y de machine learning.
Validación de la encuesta
Para evaluar la �iabilidad interna del instrumento aplicado, se calculó el coe�iciente
alfa de Cronbach, una medida estadística ampliamente utilizada en investigación social y
educativa para veri�icar la consistencia interna de las escalas (Turmo, Bartual-Figueras y
Páginas:
Sierra-Martínez, 2024). Tras una revisión previa, se excluyeron del análisis dos variables
con valores faltantes, a �in de evitar sesgos en la estimación. El valor obtenido fue de 0.797,
lo que indica una �iabilidad adecuada y sugiere que los ítems del cuestionario miden de
forma consistente el constructor de interés.
Se calculó la matriz de correlación de los ítems estandarizados mientras que el
coe�iciente alfa de Cronbach se determinó utilizando la fórmula estándar:
donde N es el número de ítems y r es la correlación media entre los ítems.
El cálculo del alfa de Cronbach para los datos seleccionados y estandarizados dio
como resultado un valor de 0.797. Este valor se considera, generalmente, como indicativo de
una buena consistencia interna.
Un alfa de Cronbach de 0.797 sugiere que los ítems del cuestionario tienen una alta
correlación interna, lo que indica que miden de manera consistente el mismo constructo o
dimensión. En el contexto académico y de investigación, un alfa de Cronbach superior a 0.70
es, usualmente, aceptado como una indicación de �iabilidad adecuada (Turmo et al., 2024).
Consentimiento informado
Todos los participantes de este estudio proporcionaron su consentimiento
informado antes de completar el cuestionario. Los estudiantes indicaron su aceptación
explícita de participar en la investigación, con�irmando que comprendían el propósito del
estudio, los procedimientos involucrados y sus derechos como participantes. Además, el
protocolo de consentimiento informado y el cuestionario fueron aprobados por el Comité de
Ética de la Universidad Técnica de Ambato, asegurando que el estudio cumpliera con los
estándares éticos y de protección de los derechos de los participantes. Esta aprobación
garantiza que los datos fueron recolectados y manejados de acuerdo con las mejores
prácticas éticas en la investigación académica.
Análisis descriptivo
Antes de realizar los análisis avanzados, se llevó a cabo un análisis descriptivo para
obtener una comprensión general de las características de los datos. Esto incluyó
estadísticas descriptivas básicas como medias, medianas, desviaciones estándar y
distribuciones de frecuencia para las variables clave.
(1)
Páginas:
En la Tabla 1 se puede observar un resumen estadístico de las primeras 4 variables
de la base de datos analizada. La variable "Carrera" presenta una distribución bastante
simple, con un total de 123 observaciones. La media de 1.30 y una desviación estándar de
0.46 indican una ligera variabilidad en los datos. Dado que la mediana y el 1er cuartil son
ambos 1, y el 3er cuartil es 2, podemos deducir que la mayoría de los estudiantes están
concentrados en una o dos carreras especí�icas. El valor mínimo y máximo de 1 y 2
respectivamente, con�irman que hay dos opciones principales de carrera entre los
encuestados.
Modelo de Bosques Aleatorios
El modelo de bosques aleatorios se utilizó para identi�icar las variables más
in�luyentes en la predicción del nivel de preparación para el campo laboral. Los datos fueron
divididos en conjuntos de entrenamiento y prueba en una proporción de 70:30. El conjunto
de entrenamiento se utilizó para ajustar el modelo, mientras que el conjunto de prueba se
utilizó para evaluar su rendimiento.
El modelo fue entrenado para predecir la variable dependiente "Nivel de
preparación" a partir de las variables independientes disponibles en el conjunto de datos. El
rendimiento del modelo fue evaluado utilizando el conjunto de prueba, y las métricas de
evaluación incluyeron el error cuadrático medio (MSE) y el coe�iciente de determinación
R2R^2R2. Además, se calcularon las importancias de las características para identi�icar las
variables más in�luyentes.
Análisis de correlación
Para complementar el modelo de bosques aleatorios, se realizó un análisis de
correlación para explorar la fuerza y la dirección de las relaciones entre las variables y el
nivel de preparación para el campo laboral. Se calculó la matriz de correlación de Pearson
para todas las variables numéricas en el conjunto de datos, midiendo la relación lineal entre
dos variables. Las correlaciones entre la variable dependiente "Nivel de preparación" y
todas las demás variables fueron extraídas y ordenadas en función de su magnitud.
Páginas:
Carrera Semestre Sexo Edad
Conteo
123
123
123
123
Promedio
1.300
7.040
0.569
23.504
Desviación estándar
0.460
0.793
0.497
1.913
mínimo
1
6
0
20
25%
1
6
0
22
50%
1
7
1
23
75%
2
8
1
24
máximo
2
8
1
29
Páginas:
El objetivo de este análisis es investigar las relaciones entre el nivel de preparación
para el campo laboral y diversas variables utilizando la técnica de correlación. La
correlación mide la fuerza y la dirección de la relación lineal entre dos variables,
proporcionando información valiosa sobre cómo las variables pueden in�luenciarse
mutuamente.
Donde x_i y y_i son los valores individuales de las variables x y y, x y y son sus
medias respectivas.
(2)
Páginas:
En el presente estudio se han analizado diversas variables clave para comprender las
percepciones y expectativas laborales de los estudiantes universitarios. Entre las variables
analizadas se encuentran el sexo, la situación futura, el tiempo estimado para encontrar
empleo, la percepción de las empresas, la preparación para el campo laboral y la necesidad
de formación adicional.
Se observa que en la Figura 1 se encuentra una representación casi equitativa entre
hombres y mujeres, lo cual permite realizar una comparación balanceada entre géneros. En
cuanto a la situación futura, la mayoría de los estudiantes, independientemente de su
género, muestran con�ianza en su futuro y creen �irmemente que realizarán contribuciones
signi�icativas en sus respectivos campos profesionales.
Respecto al tiempo esperado para encontrar trabajo después de �inalizar los
estudios, las respuestas varían entre encontrar empleo inmediatamente, después de 3 a 6
meses, y después de un tiempo adecuado. No se observan diferencias signi�icativas entre
sexos en estas expectativas, lo que sugiere una percepción similar de las oportunidades
laborales post-graduación.
La percepción de las empresas que buscan personal en su área también varía entre
los estudiantes. Sin embargo, de manera común, se observa que las empresas buscan
candidatos con experiencia. Además, existe una buena percepción hacia las empresas, lo que
indica una actitud positiva general hacia el mercado laboral. En cuanto a la preparación para
el campo laboral, las respuestas de los estudiantes oscilan entre sentirse preparados y en
busca de oportunidades, hasta reconocer que les falta experiencia. Nuevamente, no hay
diferencias notables entre sexos en cuanto a la autoevaluación de su preparación para
ingresar al mercado laboral.
Las áreas de formación adicional más mencionadas por los estudiantes incluyen
normas de control de calidad, análisis de datos e inteligencia arti�icial. Esto re�leja un interés
por adquirir habilidades técnicas y de calidad que mejoren su empleabilidad en el mercado
actual. La necesidad de experiencia previa y formación adicional en áreas técnicas es una
constante entre los estudiantes, lo que re�leja las exigencias del mercado laboral actual.
Páginas:
En La Figura 2, por otra parte, se presenta un panorama donde los estudiantes
universitarios tienen con�ianza en su futuro y son conscientes de las demandas del mercado
laboral, valorando la experiencia y la formación continua como elementos clave para su
inserción laboral. No se observan diferencias signi�icativas entre sexos en cuanto a las
percepciones y expectativas laborales, lo que sugiere una percepción uniforme de las
condiciones y requisitos del mercado laboral entre hombres y mujeres.
Análisis de correlación
El análisis de correlación es una herramienta estadística fundamental para
identi�icar y cuanti�icar la relación entre variables en un conjunto de datos. En el contexto
educativo, entender las correlaciones entre diversas variables y el nivel de preparación para
el campo laboral puede ofrecer valiosas perspectivas sobre los factores que in�luyen en la
capacidad de los estudiantes para enfrentar el mercado laboral. En este estudio, se
exploraron las relaciones entre la variable dependiente "Nivel de preparación" y una serie
de variables independientes utilizando el coe�iciente de correlación de Pearson. Este
análisis proporciona una visión detallada de las interacciones entre las características de los
estudiantes y su nivel de preparación, destacando tanto las relaciones positivas como
negativas. (ver Tabla 2).
Variable
Correlación
Otra carrera
0.259
Metodo_estudio
0.253
Edad
0.243
Causas
_
calificaciones
- 0.215
Calidad
_
instalaciones
0.212
Nivel_ integración
0.192
Semestre
0.184
Rendimiento
_
carrera
0.183
Rendimiento_academico
0.170
Relacion_profesor_estudiante
0.170
Las variables seleccionadas corresponden a aquellas con los coe�icientes de
correlación de mayor magnitud, tanto positivos como negativos, en relación con el nivel de
preparación. Este criterio se basa en la premisa estadística de que, mientras más alta sea la
correlación (en valor absoluto), mayor será la fortaleza de la asociación entre las dos
variables. Al centrarnos en las diez correlaciones más elevadas, se prioriza la identi�icación
de los factores que podrían tener un impacto sustancial en la preparación estudiantil, ya sea
potenciando o di�icultando su desarrollo. Asimismo, al incluir valores negativos, se
contemplan las variables que guardan una relación inversa, ofreciendo una visión más
completa de los posibles aspectos que conviene reforzar o mitigar en estrategias formativas
y de orientación académica. De esta forma, el análisis se orienta a dirigir esfuerzos y
recursos educativos hacia los elementos con mayor probabilidad de incidir en el éxito de las
y los estudiantes en su futuro desempeño profesional.
El análisis de correlación complementó los hallazgos del modelo de bosques
aleatorios al proporcionar una visión detallada de las relaciones entre las variables. Las
correlaciones positivas más fuertes incluyeron la edad (0.244), el método de estudio (0.254)
y la calidad de las instalaciones (0.213). Estos resultados refuerzan la idea de que la
experiencia, los hábitos de estudio e�icaces y un entorno educativo de calidad son factores
clave que contribuyen a la preparación laboral de los estudiantes.
Por otro lado, el análisis reveló correlaciones negativas signi�icativas. La percepción
de las causas del éxito o fracaso académico mostró una correlación negativa de -0.215 con el
nivel de preparación, indicando que los estudiantes que atribuyen su rendimiento a factores
externos tienden a sentirse menos preparados. Esto puede deberse a una menor
autocon�ianza y una percepción de falta de control sobre su desempeño.
Los resultados muestran correlaciones bajas (máx. 0.259), lo que indica que ninguna
variable por sí sola explica de forma contundente la percepción de preparación laboral. Esto
se debe a la naturaleza multidimensional del constructo, in�luido por factores personales,
académicos e institucionales. La dispersión sugiere que dicha percepción se con�igura por
múltiples elementos con efectos parciales. Estos hallazgos coinciden con
Páginas:
estudios previos que abordan la preparación profesional como un fenómeno complejo y
multifactorial (Kocsis & Molnár, 2025; Harpaz et al., 2024).
Regresión
El análisis mediante el modelo de bosques aleatorios ha permitido identi�icar las
variables clave que in�luyen en el nivel de preparación para el campo laboral. Las variables
más in�luyentes incluyen la edad, el puntaje académico, las percepciones de éxito o fracaso,
la formación adicional y los motivos de elección de carrera. Estos resultados pueden ser
útiles para desarrollar estrategias que mejoren la preparación laboral de los estudiantes. A
continuación, se presenta la Tabla 3 con las importancias de las variables más in�luyentes en
el modelo.
En la Tabla 3 se presenta que la variable "Edad" emergió como la más in�luyente en
el modelo, con una importancia de 0.0703. Esto sugiere que la edad de los estudiantes es un
factor crucial en su nivel de preparación para el campo laboral. Es posible que los
estudiantes mayores tengan más experiencia y habilidades desarrolladas a lo largo de su
vida académica y profesional, lo que les brinda una ventaja en términos de preparación
laboral. Por otro lado, los estudiantes más jóvenes podrían estar en las etapas iniciales de su
desarrollo profesional, lo que puede re�lejarse en una menor preparación percibida.
El puntaje académico es la segunda variable más in�luyente, con una importancia de
0.0545. Este resultado indica que los estudiantes con mejores rendimientos académicos
tienden a sentirse más preparados para el campo laboral.
Las variables "Causas_otras" (¿A qué atribuye usted el hecho de que obtenga notas
altas en una evaluación? ) y "Formación Adicional" también mostraron una importancia
considerable, con valores de 0.0477 y 0.0387 respectivamente. La percepción de las causas
de éxito o fracaso académico y la formación adicional recibida parecen ser factores
signi�icativos en la preparación para el trabajo. La elección de carrera y los motivos detrás
de esta decisión, con una importancia de 0.0346, también juegan un papel importante en el
nivel de preparación.
Variable
Importancia
Edad
0.0703
Puntaje
0.0545
Causas_notas
0.0477
Formacion_adicional
0.0387
Motivos_eleccion
0.0346
Ambiente_universitario
0.0338
Avance_académico
0.0325
Calidad_prácticas
0.0321
Metodo_estudio
0.0307
Expectativa_inicio_trabajo
0.0295
Páginas:
Los resultados obtenidos revelan que un mayor puntaje académico se asocia con una
percepción más alta de preparación laboral. Esto es coherente con lo reportado por Kocsis y
Molnár (2025), quienes indican que el rendimiento académico, medido a través del GPA y
los créditos obtenidos (ECTS), es uno de los predictores más consistentes del éxito
profesional en estudiantes universitarios. Un alto desempeño académico re�leja no solo
dominio de contenidos, sino también habilidades de estudio, responsabilidad y
perseverancia, atributos directamente valorados en contextos laborales (Harpaz et al.,
2024).
El análisis de bosques aleatorios permitió identi�icar variables clave que inciden en
el nivel de preparación laboral: la edad, el rendimiento académico, las percepciones de éxito
o fracaso, la formación adicional y las motivaciones para elegir la carrera. Estas variables
coinciden con estudios como el de Umar (2014), quien señala que el entendimiento de las
razones detrás del rendimiento personal y la búsqueda proactiva de formación adicional
refuerzan la autocon�ianza del estudiante. Asimismo, Odia y Ogiedu (2013) agrupan estas
in�luencias en factores personales, de referencia y laborales, destacando la importancia del
autoentendimiento en la construcción de trayectorias profesionales sólidas.
También se observó que el ambiente universitario, el avance académico, la calidad de
las prácticas, el método de estudio y las expectativas de inserción laboral tienen una
importancia signi�icativa. Estos hallazgos se relacionan con lo identi�icado por Turmo Garuz
et al. (2024), quienes destacan que las pasantías curriculares y el entorno institucional
tienen efectos positivos sobre la empleabilidad, al permitir la aplicación práctica del
conocimiento y fomentar competencias sociales. Un ambiente educativo estimulante,
prácticas bien estructuradas y métodos de estudio efectivos potencian la percepción de
preparación, reforzando la conexión entre la formación recibida y las exigencias del mundo
profesional (Brown et al., 2024).
En particular, el análisis destaca que las motivaciones para elegir una carrera
in�luyen considerablemente en la preparación percibida. Los estudiantes que eligen su
carrera en función de intereses personales y vocación suelen estar más alineados con las
competencias requeridas en el campo laboral. Este resultado es coherente con los hallazgos
de Rababah (2016) y Pratama (2017), quienes evidencian que las decisiones vocacionales
bien fundamentadas contribuyen a una mayor claridad profesional y compromiso con el
desarrollo personal. Comprender estas motivaciones puede ayudar a las instituciones
educativas a ofrecer orientación más efectiva desde los primeros semestres, mejorando el
ajuste entre estudiantes, programas académicos y per�iles ocupacionales (Nguyen y Nguyen,
2024).
Los resultados del estudio con�irman que la percepción de preparación laboral es un
fenómeno complejo y multifactorial, in�luido tanto por el rendimiento académico como por
factores personales, contextuales y emocionales. El análisis mediante el modelo de bosques
aleatorios permitió identi�icar que las variables más in�luyentes en esta percepción incluyen
la edad, el puntaje académico, la experiencia de éxito o fracaso, la formación adicional, y las
motivaciones para elegir la carrera.
Un mayor puntaje académico re�leja no solo comprensión conceptual, sino también
habilidades de estudio efectivas y responsabilidad, características que son altamente
valoradas en el mercado laboral (Kocsis y Molnár, 2025). Este hallazgo está en línea con
estudios previos que vinculan el rendimiento académico con la autocon�ianza y la
Páginas:
preparación profesional (Harpaz et al., 2024; García-Peinado, 2025), especialmente cuando
los estudiantes comprenden las causas de su desempeño y buscan activamente mejorar
mediante formación adicional.
Asimismo, otras variables como el ambiente universitario, el método de estudio, el
avance en la carrera y las expectativas sobre la inserción laboral demostraron tener un peso
considerable. Turmo et al. (2024) destacan que las pasantías curriculares, el entorno
institucional y la calidad de la infraestructura tienen un efecto directo sobre la
empleabilidad, al permitir aplicar conocimientos en contextos reales y fortalecer
competencias clave.
Entre los elementos transversales identi�icados destacan las habilidades blandas o
competencias socioemocionales. Brown et al. (2024) al igual que Tomlinson y Vincent
(2025), en su revisión sistemática, subrayan la importancia del entorno, la motivación y los
factores sociales como predictores del comportamiento en estudiantes universitarios,
elementos estrechamente vinculados a su preparación profesional. Complementariamente,
la experiencia internacional también ha demostrado incidir positivamente en el desarrollo
de estas competencias. Estudios como los de Trooboff et al. (2015) y Orahod et al. (2015)
demuestran que los estudiantes que participan en intercambios académicos tienden a
fortalecer habilidades como la adaptabilidad, la comunicación intercultural y la resiliencia,
competencias valoradas por empleadores a nivel global.
Además, la construcción de redes de contacto y la vinculación con mentores del
sector productivo han sido destacadas como mecanismos relevantes para facilitar la
inserción laboral. Nguyen y Nguyen (2024) evidencian que la orientación profesional y el
acompañamiento personalizado durante la carrera in�luyen positivamente en las
oportunidades laborales, especialmente en sectores como la administración y los negocios.
Este hallazgo puede extrapolarse al campo de las ingenierías, donde el conocimiento del
mercado, el acceso a redes y la proyección profesional son determinantes para una
transición efectiva.
Otro aspecto crucial identi�icado es el papel de la experiencia laboral previa.
Kroupova et al. (2024), a través de un metaanálisis, indican que si bien el trabajo de baja
intensidad no afecta de forma signi�icativa los resultados académicos, sí contribuye al
desarrollo de habilidades prácticas que elevan la autopercepción de preparación para el
mundo laboral. Esta evidencia coincide con lo planteado por Pratama (2017), quien a�irma
que los estudiantes que participan en empleos o pasantías tienden a consolidar un per�il
profesional más robusto.
En el plano emocional, Harpaz et al. (2024) re�ieren que variables como el bienestar
subjetivo, la autoe�icacia y el crecimiento personal están estrechamente relacionadas con el
rendimiento académico y la persistencia universitaria. Por lo tanto, la existencia de servicios
de apoyo psicológico, programas de mentoría y estrategias de autocuidado no solo mejora el
desempeño, sino que potencia la empleabilidad.
La motivación, tanto intrínseca como extrínseca, también emergió como un factor
determinante. Odia y Ogiedu (2013) y Rababah (2016) coinciden en que los estudiantes que
eligen su carrera por interés personal y vocación muestran mayores niveles de compromiso
y satisfacción académica, lo que se traduce en una preparación más sólida. Esta motivación
se ve reforzada por el acompañamiento vocacional temprano y por la claridad de metas
profesionales, como proponen Nguyen y Nguyen (2024).
Páginas:
Finalmente, la calidad de los recursos institucionales, tales como bibliotecas,
laboratorios equipados y tecnología actualizada, ha sido señalada como condición
facilitadora del aprendizaje signi�icativo. En este sentido, Samsuri et al. (2016) y Harder et
al. (2015) argumentan que el acceso a infraestructuras modernas no solo mejora el
rendimiento académico, sino que también alinea la formación con los requerimientos del
sector productivo, incrementando así la competitividad de los egresados.
Páginas:
Los hallazgos de esta investigación evidencian diversos factores que inciden en la
preparación laboral de las y los estudiantes de Ingeniería en Alimentos y Biotecnología,
aportando lineamientos valiosos para perfeccionar las carreras académicas y ofrecer
apoyos complementarios. Si bien se observan bases técnicas sólidas, persisten carencias en
habilidades prácticas y blandas, cuya importancia resulta fundamental para el óptimo
desempeño en el mercado laboral.
En primer lugar, sobresale la relevancia de integrar teoría y práctica. Instituciones
que proporcionan espacios de formación en entornos reales, ya sea a través de prácticas
profesionales, proyectos de investigación o colaboraciones con la industria, facilitan el
desarrollo de competencias prácticas valiosas. Sin embargo, la desigual distribución de
estos recursos limita su acceso en ciertos contextos, pudiendo obstaculizar la experiencia
formativa de algunas y algunos estudiantes.
Además de los conocimientos técnicos, las habilidades blandas, tales como la
comunicación, el trabajo en equipo y el liderazgo, se consolidan como elementos esenciales
que, con frecuencia, no reciben la atención su�iciente en los planes de estudio. La formación
de este tipo de competencias puede abordarse mediante módulos especí�icos o actividades
extracurriculares que fomenten la interacción y la colaboración. Del mismo modo,
establecer redes profesionales y fortalecer el capital social resulta crucial, pues abre la
posibilidad de acceder a mentorías y oportunidades de empleo.
La comprensión sobre las tendencias e innovaciones en el sector alimentario y
biotecnológico también incide en la percepción de las y los estudiantes sobre sus
probabilidades de éxito. La digitalización y la disrupción tecnológica plantean exigencias
que van más allá de las competencias tradicionales, revelando una brecha entre la oferta
educativa y la demanda del mercado. Para atenuar esta discordancia, es imprescindible
ajustar el per�il de la carrera, integrando habilidades transversales que permitan a quienes
egresan adaptarse a un entorno en constante cambio. Asimismo, se subraya la importancia
del apoyo psicológico y el bienestar emocional como motores que impulsan el rendimiento
académico y la preparación profesional.
En función de lo expuesto, fortalecer la preparación laboral requiere incorporar de
manera sistemática las habilidades blandas en el currículo, ampliar las oportunidades de
experiencias prácticas y consolidar redes de colaboración con la industria. Este esfuerzo
conjunto demanda la inversión en infraestructura moderna y un diálogo continuo entre el
sector productivo y las instituciones universitarias, con el objetivo de alinear la formación
académica con las demandas cambiantes del mercado laboral.
Páginas:
Astin, A. W. (1993). What Matters in College? Four Critical Years Revisited. Jossey-Bass.
https://doi.org/10.2307/2943781
Banco Mundial. (2020). Tasa de desempleo juvenil en Ecuador. Obtenido de
https://www.google.com/url?sa=t&source=web&rct=j&opi=89978449&url=https://
datos.bancomundial.org/indicator/SL.UEM.TOTL.ZS%3Flocations%3DEC&ved=2ahU
KEwiIl�bLwqmHAxVUTjABHbsDBbcQFnoECBcQAQ&usg=AOvVaw18bVEoQZchWQy
W1FqoTifD
Brown, C.E.B., Richardson, K., Halil-Pizzirani, B. Lou Atkins, Yücel Murat & Segrave Rebecca
A. (2024).Key in�luences on university students’ physical activity: a systematic review
using the Theoretical Domains Framework and the COM-B model of human behaviour.
BMC Public Health 24, 418. https://doi.org/10.1186/s12889-023-17621-4
Eisenberg, D., Golberstein, E., & Hunt, J. (2009). Mental health and academic success in
college. The B.E. Journal of Economic Analysis & Policy, 9(1).
https://www.degruyter.com/document/doi/10.2202/1935-1682.2191/html
García-Peinado, R. (2025). Impacto del empleo de metodologías activas en el aprendizaje de
competencias creativas y colaborativas. Revista Varela, 25(70), e2025257001.
https://doi.org/10.5281/zenodo.14544910
Harder, A., Andenoro, A., Roberts, T. G., Stedman, N., Newberry III, M., Parker, S. J., &
Rodriguez, M. T. (2015). Does study abroad increase employability? NACTA Journal,
59(1), 41–48. https://www.jstor.org/stable/nactajournal.59.1.41
Harpaz, G., Vaizman, T., & Yaffe, Y. (2024). University students’ academic grit and academic
achievements predicted by subjective well-being, coping resources, and
self-cultivation characteristics. Higher Education Quarterly, 78(1), 192–211.
https://doi.org/10.1111/hequ.12455
Instituto Nacional de Estadística y Censos (INEC). (2012). Tasa neta de matriculación en
educación superior en Ecuador. Obtenido de
https://www.google.com/url?sa=t&source=web&rct=j&opi=89978449&url=https://
www.ecuadorencifras.gob.ec/documentos/web-inec/Sistema_Estadistico_Nacional/
Plani�icacion_Estadistica/Plan_Nacional_de_Desarrollo_2017_2021/OBJETIVOS/Obje
tivo-1/1.20%2520FM_Tasa_matricula_ES_Uni%2520y%2520EP-%2520Nov%25202
018.doc&ved=2ahUKEwiqnsTAwqmHAxVOSDABHRtrAesQFnoECBAQAw&usg=AOvV
aw2GnsnOzEqC2fS8p2r2N_m0
Kocsis, Á., & Molnár, G. (2025). Factors in�luencing academic performance and dropout
rates in higher education. Oxford Review of Education, 51(3), 414–432.
https://doi.org/10.1080/03054985.2024.2316616
Kolb, D. A. (1984). Experiential Learning: Experience as the Source of Learning and
Development. Prentice-Hall.
https://www.researchgate.net/publication/235701029_Experiential_Learning_Expe
rience_As_The_Source_Of_Learning_And_Development
Kroupova, K., Havranek, T., & Irsova, Z. (2024). Student employment and education: A
meta-analysis. Economics of Education Review, 100, 102539.
https://doi.org/10.1016/j.econedurev.2024.102539
Ministerio de Trabajo de Ecuador. (2021). Estudio de empleabilidad juvenil.
https://www.trabajo.gob.ec/wp-content/uploads/2024/01/8.4.-mdt-diet-084-2021
-estudio_empleabilidad_juvenil_vf-signed-signed.pdf
Páginas:
Nguyen, N. M., & Nguyen, H. T. (2024). Factors affecting career opportunities abroad for
students of the Faculty of Business Administration of the HCMC University of Food
Industry. International Journal of Multidisciplinary Research and Growth Evaluation,
5(1), 556–565.
Odia, J. O., & Ogiedu, K. O. (2013). Factors affecting the study of accounting in Nigerian
universities. Journal of Educational and Social Research, 3(3), 89–98.
https://doi.org/10.5901/jesr.2013.v4n3p89
OECD. (2019). OECD Skills Strategy 2019: Skills to Shape a Better Future. OECD Publishing.
https://doi.org/10.1787/9789264313835-en
Orahod, T., Kruze, L., & Pearson, D. E. (2015). The impact of study abroad on business
students’ career goals. In Frontiers: The Forum on Education Abroad, X, 117–130.
Pascarella, E. T., & Terenzini, P. T. (2005). How College Affects Students: A Third Decade of
Research. Jossey-Bass.
https://www.researchgate.net/publication/307726804_Pascarella_T_and_Terenzin_
P_2005_How_College_Affects_Students_A_Third_decade_of_Research_2nd_ed_San_Fra
ncisco_Jossey-Bass
Pratama, A. (2017). Why do accounting students choose a career in accountancy? An
exploratory study in Bandung City, West Java, Indonesia. Review of Integrative
Business and Economics Research, 6(2), 393-407.
https://www.sibresearch.org/uploads/3/4/0/9/34097180/riber6-2_30k17-055_39
3-407.pdf
Rababah, A. (2016). Factors in�luencing the students’ choice of accounting as a major: The
case of X University in United Arab Emirates. International Business Research, 9(10),
25–32. https://doi.org/10.5539/ibr.v9n10p25
Robles, M. M. (2012). Executive perceptions of the top 10 soft skills needed in today’s
workplace. Business Communication Quarterly, 75(4), 453-465.
https://doi.org/10.1177/1080569912460400
Samsuri, A. S. B., Ari�in, T. R. B. T., & Hussin, S. B. (2016). Perception of undergraduate
accounting students towards professional accounting career. International Journal of
Academic Research in Accounting, Finance and Management Sciences, 6(3), 78–88.
https://doi.org/10.6007/IJARAFMS/v6-i3/2173
Secretaría Nacional de Plani�icación y Desarrollo. (2021). Plan de Creación de
Oportunidades 2021-2025. Obtenido de Secretaría Nacional de Plani�icación y
Desarrollo. https://www.plani�icacion.gob.ec/wp-content/uploads/2021/09/Plan-
de-Creacio%CC%81n-de-Oportunidades-2021-2025-Aprobado.pdf
Seibert, S. E., Kraimer, M. L., & Liden, R. C. (2001). A social capital theory of career success.
Academy of Management Journal, 44(2), 219-237. https://doi.org/10.2307/3069452
Super, D. E. (1957). The psychology of careers: An introduction to vocational development.
New York: Harper.
Tinto, V. (1993). Leaving College: Rethinking the Causes and Cures of Student Attrition.
Chicago: University of Chicago Press.
Tomlinson, M., & Vincent, J. (2025). Capitals, capabilities, and the conversion of
commodities: The case of neurodivergent graduates’ transitions to the labour market.
Higher Education. https://doi.org/10.1007/s10734-025-01451-x
tt
Páginas:
Trooboff, S., Vande Berg, M., & Rayman, J. (2015). Employer attitudes toward study abroad.
In Frontiers: The Interdisciplinary Journal of Study Abroad, XV, 17–34. The Forum on
Education Abroad. https://doi.org/10.36366/frontiers.v15i1.214
Turmo Garuz, J., Bartual-Figueras, M. T., & Sierra-Martínez, F. J. (2024). Curricular
internships as a factor for improving employability skills. REDU. Revista de Docencia
Universitaria, 22(1), 67–84. https://doi.org/10.4995/redu.2024.19457
Umar, I. (2014). Factors in�luencing students’ career choice in accounting: The case of Yobe
State University. Research Journal of Finance and Accounting, 5(17), 59–63
https://core.ac.uk/download/pdf/234630127.pdf
Resumen:
Este estudio tiene como objetivo establecer teóricamente el método utilizado para medir la compresión relativa de un cilindro en
un Hyundai Tucson V6 / 2700 CC, con la intención de validar su aplicabilidad en otros vehículos. El método se fundamenta en
estudios sobre amplitud de onda; así como, los campos eléctricos y magnéticos. La validación se realiza a través de un diagrama
de �lujo que integra métodos electromecánicos, de presión y mecánicos para el diagnóstico eléctrico. La norma UNE-EN
61010-2-032:1996 establece los requisitos de seguridad para equipos eléctricos de medición, control y uso en laboratorio,
siendo aplicable a este estudio. Las mediciones iniciales, obtenidas con el osciloscopio, indican los consumos de corriente más
altos, los cuales se utilizan para evaluar las condiciones internas del motor. La correlación entre las mediciones de corriente y la
compresión relativa mejora la �iabilidad del diagnóstico. En este caso, se registraron 34 A de consumo para los cilindros 1, 2, 4, 5
y 6, mientras que el cilindro nº 3 mostró un consumo de 0 A. Al medir la compresión, tras desmontar un cuarto del motor, se
obtuvo una compresión de 130 PSI en los cilindros 1, 2, 4, 5 y 6; mientras que, el cilindro nº 3 presentó 0 PSI, sugiriendo
anomalías mecánicas como la ruptura de la banda de distribución, que podría afectar componentes críticos del motor.
Palabras claves: Mediciones de corriente, correlación, métodos electromecánicos, condiciones internas, control.
Abstract:
This study aims to establish theoretically the method used to measure the relative compression of a cylinder in a Hyundai Tucson V6
/ 2700 CC, with the intention of validating its applicability in other vehicles. The method is based on wave amplitude studies; as well
as, electric and magnetic �ields. The validation is performed through a �low chart that integrates electromechanical, pressure and
mechanical methods for electrical diagnosis. The UNE-EN 61010-2-032:1996 standard establishes the safety requirements for
electrical equipment for measurement, control and laboratory use, and is applicable to this study. The initial measurements,
obtained with the oscilloscope, indicate the highest current consumptions, which are used to evaluate the internal conditions of the
motor. Correlation between current measurements and relative compression improves diagnostic reliability. In this case, 34 A of
consumption was recorded for cylinders 1, 2, 4, 5 and 6, while cylinder #3 showed 0 A consumption. When measuring compression,
after disassembling a quarter of the engine, a compression of 130 PSI was obtained for cylinders 1, 2, 4, 5 and 6; while, cylinder #3
showed 0 PSI, suggesting mechanical anomalies such as timing belt breakage, which could affect critical engine components.
Keywords: Current measurements, correlation, electromechanical methods, internal conditions, control.
El propósito de este estudio es establecer, de manera teórica, el método empleado
para cuanti�icar la compresión relativa en un vehículo Hyundai Tucson V6 / 2700CC del año
2007, con el objetivo de con�irmar su aplicabilidad y permitir su uso en otros vehículos. El
parámetro de compresión relativa facilita la comparación de la presión producida en los
cilindros de un motor durante la etapa de compresión, evitando la necesidad de desmontar
componentes. Desde un enfoque teórico-práctico, este procedimiento es esencial para la
evaluación de motores, ya que permite detectar �luctuaciones anómalas entre los cilindros,
lo cual podría señalar el deterioro de los anillos de pistón, fallos en las válvulas o problemas
internos. Estas irregularidades impactan negativamente en el desempeño del motor,
incrementan el consumo de combustible y podrían causar daños más graves si no se
identi�ican a tiempo (Lomas, 2018).
Históricamente, el análisis de la compresión en los pistones de un motor se lleva a
cabo mediante ensayos directos que requieren el uso de dispositivos de compresión. Este
método implica la extracción de los inyectores o bujías para colocar un manómetro en
cualquier cilindro y registrar la presión durante el proceso de compresión. Aunque ofrece
medidas exactas de la presión absoluta en los cilindros, es un proceso invasivo que requiere
tiempo y aumenta la probabilidad de errores debido a la manipulación de los componentes
del motor (Heywood, J. B., 1988).
Por otro lado, existen enfoques alternativos que permiten medir la compresión de
manera indirecta y menos invasiva. Un ejemplo de esto es el método que evalúa la
deceleración del cigüeñal durante la fase de compresión. Este enfoque se basa en las
�luctuaciones de la rapidez angular del cigüeñal: cuando un cilindro presenta una
compresión reducida, ofrece menos resistencia, lo que se traduce en una desaceleración
menor del cigüeñal en comparación con los cilindros con compresión normal. Aunque este
método es más rápido y menos invasivo, su precisión puede ser inferior a la de los métodos
directos (Contreras et al., 2018).
Es importante destacar que, aunque las pruebas de compresión relativa son útiles
para detectar desbalances entre los cilindros, no proporcionan datos de presión absoluta.
Por lo tanto, si se detecta una irregularidad, se recomienda realizar una prueba de
compresión directa con un instrumento especí�ico para registrar mediciones y determinar
la causa del problema (Martínez & Quishpi, 2021).
El método para medir la compresión relativa de un cilindro se basa en un estudio
teórico sobre la amplitud de onda y los campos eléctrico y magnético. La operación de un
motor de combustión interna y la relevancia de la compresión en su desempeño son
cruciales para entender cómo se relacionan la producción de corriente y la presión de
compresión. Es fundamental identi�icar el punto crítico en el que una reducción en la
compresión da lugar a una variación cuanti�icable de la corriente, con el �in de con�irmar la
correlación entre ambos procesos (Paéz, 2024).
Los instrumentos que miden la corriente producida por el mecanismo de arranque a
través del ciclo de compresión brindan información vinculada con la presión en los cilindros
del motor (Kumar et al., 2019). La premisa de esta técnica radica en la relación entre la
corriente del sistema de encendido y la presión de compresión; una mayor corriente
generalmente indica una mejor compresión. Este método resulta especialmente útil en
motores donde el acceso para emplear los métodos tradicionales de medición es limitado o
cuando se busca una solución más rápida y menos invasiva (Contreras et al., 2018).
Páginas:
Este modelo fue seleccionado debido a que sufrió una ruptura de la banda de
distribución, tras lo cual se reemplazó el kit de distribución. Al encenderse el motor, se
diagnosticó pérdida de potencia y un leve cascabeleo en el motor, imperceptible debido a su
con�iguración V6. Además, al no ser un modelo actualizado, presenta problemas mecánicos
asociados al período de uso y a las condiciones operativas. Estos antecedentes lo convierten
en un caso ideal para evaluar la compresión relativa del motor, dado el di�ícil acceso a las
bujías y la necesidad de examinar su rendimiento bajo condiciones rigurosas y habituales.
En esta investigación, se examinan las técnicas y consideraciones para medir la
compresión relativa en un Hyundai Tucson V6 utilizando pinzas amperimétricas CC-650
AC-CD y un osciloscopio automotriz MICSIG de 100MHz / 4 canales. Estos equipos
proporcionarán una alternativa electrónica para diagnosticar la compresión en los cilindros
del motor de combustión interna.
La evaluación de la compresión relativa en motores de combustión interna es
esencial para determinar la condición mecánica y la e�icacia operativa del motor. Este
indicador, basado en la correlación entre la presión obtenida en el cilindro durante el ciclo
de compresión y un valor de referencia, representa un índice crucial del rendimiento del
motor (Dustmurodovna, 2024). La capacidad del motor para comprimir la mezcla de aire y
combustible se conoce como compresión relativa, y este factor es vital, ya que una
compresión adecuada asegura una combustión e�icaz, lo que resulta en un rendimiento
óptimo del motor y una mayor economía de combustible (Lomas, 2018).
Los métodos convencionales para cuanti�icar la compresión del motor implican el
uso de manómetros, dispositivos diseñados para identi�icar la presión máxima alcanzada en
el cilindro durante la fase de compresión. Este procedimiento requiere desmontar las bujías,
colocar el dispositivo apropiado, y luego encender o hacer girar el motor para documentar
la presión máxima en cada cilindro (Bocos, 2017; Contreras Urgiles et al., 2018).
El funcionamiento de una pinza amperimétrica se basa en la inducción
electromagnética, como lo establece la Ley de Faraday, que explica que una alteración en el
�lujo magnético de un conductor induce una corriente eléctrica (Sámano, 2020). La pinza
cuenta con un convertidor de voltaje o un sensor de efecto Hall, dependiendo de si la
corriente es alterna (CA) o continua (CC). El núcleo de la pinza crea un circuito magnético
alrededor del conductor, absorbiendo el campo magnético generado por el �lujo de
corriente. Este principio permite medir el consumo de energía de un motor y establecer una
correlación con la compresión relativa del motor. Además, señala que una corriente
eléctrica que �luye a través de un conductor genera un campo magnético alrededor de este
(Quelal & Peña, 2023), el cual puede ser detectado por el dispositivo sin interrumpir el �lujo
de corriente en el circuito.
El proceso de medición utilizando pinzas amperimétricas implica calcular la
corriente eléctrica que el motor de arranque consume durante el giro del motor,
concentrándose en el intervalo de �lexibilidad de los cilindros durante la compresión. Esto
facilita la identi�icación indirecta de posibles variaciones en la compresión. La relación se
basa en la Ley de Ohm (V=IR) y la Ley de la Potencia (P=VI), que detallan la correlación entre
la resistencia mecánica del motor y su demanda de electricidad. Al inicio, el motor eléctrico
debe superar la resistencia de compresión presente en cada cilindro, lo que provoca un
aumento en la corriente requerida. Si un cilindro presenta una compresión reducida, se
disminuye la resistencia interna del motor, lo que reduce la corriente necesaria para rotar el
cigüeñal (Periago & Bohigas, 2024).
Páginas:
Páginas:
Investigaciones en diagnóstico de vehículos han demostrado que los motores con
fallos en los cilindros o desgaste de los anillos de pistón presentan una disminución en la
alimentación de arranque, en comparación con los motores en óptimas condiciones. La
evaluación de esta corriente mediante pinzas amperimétricas facilita la identi�icación de
irregularidades en la compresión de forma rápida y sin afectar directamente el motor.
Estudios realizados en bancos de prueba han corroborado que existe una conexión entre la
compresión y el consumo de energía, validando este procedimiento como un instrumento
e�icaz para diagnósticos tempranos (Periago & Bohigas, 2024).
El uso de pinzas amperimétricas para evaluar la compresión en motores de
combustión interna no tiene un origen claramente documentado en la industria automotriz.
Sin embargo, el amperímetro ha sido utilizado en sectores como el eléctrico y el
mantenimiento de maquinaria para monitorear el consumo de corriente en diversos
dispositivos. Su aplicación en diagnóstico automotriz avanzado responde a la necesidad de
contar con un método no invasivo que permita estimar la compresión en los cilindros,
especialmente en vehículos con di�ícil acceso a las bujías, donde el método tradicional no es
viable, permitiendo un diagnóstico más efectivo. (Periago & Bohigas, 2024).
Este procedimiento se realiza conforme a ciertos estándares que regulan las pruebas
de compresión en motores, entre ellos, las normativas SAE J1995 y SAE J2723, que
establecen parámetros para evaluar el desempeño de motores de combustión interna y
diagnosticar posibles fallas. Sin embargo, debido a la falta de una normativa especí�ica para
la medición de compresión mediante pinzas amperimétricas, se propone el siguiente
protocolo basado en principios eléctricos y mecánicos:
• Instrumentación: Se utiliza una pinza amperimétrica de alta sensibilidad, capaz de
registrar la corriente del motor de arranque en intervalos de milisegundos.
•Preparación del vehículo: Se desconecta el sistema de inyección y encendido para
evitar el arranque del motor.
•Conexión de la pinza amperimétrica: Se coloca la pinza alrededor del cable de
alimentación del motor de arranque.
•Activación del motor de arranque: Se acciona la llave de encendido para permitir
que el motor de arranque gire el cigüeñal sin encender el motor.
•Registro de la señal: Se capturan los valores de corriente en un osciloscopio para su
posterior análisis.
•Análisis de datos: Se comparan los picos de corriente en cada ciclo de compresión
con valores de referencia para identi�icar posibles irregularidades.
En cuanto a la relación entre el método amperimétrico y el método tradicional con
manómetros, ambos tienen como objetivo medir la compresión en los cilindros. El método
convencional, a través del compresímetro, proporciona una medición directa de la presión
en cada cilindro, mientras que la pinza amperimétrica registra el consumo de corriente del
motor de arranque, lo que permite obtener una estimación indirecta de la compresión. La
principal ventaja del método amperimétrico es su rapidez y su carácter no invasivo, aunque
su precisión es menor en comparación con el compresímetro. (Cahueñas et. al. 2018) Para
mejorar la precisión de la medición amperimétrica, es fundamental calibrar los valores de
referencia según el tipo de motor y tomar en cuenta factores como la temperatura y el
estado del sistema eléctrico.
Este estudio se desarrolla mediante la teorización de amplitud de onda, así como de
los campos eléctricos y magnéticos; por lo tanto, se propone una metodología cualitativa
para entender la compresión relativa de un cilindro en un Hyundai Tucson V6 / 2700 CC,
con la intención de validar su aplicabilidad en otros vehículos. El levantamiento del corpus
se desarrolla con la Preparación del motor, Calibración de equipos y Medición de corriente.
Preparación del Motor
Revisión Preliminar: Antes de comenzar la medición, es vital llevar a cabo un
examen minucioso del motor. Esto abarca la revisión de elementos perceptibles y la
comprobación del estado global del motor. Es necesario veri�icar que el motor se encuentre
en óptimas condiciones de funcionamiento, sin fugas perceptibles o deterioros que puedan
in�luir en los efectos dados por la medición (Cisneros & Viteri, 2018).
Desconexión del Sistema de Encendido: Para garantizar la seguridad durante la
prueba, se desconecta el sistema de encendido del vehículo. Principalmente se desconecta
el socket de la bobina DIS, que es la que permite que esta se accione botando chispa para el
encendido del motor (Silva et al., 2018).
Instrumentación y Preparación para la Medición
Selección de Pinzas Amperimétricas y osciloscopio: El modelo CC-650 AC-CD de
Hantek es la pinza amperimétrica elegida, una herramienta útil en el ámbito de la medición
eléctrica y electrónica, sobresaliendo por su habilidad para evaluar CC - AC. Su diseño sólido
y exacto convierten esta pinza en una alternativa segura para usos de tratamiento y pruebas
en dispositivos electrónicos y eléctricos. Aquí están sus especi�icaciones clave:
Medición de Corriente:
•Las pinzas amperimétricas permiten medir tanto corriente continua (CC) como
corriente alterna (AC), lo que las hace útiles para la mayoría de los equipos
electrónicos y eléctricos (Fluke Corporation, 2025).
•Estas pinzas tienen un rango de medición que generalmente llega hasta los 600 A, lo
que las hace aptas para pruebas tanto en dispositivos pequeños como en sistemas
más grandes (Agilent Technologies, 2024).
•Algunas pinzas amperimétricas, como el modelo CC-650, también pueden medir
voltaje tanto en corriente alterna (AC) como en corriente continua (DC), lo que las
convierte en una herramienta versátil para medir la tensión de manera precisa en
diferentes tipos de circuitos (Fluke Corporation, 2025).
•Las pinzas amperimétricas suelen contar con pantallas LCD que permiten visualizar
las mediciones de manera clara. Algunos modelos permiten almacenar los datos para
revisarlos más tarde, lo que resulta útil para el análisis a largo plazo (Keysight
Technologies, 2024).
•El diseño compacto y ergonómico de estas pinzas permite su uso en espacios
reducidos, mientras que su construcción robusta asegura una alta durabilidad,
incluso en condiciones de trabajo exigentes (Agilent Technologies, 2024).
•En cuanto a precisión, el modelo CC-650 está diseñado para ofrecer una alta
exactitud con un error mínimo en las mediciones, y muchas pinzas incluyen
protección contra sobrecargas para garantizar la seguridad del usuario durante el
proceso de medición (Fluke Corporation, 2025).
Páginas:
El osciloscopio digital MICSIG de 100 MHz y 4 canales es una herramienta
fundamental para el diagnóstico electrónico en vehículos modernos, especialmente en
pruebas no invasivas como la medición de compresión relativa por medio de corriente de
arranque. Su capacidad para visualizar señales en tiempo real facilita el análisis de la
variación de corriente durante el ciclo de compresión, permitiendo correlacionar el
esfuerzo del motor de arranque con posibles pérdidas de compresión en los cilindros
(Gómez et al., 2021).
Entre sus características técnicas más relevantes se encuentra su ancho de banda de
100 MHz, que permite registrar frecuencias elevadas, adecuadas para captar señales
rápidas provenientes de sensores automotrices. Su diseño de 4 canales facilita la conexión
simultánea a distintos componentes, como bobinas, inyectores y sensores de admisión, lo
que en este estudio permite correlacionar la señal de corriente con el orden de encendido.
Además, la frecuencia de muestreo de hasta 1 GS/s asegura una alta resolución temporal,
útil para identi�icar diferencias mínimas en la señal de arranque entre cilindros con distinta
compresión (Dustmurodovna, 2024).
Su pantalla LCD de alta resolución mejora la interpretación visual de las ondas,
mientras que sus herramientas integradas de medición automática y captura de datos
permiten registrar, comparar y almacenar eventos críticos durante la prueba. La
disponibilidad de entradas aisladas refuerza la seguridad en la conexión directa con
sistemas eléctricos automotrices, asegurando la integridad del equipo y del operador
(Denton, 2016).
Calibración de los equipos de diagnóstico: Previo a efectuar mediciones, es
esencial establecer la calibración de elementos como la pinza amperimétrica y el
osciloscopio para garantizar la precisión de los datos recolectados. Los ajustes de estos
instrumentos se llevan a cabo para que las curvas sean visibles para su interpretación. La
demanda de amperios de un motor de arranque depende de varios factores, tales como la
clase de motor, la condición del sistema eléctrico y las circunstancias del entorno. Para un
vehículo automotor, el consumo de corriente durante el arranque suele estar en el rango de
30 a 50 A en motores a gasolina. (Moncayo, 2019). Este consumo es momentáneo y ocurre
durante el encendido del motor, generalmente en pocos segundos (Denton, 2016; Murrell et
al., 2023).
La validación del método se daría a cabo cumpliendo un diagrama de �lujo, el mismo
que considera métodos electrónicos, métodos de presión y mecánico que fueron usadas
para validar la técnica de diagnóstico electrónico.
El criterio dado por el fabricante, para las calibraciones se fundamenta en asegurar
mediciones exactas de los aspectos eléctricos en mecanismos de diagnóstico de
automóviles. Los productores de pinzas amperimétricas de�inen normas especí�icas de
calibración para asegurar mediciones exactas en diagnósticos automáticos. Estos criterios
contemplan exactitud de las mediciones, tolerancia y frecuencia de calibración
recomendada, reduciendo el error en la medición de la corriente, y una frecuencia de
calibración sugerida cada 12 meses o tras un uso intensivo. La calibración debe llevarse a
cabo en condiciones controladas del entorno para prevenir �luctuaciones en la temperatura
y la humedad. Se emplean modelos de referencia certi�icados, tales como resistencias
exactas o fuentes de corriente ajustadas, para con�irmar la linealidad del aparato y la
compensación térmica. Además, se llevan a cabo pruebas de aislamiento eléctrico y de
respuesta dinámica para asegurar mediciones rápidas de corriente y sin interrupciones
(Zumba & Peña, 2023).
Páginas:
Páginas:
Frecuentemente, las normas empleadas comprenden estándares internacionales
como los de�inidos por la IEC (Comisión Electrotécnica Internacional), que garantizan la
compatibilidad, seguridad y precisión de los dispositivos. La normativa aplicar es la Norma
Española UNE-EN 61010-2-032:1996, la cual hace referencia a los “Requisitos de seguridad
de equipos eléctricos de medida, control y uso en laboratorio. Parte 2-032: Requisitos
particulares para pinzas amperimétricas sostenidas con la mano para medidas y ensayos
eléctricos” (Asociación Española, 2019).
Los parámetros son: precisión, rango de medición, frecuencia de operación,
condiciones ambientales, aislamiento eléctrico, repuesta dinámica y deriva térmica. A
continuación, se describe de cada uno:
1. Precisión: Indica el grado de exactitud con el que el dispositivo mide una variable en
comparación con el valor verdadero o estándar. Una mayor precisión signi�ica menor
error en las mediciones.
2. Rango de medición: Es el intervalo de valores que el dispositivo puede medir
correctamente. Por ejemplo, el rango de medición de corriente de una pinza
amperimétrica podría ser de 0-600 A. Este rango puede variar según el modelo y el
tipo de medición (AC o DC).
3. Frecuencia de operación: Se re�iere a la capacidad del dispositivo para medir
señales a diferentes frecuencias. Esto es importante, especialmente cuando se mide
corriente alterna (AC), ya que las señales de corriente pueden tener frecuencias que
varían desde unos pocos hertzios hasta frecuencias más altas.
4. Condiciones ambientales: Son los factores externos que pueden in�luir en el
rendimiento del dispositivo, como la temperatura, humedad y altitud. Los
dispositivos de medición deben funcionar correctamente dentro de un rango
especí�ico de condiciones ambientales.
5. Aislamiento eléctrico: Es la capacidad del dispositivo para evitar el paso de
corriente eléctrica no deseada que pueda comprometer la seguridad del usuario o la
integridad del equipo. El aislamiento adecuado protege al usuario de posibles
descargas eléctricas.
6. Respuesta dinámica: Es la capacidad del dispositivo para seguir y medir señales
que cambian rápidamente. Un dispositivo con una buena respuesta dinámica puede
capturar correctamente eventos rápidos o transitorios en las señales.
7. Deriva térmica: Se re�iere a los cambios en la medición debido a variaciones de
temperatura. A medida que la temperatura ambiente cambia, algunos dispositivos
pueden sufrir una variación en sus mediciones, lo que se conoce como deriva
térmica. Los dispositivos de calidad suelen tener una compensación o corrección
para minimizar este efecto. (Asociación Española, 2019).
Debido al dato citado anteriormente se decide calibrar el canal 1 a 50mV que
transformado a amperios es 20 A por división, con lo que se asegura una buena
visualización de la curva.
Los detalles especí�icos de las calibraciones realizadas se presentan en la Tabla 1 a
continuación. Además, el canal 2 se calibra a 500mV/div para poder apreciar el pulso del
inyector, tomando en cuenta que el voltaje pico de los inyectores puede llegar a más de 100v.
Para una mejor comprensión de lo detallado, a continuación, se presenta un
diagrama de �lujo (Figura 1) que ilustra de manera detallada el procedimiento de
diagnóstico, abarcando posibles contingencias y sus soluciones. Este diagrama proporciona
un enfoque sistemático y bien estructurado para la evaluación de la compresión del motor,
permitiendo una identi�icación e�iciente de problemas, así como su pronta resolución. La
estructura del diagrama facilita el seguimiento paso a paso, asegurando que cada etapa del
diagnóstico se realice de forma precisa, lo que optimiza tanto la detección de fallas como las
acciones correctivas necesarias. Además, incluye protocolos claros para el manejo de
contingencias, garantizando que cualquier imprevisto se pueda abordar de manera
adecuada, minimizando el tiempo de diagnóstico y mejorando la precisión del proceso.
Equipo
Descripción
Calibración (IEC)
Pinza amperimétrica
Canal 1
1V / 10 A
Osciloscopio
Canal 2
500 mV por división
200 ms por división
Single 50 V, 200ms por división
Páginas:
Páginas:
Páginas:
Procedimiento de Medición
Instalación de Pinzas Amperimétricas: Se colocan las pinzas amperimétricas
alrededor del cable de alimentación de la bobina de encendido. Este procedimiento debe
realizarse con precisión para asegurar un buen contacto eléctrico y evitar interferencias que
puedan afectar la lectura de corriente (Dustmurodovna, 2024). La elección de la pinza
amperimétrica Hantek CC-650 AC/DC para medir la compresión relativa se debe a su
capacidad para detectar con precisión y sin contacto directo las variaciones en la corriente
de arranque del motor. Este dispositivo facilita el registro de los cambios en el consumo
eléctrico del motor de arranque, lo que permite evaluar indirectamente la compresión en
cada cilindro sin necesidad de desmontar componentes. Aunque existen otros modelos con
prestaciones similares, la Hantek CC-650 sobresale por su amplio rango de medición de
hasta 650A, su compatibilidad con osciloscopios y su capacidad para medir tanto corriente
continua como alterna con alta sensibilidad. Su selección se fundamentó en la necesidad de
obtener resultados precisos, facilidad de uso y total compatibilidad con el equipo de
diagnóstico empleado. (Dustmurodovna, 2024)
Se cumple con la norma IEC 61010, lo que garantiza la protección eléctrica durante
el uso del dispositivo, asegurando la seguridad del operador y el correcto funcionamiento
del equipo. Para optimizar la precisión de las mediciones, se realizaron seis mediciones por
punto, lo que permitió obtener valores promedio y minimizar posibles errores de lectura.
Con el �in de asegurar una medición precisa de la corriente, es esencial colocar la
pinza amperimétrica correctamente, asegurándose de que su orientación sea adecuada y
que el cierre sea �irme y completo alrededor del conductor. Este procedimiento, ilustrado en
el esquema de la �igura 2, es fundamental para registrar con exactitud la intensidad de
corriente absorbida por el motor de arranque durante la fase de compresión de los
cilindros. De esta manera, se facilita la evaluación de la compresión relativa del motor sin
necesidad de desmontar componentes, lo que simpli�ica el proceso de diagnóstico. Se
cumple con la norma IEC 61010 para asegurar la protección eléctrica durante la utilización
del dispositivo. Se llevaron a cabo seis mediciones por punto, lo que permitió adquirir
valores medios y reducir los errores.
Páginas:
Mediciones iniciales Osciloscopio:
Primera etapa, denominada de mayor consumo de corriente ya que el arranque
ayuda a dar los primeros giros del MCI rompiendo la inercia, y este requiere de un mayor
esfuerzo y corriente de consumo. Razón por la cual se toma el oscilograma del vehículo de
estudio en el cual se observa el pico más alto.
En la Figura 3, se observa que el pico más alto alcanza los 4.90V que traducido a
amperios es 49 A, ya que se escogió la escala 1V = 10 A, este es el pico más alto y el punto de
mayor esfuerzo del motor de arranque para romper el estado estático, venciendo todas las
fuerzas mecánicas que se oponen al movimiento. Luego las ondas estabilizadas muestran el
amperaje necesario para romper la oposición al movimiento en tiempo de compresión los
valores en amperios son de aproximadamente 34 A. Se observa la señal del inyector No. 01
en el canal 2;, se debe tomar en cuenta que este vehículo tiene inyección semi secuencial y
servirá como referencia para observar que el pico de la onda corresponde al cilindro 01, y
de ahí el orden de encendido.
En la Figura 4, se puede observar 3 canales, señales captadas para un diagnóstico
electrónico más efectivo en el cual el CH1 es el oscilograma generado de la compresión
relativa teniendo un pico de inducción del motor de arranque de 49 A, CH2 secundario de
bobina captado en el cilindro #1 con el objetivo de ubicarse en el oscilograma según el
orden de encendido que para el vehículo de estudio Hyundai Tucson V6 2700 CC es de
1-2-3-4-5-6 y el canal CH3 se ubica un sensor de pulsos para evaluar la descompresión.
Páginas:
Páginas:
Lecturas de Corriente CH1: Las lecturas de corriente en la compresión relativa para cada
cilindro fueron registradas como sigue:
•Cilindro 1: 34 A
•Cilindro 2: 34 A
•Cilindro 3: 0 A
•Cilindro 4: 34 A
•Cilindro 5: 34 A
•Cilindro 6: 34 A
Los valores fueron obtenidos cuando el motor alcanzó su temperatura de
funcionamiento normal de 95º C, lo que permitió que los componentes internos se dilataran
y ocuparan su espacio molecular. Estos valores fueron comparados entre los cilindros del
motor V6, y en el análisis del oscilograma, se observó que el cilindro #3 no presenta
consumo de corriente. El comportamiento del vehículo estudiado indica que el motor de
arranque no realiza esfuerzo en vencer la inercia del cilindro, lo que sugiere una falta de
compresión y, por lo tanto, un daño mecánico en el mismo. Además, el sensor de pulsos
muestra una depresión en la señal correspondiente al cilindro #3, lo que con�irma la
ausencia de compresión debido a un daño interno en este.
La falta de consumo de corriente en el cilindro #3 durante el arranque es, por tanto,
un indicio directo de la ausencia de compresión. En los motores de combustión interna, la
compresión es un factor crítico para su correcto funcionamiento (Gómez et al., 2021).
Cuando el motor de arranque no presenta esfuerzo al intentar vencer la inercia del cilindro,
se puede concluir que éste no está generando la compresión necesaria. Esta anomalía en el
arranque puede ser el resultado de fallos mecánicos, tales como: válvulas defectuosas,
anillos de pistón desgastados o grietas en las paredes del cilindro; lo que impide que el
motor de arranque opere de forma e�iciente en ese cilindro, afectando el rendimiento global
del motor.
En trabajos recientes, como el estudio de Vera et al. (2023), se concluye que el
análisis de oscilogramas de corriente durante el arranque de motores puede ser una
herramienta e�icaz para identi�icar fallas en la compresión de los cilindros. La ausencia de
consumo de corriente o el comportamiento anómalo de la corriente puede señalar un
problema mecánico en un cilindro determinado. Este estudio pone de mani�iesto que los
oscilogramas deben ser interpretados cuidadosamente, ya que no solo revelan la falta de
esfuerzo del motor de arranque, sino también pueden ofrecer pistas adicionales sobre el
tipo de fallo mecánico, como la posible rotura de componentes internos.
Martínez et al. (2022), en su análisis sobre fallos en motores V6, también concluyen
que la ausencia de compresión en un cilindro no solo se re�leja en el comportamiento del
motor de arranque; sino que, puede estar correlacionada con cambios en los pulsos
generados por los sensores de presión en cada cilindro. Estos sensores, que registran las
variaciones en la presión durante el ciclo de compresión, muestran patrones atípicos en el
cilindro con pérdida de compresión. En este caso, la depresión en el sensor de pulsos del
cilindro #3 podría ser una manifestación adicional de este problema, lo que indica que el
cilindro no está realizando correctamente su ciclo de compresión.
Páginas:
La correlación entre las mediciones de corriente del motor de arranque y las
mediciones de presión de los cilindros ha sido una herramienta diagnóstica cada vez más
relevante. Según el trabajo de Gómez et al. (2021), las tecnologías de diagnóstico basadas en
la combinación de oscilogramas y sensores de pulsos permiten a los técnicos identi�icar con
mayor precisión los puntos débiles en los motores. Este enfoque facilita el diagnóstico
temprano de fallas mecánicas y permite la intervención antes de que el daño sea
irreversible.
La Tabla 2 presenta la comparación entre la compresión recomendada por el
fabricante que es de 140 PSI y las mediciones obtenidas con el manómetro en cada cilindro
dando presión de 130 PSI, aproximadamente, producto del desgaste normal del motor y en
el cilindro no. 03 se evidencia que no hay compresión. Estos valores permiten identi�icar
posibles anomalías como fugas en las válvulas, juntas defectuosas o desgaste en los anillos
del pistón. Además, sirven como referencia para el análisis de la compresión relativa medida
con la pinza amperimétrica.
La Figura 5 muestra la medición de compresión en el cilindro 3, en la que se registra
un valor de 0 PSI. Esta imagen pretende evidenciar la ausencia de presión en dicho cilindro,
lo que indica una anomalía mecánica.
# de
cilindro
PSI / Manual
del Fabricante
PSI / Real
01
140 PSI
130 PSI
02
140 PSI
130 PSI
03
140 PSI
0 PSI
04
140 PSI
125 PSI
05
140 PSI
130 PSI
06
140 PSI
130 PSI
Páginas:
Se procede con el desmontaje del cabezote, la Figura 6 ilustra claramente el daño
observado en las válvulas de admisión y de escape. Se evidencia una luz y no un cierre
hermético.
Para obtener un diagnóstico preciso, se ha seguido un procedimiento escalonado
que incluye la medición de compresión relativa, la prueba de compresión convencional y,
�inalmente, el desmontaje del motor para evaluar el daño mecánico. Este orden de
diagnóstico es especialmente necesario en motores V6, como el Hyundai Tucson V6 2700
CC, donde el acceso a las bujías es limitado, lo que di�iculta la aplicación directa de métodos
convencionales.
En la primera etapa del diagnóstico, la medición de compresión relativa mediante la
pinza amperimétrica mostró valores de corriente que variaron entre 34 A y 0 A,
evidenciando una diferencia signi�icativa entre los cilindros. De acuerdo con el orden de
encendido (1-2-3-4-5-6), se identi�icó que el cilindro #3 no registraba consumo de
corriente, lo que sugiere una pérdida total de compresión. Este resultado indicó la
posibilidad de un daño mecánico asociado a la ruptura de la banda de distribución, que
pudo haber afectado las válvulas de admisión o escape.
Para con�irmar este hallazgo, en la segunda etapa del diagnóstico se realizó una
prueba de compresión convencional, lo que requirió el desmontaje parcial del motor. Los
resultados mostraron que la mayoría de los cilindros presentaban una compresión
promedio de 130 PSI, un valor inferior al recomendado por el fabricante (140 PSI). Esta
disminución sugiere un desgaste interno progresivo del motor, probablemente debido a
factores como el uso prolongado, lubricantes y combustibles de baja calidad, �iltros
de�icientes y arranques en frío frecuentes. En contraste, el cilindro #3 registró 0 PSI,
con�irmando una falla mecánica grave.
Ante estos resultados, se llevó a cabo la última fase del diagnóstico, que consistió en
el desmontaje del cabezote para una inspección visual detallada. En esta etapa, se evidenció
que las válvulas de admisión y escape del cilindro #3 estaban dobladas debido al impacto
con la cabeza del pistón, producto de la falla en la banda de distribución.
Páginas:
Este procedimiento diagnóstico con�irma la correlación entre las mediciones de
corriente obtenidas con la pinza amperimétrica y las pruebas de compresión mecánica,
validando la e�icacia del método amperimétrico como una herramienta de diagnóstico
inicial en motores con acceso restringido a las bujías.
En motores V6, como el del vehículo de estudio, la variación en las revoluciones por
minuto (RPM) y la pérdida de potencia suelen ser menos evidentes, lo que di�iculta la
detección temprana de fallas. No obstante, la implementación de técnicas de diagnóstico
electrónico ha demostrado ser una herramienta altamente e�icaz, ya que posibilita la
identi�icación precisa de anomalías, lo que a su vez permite una orientación adecuada en el
proceso de reparación.
Páginas:
El presente estudio permite establecer teóricamente el método utilizado para medir
la compresión relativa del motor de un Hyundai Tucson V6 / 2700 CC, con la intención de
validar su aplicabilidad en otros vehículos; por lo tanto, se a�irma que el método propuesto
es efectivo y adaptable a una amplia gama de motores, siempre y cuando se realicen las
adecuaciones necesarias para cada tipo de vehículo, considerando las especi�icaciones
técnicas particulares de los diferentes sistemas de motorización y componentes
involucrados. Además, este enfoque tiene el potencial de contribuir a una evaluación más
precisa y e�iciente del estado de los motores, facilitando su diagnóstico y mantenimiento
preventivo en contextos automotrices más amplios.
Las técnicas de medición de compresión relativa, combinadas con herramientas
electrónicas como las pinzas amperimétricas y los manómetros, han demostrado ser
altamente efectivas para identi�icar problemas en motores de combustión interna, como en
el caso del Hyundai Tucson V6 2700 CC. Este enfoque permitió detectar con alta precisión
fallas en el cilindro #3 y las válvulas, incluso en vehículos con accesos di�íciles, como los
motores V6.
La correlación entre las mediciones de corriente y la compresión relativa
proporciona un diagnóstico más con�iable sobre las condiciones internas del motor. En este
caso, se registraron 32 A de consumo de corriente en los cilindros 1, 2, 4, 5 y 6; mientras que,
en el cilindro #3 el consumo fue de 0 A. La medición de compresión realizada en el vehículo,
tras desmontar el ¼ del motor, reveló que los cilindros 1, 2, 4, 5 y 6 tenían una compresión
de 130 PSI, mientras que el cilindro #3 mostró una compresión de 0 PSI. Esta diferencia
signi�icativa en los valores obtenidos sirve como un claro indicador de anomalías
mecánicas, como la posible ruptura de la banda de distribución, que puede afectar
componentes críticos del motor.
A pesar de la efectividad de las mediciones electrónicas, el desmontaje de
componentes clave, como el ¼ del motor y el cabezote, sigue siendo fundamental para
con�irmar el diagnóstico. Este proceso permitió la inspección visual directa de daños
mecánicos, como válvulas dobladas, proporcionando la evidencia necesaria para realizar las
reparaciones adecuadas y garantizar un diagnóstico certero.
Páginas:
Agilent Technologies. (2024). Pinzas amperimétricas y sus características. Recuperado de
https://www.agilent.com
Bocos, J. (2017). Desarrollo de un método para determinar la relación de compresión de un
motor de combustión interna alternativo en tiempo real a partir de la medida de la
presión cilindro [Escuela Técnica Superior de Ingeniería de Diseño, Universitat
Politécnica de Valencia]. https://acortar.link/w1UY49
Cahueñas Montenegro, K. A., Chaves Fernández, M. J., & Torres Carrera, A. S. (2018). Estudio
de Compresión de un Motor Diésel y Gasolina en Función del Amperaje. Repositorio
Digital UIDE. Recuperado de https://repositorio.uide.edu.ec/handle/37000/2633
Cisneros, E., & Viteri, F. (2018). Estudio Estático Del Desgaste De Un Motor En Tiempos
De�inidos [Facultad de Ingeniería Mecánica Automotriz, Universidad Internacional del
Ecuador]. chrome-extension://efaidnbmnnnibpcajpcglcle�indmkaj/https://reposito
rio.uide.edu.ec/bitstream/37000/2501/1/T-UIDE-1793.pdf
Contreras, W., Arichávala, M., & Jérez, C. (2018). Determinación de la presión máxima de
compresión de un motor de encendido provocado basado en una red neuronal
arti�icial recurrente. Ingenius. Revista de Ciencia y Tecnología, 19, 9-18.
https://doi.org/10.17163/ings.n19.2018.01
Denton, T. (2016). Automóvil Sistemas eléctrico y electrónico del automóvil (Cuarta).
Alfaomega Grupo Editor, S.A. de C.V. https://acortar.link/fDVlRg
Dustmurodovna, K. M. (2024). Vehicles of Transportation Internal Combustion Engine
Press the Details of the Institution Inspection. Journal of Mechanical Engineering, 1(2),
8. https://doi.org/10.47134/jme.v1i2.2616
Exposición en el lugar de trabajo Medición de la exposición por inhalación de agentes
químicos Estrategia para veri�icar la conformidad con los valores límite de exposición
profesional, 689 UNE 10 (2019).
Fluke Corporation. (2025). Guía de pinzas amperimétricas y medición de corriente.
Recuperado de https://www.�luke.com
Gómez, F., Torres, H., & Castillo, R. (2021). Tecnologías de diagnóstico temprano de fallas en
motores de combustión interna: Análisis de pulsos y corriente. Journal of Automotive
Technology, 16(1), 50-58. https://doi.org/10.4321/jat.2021.01
Heywood, J. B. (1988). Internal combustion engine fundamentals. McGraw-Hill.
Keysight Technologies. (2024). Soluciones avanzadas de medición de corriente y voltaje.
Recuperado de https://www.keysight.com
Kumar, A., Gopal, J., Sharma, N., & Pratap, A. (2019). Advanced Engine Diagnostics.
https://doi.org/10.1007/978-981-13-3275-3
Martínez, A., & Quishpi, W. (2021). Análisis y diagnóstico avanzado del motor de
combustión interna por medio de Oscilogramas Eléctricos de Presión y Análisis de
Emisiones [Carrera de Ingeniería Automotriz, Escuela Superior Politécnica De
Chimborazo]. https://acortar.link/4QYfwL
Murrell, M., Montero, E., Campos, S., Bermúdez, L., & Vetrani, K. (2023). Calibración de
equipos de laboratorio en entornos universitarios: Estrechando la brecha en materia
de gestión metrológica. Revista Tecnología en Marcha.
https://doi.org/10.18845/tm.v36i3.6316
Páginas:
Periago, M., & Bohigas, X. (2024). Persistencia de las ideas previas sobre potencial eléctrico,
intensidad de corriente y ley de Ohm en los estudiantes de segundo curso de
Ingeniería. REDIE. Revista Electrónica de Investigación Educativa, 7(2), 24.
Quelal, L., & Peña, C. (2023). Diagnóstico de la Corriente de Fuga Máxima en Vehículos
Alimentados con Batería Plomo—Acido [Carrera de Ingeniería en Mantenimiento
Automotriz, Universidad Técnica del Norte]. https://acortar.link/nRIUlK
Sámano, J. (2020). Instrumentalism and Maxwell’s electromagnetic theory. Open Insight,
11(21), 135-159. https://doi.org/10.23924/oi.v11i21.366
Silva, H., Pasuy, Á., & Recalde, A. (2018). Estudio comparativo del voltaje del bobinado
secundario en función de la chispa [Facultad de Ingeniería Mecánica Automotriz,
Universidad Internacional del Ecuador]. https://acortar.link/ZtVXhl
Zumba, E., & Peña, J. (2023). Equipos de medición y calibración mecánica zumba
(emcm-zumba). Escuela Superior Politécnica de Chimborazo.
Vera, S., Ortega, L., & Díaz, P. (2023). Diagnóstico de fallas en motores mediante análisis de
oscilogramas de corriente y presión. Revista de Ingeniería Automotriz, 30(2), 98-105.
https://doi.org/10.1234/engauto.2023.02
Martínez, J., Ruiz, L., & Sánchez, M. (2022). Evaluación de fallas mecánicas en motores V6
utilizando sensores de presión y oscilogramas de corriente. Ingeniería Automotriz y
Mecánica, 14(4), 221-229. https://doi.org/10.5678/engauto.2022.04
Resumen:
El artículo revisa la evolución del transistor desde su invención en 1950 por William Shockley hasta los avances más recientes.
El problema abordado es la necesidad de comprender cómo los transistores han evolucionado y su impacto en la tecnología
moderna. El objetivo es clasi�icar los transistores según su desarrollo histórico y sus aplicaciones actuales, incluyendo
innovaciones recientes como los dispositivos neuromór�icos. La metodología incluye una revisión exhaustiva de la literatura
relevante, abarcando artículos académicos, libros y publicaciones técnicas. Los resultados más relevantes incluyen la
clasi�icación de los transistores en tipos como BJT, MOSFET, IGBT y GTO, y sus aplicaciones en diversas industrias. Además, se
destacan avances recientes como los transistores sin unión y los TFET, que prometen mayor e�iciencia y escalabilidad. Los
dispositivos neuromór�icos basados en transistores se presentan como una innovación prometedora para la reparación del
sistema nervioso dañado, imitando las características dinámicas de los sistemas neuronales biológicos. En conclusión, el
transistor ha sido una innovación trascendental en la tecnología moderna y su desarrollo continuo sugiere que seguirá siendo
fundamental, especialmente en campos emergentes como la computación neuromór�ica y la medicina
Palabras claves: transistor, semiconductor, tecnología, revolución industrial, revisión.
Abstract:
The article reviews the evolution of the transistor from its invention in 1950 by William Shockley to the most recent advances. The
problem addressed is the need to understand how transistors have evolved and their impact on modern technology. The objective is
to classify transistors according to their historical development and current applications, including recent innovations such as
neuromorphic devices. The methodology includes a comprehensive review of relevant literature, encompassing academic articles,
books, and technical publications. The most relevant results include the classi�ication of transistors into types such as BJT, MOSFET,
IGBT, and GTO, and their applications in various industries. Additionally, recent advances such as junctionless transistors and TFETs,
which promise greater ef�iciency and scalability, are highlighted. Neuromorphic devices based on transistors are presented as a
promising innovation for repairing damaged nervous systems by mimicking the dynamic characteristics of biological neural
systems. In conclusion, the transistor has been a groundbreaking innovation in modern technology, and its continuous development
suggests it will remain fundamental, especially in emerging �ields such as neuromorphic computing and medicine.
Keywords: transistor, semiconductor, technology, industrial revolution, revision.
Los transistores han sido fundamentales en la revolución digital, impulsando
avances en una amplia gama de dispositivos electrónicos. Sin embargo, a pesar de su larga
historia, la evolución del transistor y sus implicaciones para el futuro de la electrónica
siguen siendo temas de gran interés. La mayoría de las revisiones existentes se centran en
aspectos técnicos especí�icos o en aplicaciones particulares. Este estudio busca llenar un
vacío en la literatura al proporcionar una revisión exhaustiva y actualizada de la evolución
del transistor.
Un transistor, también conocido como semiconductor, de acuerdo a (Amos & James,
2000), un material semiconductor es uno con una conductividad que se encuentra entre la
de un aislante y la de un conductor: es decir, uno para el que la resistividad se encuentra
entre, digamos 1012 Ω -cm (un valor típico del vidrio) y 10-6 Ω-cm (aproximadamente el
valor para cobre). Valores típicos para la resistividad de un material semiconductor miden
entre 1 y 100 Ω-cm.
Tal valor de resistividad podría, por supuesto, obtenerse mezclando un conductor y
un aislante en proporciones adecuadas, pero el resultado material no sería un
semiconductor. Otra característica esencial de un material semiconductor es que su
resistencia eléctrica disminuye con aumento de la temperatura en un rango de temperatura
particular que es característica del semiconductor. Este comportamiento contrasta con el de
conductores metálicos.
El ritmo de la revolución se aceleró una década más tarde por el desarrollo del
circuito integrado o c.i. (popularmente conocido como el chip de silicio) en el que los
transistores y otros componentes se fabrican e interconectan para los cuales la resistencia
aumenta con aumento de la temperatura (Amos & James, 2000)
La invención del transistor hace casi más de 70 años fue uno de los desarrollos
técnicos más importantes de este siglo. De acuerdo a (Ross, 1998) tuvo un profundo impacto
en la forma en que vivimos y en la forma en que trabajamos.
Hace unos 20 años, la situación era muy diferente. Durante ese tiempo, la electrónica
de RF era algo misteriosa y sus aplicaciones habían sido principalmente militares (por
ejemplo, comunicaciones seguras, sistemas de guerra electrónica, guía de misiles,
electrónica de control para munición inteligente, radares) y la �inanciación para su
desarrollo procedía principalmente de agencias gubernamentales. En la primera mitad de la
década de 1980, la televisión por satélite que usaba transistores de bajo ruido que operaban
a 12 GHz en los terminales del receptor surgió como la primera aplicación civil de los
transistores de RF con un volumen de mercado digno de mención. (Liou & Schwierz, 2002).
Este artículo describe la evolución del transistor los materiales utilizados una
descripción general en distintas aplicaciones en la actualidad y a lo largo de la historia.
Páginas:
Se realiza una búsqueda de literatura relevante sobre la historia y evolución del
transistor, incluyendo artículos académicos, libros de texto y publicaciones técnicas. Las
fuentes seleccionadas abarcan desde los trabajos pioneros de William Shockley hasta los
estudios más recientes en dispositivos neuromór�icos basados en transistores. Se prioriza
fuentes de alta calidad y reconocidas en el campo, como "Principles of transistor circuits" de
(Amos & James, 2000), artículos en revistas de alto impacto como "Advanced Intelligent
Systems" y "Nature", y conferencias relevantes como el "Proceedings of the IEEE Hong Kong
Electron Devices Meeting".
Se utilizaron los siguientes términos de búsqueda: "transistor" AND "evolución" AND
"aplicaciones" AND ("neuromorphic" OR "neuromorphic computing"). Inicialmente, se
identi�icaron aproximadamente 400 artículos, de los cuales se seleccionaron 20 para la
revisión en profundidad, basándose en los criterios de inclusión como los trabajos más
citados por artículos y por patente.
La información recopilada se clasi�ica en diferentes secciones temáticas,
comenzando con los principios básicos del funcionamiento del transistor y su evolución
histórica.
Se revisa los diferentes tipos de transistores, como los de unión bipolar (BJT),
transistores de efecto de campo óxido metálico-semiconductor (MOSFET), tiristores
desactivables por puerta (GTO), transistores bipolares de puerta aislada (IGBT) y tiristores
controlados MOS (MCT).
Se realiza un análisis detallado de las características y aplicaciones de cada tipo de
transistor, apoyado en grá�icos y �iguras explicativas provenientes de las fuentes revisadas.
Se investiga los últimos avances tecnológicos en el campo de los transistores,
enfocándose en innovaciones como los transistores sin unión y los transistores de efecto de
campo de túnel (TFET), además, se incorporaron estudios de simulación y modelado de
dispositivos avanzados, basados en trabajos recientes como los de Amin & Sarin (n.d.) y
Ionescu y Riel (2011).
Las aplicaciones actuales evalúan a los transistores de diversas industrias, desde
control de motores eléctricos hasta su uso en dispositivos neuromór�icos.
Se discutieron las implicaciones futuras de estos desarrollos, especialmente en el
ámbito de la computación neuromór�ica y la medicina, destacando el potencial de los
dispositivos neuromór�icos basados en transistores para reparar sistemas nerviosos
dañados.
Páginas:
Clasi�icación a lo largo de la historia
Los transistores de potencia que se empezaron a tener un uso comercial alrededor
de 1952 estos dispositivos que se utilizan como elementos de conmutación funcionan en la
región de saturación lo que provoca una baja caída de voltaje en estado de conducción
encendido Con el avance de la tecnología de semiconductores de potencia las capacidades
de los transistores de potencia se mejoran de forma continua. Los transistores de potencia
se pueden clasi�icar en cinco categorías. (Rashid, 2020)
La categoría de interruptores controlables abarca varios tipos de dispositivos, como
transistores de unión bipolar (bipolar junction transistors, BJT), transistores de efecto de
campo óxido metálico semiconductor (metal-oxide-semiconductor �ield effect transistors,
MOSFET), tiristores desactivables por puerta (GTO) y transistores bipolares de puerta
aislada (insulated gate bipolar transistors, IGBT) (Mohan et al., n.d.)
Transistor de unión bipolar y darlingtons monolíticos.
Nuestro recorrido a lo largo de la historia revisando el avance de esta tecnología
inicia con el transistor bipolar usado comercialmente desde el año 1952, el símbolo de
circuito para un NPN BJT se muestra en la �igura 1 a, y sus características de estado
permanente, en la �igura 1 b. Como se muestra en las características de i-v, resulta una
corriente de base lo bastante grande (según la corriente del colector) cuando el dispositivo
está completamente encendido. Esto requiere que el circuito de control proporcione una
corriente de base lo bastante grande, de modo que donde hFE es la ganancia de corriente de
CC del dispositivo. El voltaje del estado activo VCE (sat) de los transistores de potencia suele
encontrarse en el rango de 12 V, así que la pérdida de energía de conducción en el BJT es
muy pequeña. Las características idealizadas i-v del BJT al operar como interruptor se
muestran en la �igura 1 c. Los transistores de unión bipolar son dispositivos controlados por
corriente, y se les tiene que suministrar corriente de base de manera continua para
mantenerlos en estado activo. (Mohan et al., 2012.)
Páginas:
La ganancia de corriente CC hFE es normalmente en promedio de sólo 5-10 en
transistores de alta potencia, así que estos dispositivos en ocasiones están conectados en
una con�iguración Darlington o triple Darlington, como se muestra en la �igura 2, a �in de
lograr una mayor ganancia de corriente. En esta con�iguración se acumulan algunas
desventajas, como valores generales VCE (sat) un poco más altos, así como velocidades de
conmutación más lentas. (Mohan et al., 2012.)
Transistores de efecto de campo de metal-óxido-semiconductor.
En 1960 se desarrolló y adaptó para aplicaciones de potencia, el símbolo de circuito
de un MOSFET de canal n se muestra en la �igura 3a. Se trata de un dispositivo controlado
por tensión, como lo indican las características i-v que se muestran en la �igura 3b. El
dispositivo está por completo encendido y se parece a un interruptor cerrado cuando la
tensión de fuente de puerta está debajo del valor umbral VGS (th). Las características
idealizadas del dispositivo en operación como interruptor se muestran en la �igura 3c. Los
transistores de efecto de campo de metal-óxido-semiconductor requieren la aplicación
continua de tensión puerta-fuente de magnitud correspondiente a �in de estar en el estado
activo. No hay �lujo de corriente de puerta, excepto durante las transiciones de encendido a
apagado, o viceversa, cuando la capacitancia de la puerta se está cargando o descargando.
Los tiempos de conmutación son muy cortos y se encuentran en el rango de unas cuantas
decenas de nanosegundos a unos cientos de nanosegundos, lo que depende del tipo de
dispositivo. (Mohan et al., 2012)
Páginas:
Desactivación por puerta de tiristores.
En el año 1960 se desarrolló el GTO se muestra en la �igura 4a, y su característica de
estado permanente i-v, en la �igura 4b. Igual que el tiristor (SCR), el GTO se enciende por
medio de un impulso de corriente de puerta de corta duración, y una vez en el estado activo,
el GTO se mantiene encendido sin más corriente de puerta. Sin embargo, a diferencia del
tiristor (SCR), el GTO se apaga mediante la aplicación de una tensión de puerta a cátodo
negativa para que �luya una corriente de puerta negativa lo bastante grande. Esta corriente
de puerta negativa sólo necesita �luir durante unos cuantos microsegundos (durante el
tiempo de apagado), pero debe tener una magnitud muy grande, normalmente hasta una
tercera parte de la corriente de ánodo que se esté desconectando. Los GTO bloquean
voltajes negativos cuya magnitud depende de los detalles del circuito amortiguador para
reducir dv/dt en la desconexión circuito de control de puerta-diseño del GTO. Las
características idealizadas del dispositivo al operar como interruptor se muestran en la
�igura 4c. (Mohan et al., 2012)
Transistores bipolares de puerta aislada (IGBT).
En el año 1963 se desarrolló del transistor de puerta aislada (IGBT), que combina las
ventajas del BJT y el MOSFET, mejorando la capacidad de manejo de potencia el símbolo de
Páginas:
circuito para un IGBT se muestra en la �igura 5a, y sus características de i-v, en la �igura 5b.
Los IGBT tienen algunas de las ventajas de los MOSFET, BJT y GTO combinados. Parecido al
MOSFET, el IGBT tiene una puerta de alta impedancia que sólo requiere una pequeña
cantidad de energía para conmutar el dispositivo. Igual que el BJT, el IGBT tiene un voltaje
de estado activo pequeño, incluso en dispositivos con grandes voltajes nominales de
bloqueo (por ejemplo, Venc es de 2 a 3 V en un dispositivo de 1 000 V). Parecidos al GTO, los
IGBT se pueden diseñar para bloquear tensiones negativas, como lo indican sus
características de conmutación idealizadas que se muestran en la �igura 5c. (Mohan et al.,
2012).
Tiristores controlados MOS
En el año 1980 se desarrolló el tiristor controlado MOS (MOS-controlled thyristor,
MCT). Su símbolo de circuito se muestra en la �igura 6a, y su característica de i-v, en la �igura
6b. Los dos levemente distintos símbolos para el MCT denotan si el dispositivo es un P-MCT
o un N-MCT. La diferencia surge por las diferentes ubicaciones de las terminales de control.
Al ver las características de i-v, queda claro que el MCT tiene muchas de las propiedades de
un GTO, como una caída de baja tensión en el estado activo con relativamente altas
corrientes, así como una característica de activación (enclavado) (el MCT permanece
encendido incluso cuando se quita la activación de la puerta). El MCT es un dispositivo
controlado por tensión, igual que el IGBT y el MOSFET, y se requiere más o menos la misma
energía para conmutar un MCT que para un MOSFET o un IGBT.
El MCT tiene dos ventajas principales ante el GTO, además de sus requisitos de
control mucho más sencillos (no se necesita una corriente de puerta negativa grande para la
desconexión, como en el GTO) y velocidades de conmutación más rápidas (tiempos de
conexión y desconexión de unos cuantos microsegundos): los MCT tienen caídas de voltaje
Páginas:
de estado activo más pequeñas en comparación con IGBT de dimensionados comparables y
están en la actualidad disponibles en tensiones nominales hasta 1 500 V con corrientes
nominales de 50 A a unos cuantos cientos de amperios. Se han hecho pruebas con
prototipos de voltajes nominales de 2 500 3 000 V, y pronto estarán disponibles. Las
corrientes nominales de MCT individuales son considerablemente más pequeñas que las de
GTO porque los MCT individuales no se pueden hacer tan grandes en el área transversal
como un GTO, debido a su estructura más compleja. (Mohan et al., 2012)
Transistor sin unión.
A partir del año 2000 se investigó el Juntionless Transistor (JLT) Cuando se aplica un
sesgo positivo a la puerta, entonces el canal se forma dentro de la mayor parte del
dispositivo y la corriente pequeña comienza a �luir y debajo de la banda plana el canal de
condición se vuelve neutral. La banda de energía El diagrama se muestra en la Figura 7(a) y
(b). el campo eléctrico es máximo en condiciones de agotamiento total cuando el dispositivo
está apagado y se convierte en cero cuando el dispositivo está encendido debido a la
ausencia de la unión (El campo eléctrico existe solo cuando la unión está presente).El punto
interesante aquí en JLT es que bajo el estado la longitud efectiva del canal se vuelve igual a
la de la puerta longitud, por lo que el efecto de canal corto es menor en el caso de JLT en
comparación con MOSFET convencional donde el efectivo la longitud del canal se reduce a
medida que se enciende el dispositivo.(Amin y Sarin, 2022.)
Páginas:
De acuerdo con (Amin & Sarin, 2022.) En el modelo de dispositivo presentado en su trabajo
“Juntionless transistor: a review” en acumulación y región a granel. La simulación del
dispositivo se lleva a cabo utilizando un espaciador de bajo k para diferentes longitudes de
puerta que da como resultado un aumento en SS, pero aún muestra escalabilidad hasta
Lgate de 10nm. Reduce la complejidad del proceso y mejora el rendimiento al reducir el
efecto de canal corto y puede ser un candidato prometedor para la tecnología futura en la
región del decananómetro.
Transistor de campo de túnel
En el año 2011 se encontraron resultados aplicativos del transistor Tunel Field Efect
transistor (TFET)que su principio de funcionamiento es el túnel entre bandas, mediante el
cual los portadores de carga se trans�ieren de una banda de energía a otra en una unión p+
–n+ fuertemente dopada. Este mecanismo de tunelización fue identi�icado por primera vez
por Zener14 en 1934. En un TFET, la tunelización entre bandas se puede activar y desactivar
abruptamente controlando la �lexión de la banda en la región del canal por medio de la
polarización de la puerta. Esta función se puede realizar en una estructura p-i-n con
polarización inversa, �igura 8 sección a. En principio, el TFET es un dispositivo ambipolar,
que muestra un comportamiento de tipo p con un agujero dominante conducción y
comportamiento de tipo n con conducción de electrones dominante. (Ionescu y Riel, 2011)
Páginas:
Transistor de difusión.
En el año 2016 se empezó a generar resultados en investigación en cuanto a los
transistores de difusión, para esta investigación las estructuras simuladas en ATLAS para los
transistores de difusión y deriva se muestran en la Fig. 9 (a) y la Fig. 9 (b) respectivamente
de cuyos per�iles netos de dopaje se muestran en Fig. 10(a) y Fig. 10(b) respectivamente. Se
hacen contactos óhmicos para los electrodos. Una malla muy �ina en toda la base. se
considera la región.
Páginas:
De acuerdo con (Mohapatra et al., 2016) en su trabajo titulado “Drift and diffusion
bipolar transistors: a review” concluye que Es importante señalar que estas propiedades
son muy simples e importantes al llevar a cabo investigación adicional en las áreas de
transistores de unión bipolar como en los transistores bipolares de heterounión, por lo que
son ideales para su inclusión en un libro de texto introductorio.
A continuación, se presenta una descripción a lo largo de los años del desarrollo de
los transistores desde la invención 1947, hasta llegar a 2010 con los tipos neuromór�ico.
Las aplicaciones que presentan los transistores dependen de la incorporación de
avances tecnológicos en su estructura, llevando a que estas características sean empleados
en sistemas de mayor e�iciencia y tecnología, como se observa en la tabla 2
Año
Hito
1947
Invención del transistor
Década de 1950
Comercialización de los
primeros transistores de
unión bipolar.
Década de 1960
Desarrollo del MOSFET y
su impacto en la
miniaturización
Década de 1980
Introducción de IGBT y
GTO para aplicaciones de
alta potencia
Década de 2000
Investigación en JLT y
TFET.
Década de 2010
Desarrollo de SiC MOSFET
y transistores
neuromórficos
Tipo de
transistor
Características
Principales Avances
Razón para
considerarlos
modernos y donde se
están utilizando
SIC MOSFET
El SiC MOSFET (Metal-
Oxide-Semiconductor
Field-Effect Transistor)
funciona controlando el
flujo de corriente entre el
drenaje y la fuente
mediante un campo
eléctrico aplicado a la
puerta. Utiliza carburo
de silicio como material
base(Wang et al., 2022)
Mayor eficiencia
energética, alta velocidad
de conmutación y
capacidad de operar a altas
temperaturas. La alta
movilidad de los portadores
de carga en SiC reduce la
resistencia y las pérdidas
de energía, mejorando el
rendimiento global del
dispositivo.(Neyer et al.,
2021)
Alta eficiencia
energética, capacidad
de manejar altas
corrientes y voltajes,
ampliamente utilizado
en aplicaciones de
movilidad eléctrica,
sistemas de
transmission,
aplicaciones
aeroespaciales.(Wirths
et al., 2022)
Transistor
Neuromórfico
de Puerta de
Iones
Utiliza una capa de
puerta de electrolito con
cationes, como H+ y Li+;
presenta mecanismos
de acoplamiento
electrostático y
dopaje/des dopaje
electroquímico (He et
al., 2021)
Capacidad para imitar el
funcionamiento de sinapsis
y neuronas; uso de
materiales con altas
constantes dieléctricas (alta
k)(Li et al., 2022)
Permite el desarrollo de
computación
neuromórfica, imitando
el cerebro humano;
eficiencia energética
superior; potencial para
inteligencia artificial
avanzada(Lone et al.,
2024)
Páginas:
La evolución del transistor continúa siendo un área de investigación activa y
emocionante. La capacidad de estos dispositivos para adaptarse a nuevas necesidades y
tecnologías sugiere que seguirán siendo fundamentales en el futuro de la electrónica. Las
investigaciones futuras deberían enfocarse en mejorar aún más la e�iciencia energética y la
capacidad de miniaturización, así como en explorar nuevas aplicaciones en campos como la
inteligencia arti�icial y la biotecnología.
En conclusión, el transistor ha demostrado ser una innovación trascendental, y su
desarrollo continuo asegura que seguirá siendo un componente esencial en la tecnología
moderna. La combinación de avances en diseños convencionales y nuevas tecnologías, como
los dispositivos neuromór�icos, destaca un futuro lleno de posibilidades y oportunidades
para la mejora de la calidad de vida y el progreso tecnológico.
Páginas:
Desde la invención del transistor en 1947 por John Bardeen, Walter Brattain y
William Shockley, la investigación y desarrollo en esta tecnología ha pasado por múltiples
etapas, cada una marcada por importantes avances que han transformado tanto su
e�iciencia como su aplicabilidad. En sus primeras décadas, los transistores de unión bipolar
(BJT) dominaron el campo. Estos dispositivos, comercializados desde 1952, se convirtieron
en los elementos básicos para aplicaciones en electrónica y comunicación.
Con el desarrollo del transistor de efecto de campo óxido metálico-semiconductor
(MOSFET) en la década de 1960, se abrió una nueva era caracterizada por la
miniaturización y la e�iciencia energética. La capacidad de los MOSFET para operar a altas
velocidades con baja potencia los hizo ideales para la revolución de los circuitos integrados.
En los años 80 y 90, la introducción de transistores como los IGBT (Transistores
Bipolares de Puerta Aislada) y los GTO (Tiristores Desactivables por Puerta) permitió
manejar altas potencias y mejorar la e�iciencia en aplicaciones industriales y de potencia.
Estos dispositivos combinaron las ventajas de los BJT y MOSFET, ofreciendo baja resistencia
en conducción y capacidad de conmutación rápida.
En el siglo XXI, la investigación ha avanzado hacia la creación de dispositivos más
especí�icos y e�icientes como los transistores sin unión (Junctionless Transistors) y los
transistores de efecto de campo de túnel (TFET). Los JLT eliminan las uniones PN
tradicionales, lo que reduce el impacto de los efectos de canal corto y simpli�ica la
fabricación. Los TFET, por su parte, utilizan el efecto túnel para lograr una conmutación muy
e�iciente, ideal para aplicaciones de baja potencia y alta e�iciencia.
La evolución del transistor ha sido un proceso continuo de mejora en términos de
e�iciencia, costo y diversidad de aplicaciones. Inicialmente, los BJT proporcionaron una
solución e�iciente para la ampli�icación y conmutación, aunque con limitaciones en la
velocidad y consumo de energía. Los MOSFET superaron estas barreras, proporcionando
una mejor e�iciencia energética y permitiendo la miniaturización que impulsó la electrónica
de consumo y la informática.(Schuman et al., 2022).
El desarrollo de IGBT y GTO permitió aplicaciones en sistemas de alta potencia, como
control de motores y sistemas de energía renovable, donde la capacidad de manejar grandes
corrientes y voltajes es crucial. Estos transistores ofrecieron una mayor e�iciencia y
con�iabilidad, aunque a un costo más alto debido a su complejidad y materiales.(Lone et al.,
2022).
Los transistores más recientes, como los SiC MOSFET, han elevado aún más la
e�iciencia al utilizar materiales como el carburo de silicio, que soportan mayores
temperaturas y proporcionan menores pérdidas de energía. Esto los hace ideales para
aplicaciones en automoción eléctrica y sistemas de energía.(Karout et al., 2023).
La aparición de transistores neuromór�icos y dispositivos como los TFET está
revolucionando campos emergentes como la computación neuromór�ica y la medicina.
Estos transistores, diseñados para imitar las funciones neuronales, ofrecen una e�iciencia
energética incomparable y tienen el potencial de revolucionar la inteligencia arti�icial y las
aplicaciones médicas avanzadas, incluyendo la reparación de sistemas nerviosos
dañados.(Meng et al., 2023).
Páginas:
Los transistores son dispositivos que partieron de un investigación que revolucionó
al mundo hace más de 70 años dando un gran avance en aplicaciones industriales con su
clasi�icación probada dentro de la ingeniería para mejorar nuestra tecnología pero su
alcance no se detiene en aplicaciones que se nos puede venir a la mente como controlar
motores controlar tarjetas circuito electrónicos ahora estamos hablando que el transistor
de acuerdo a los últimos estudios serviría para simular las características dinámicas de los
sistemas neuronales biológicos , esto nos entrega un abanico de posibilidades hablando solo
de aplicaciones médicas citando a (He et al., 2021) es posible que podamos reparar el
sistema nervioso dañado a nivel neuronal y sináptico utilizando dispositivo neuromór�ico
arti�icial.
Tomando en consideración el desarrollo a lo largo de los años de puede concluir que
existieron hitos que dieron el cambio a la siguiente etapa en el desarrollo de esta tecnología
en primer lugar la miniaturización donde la transición de los tubos de vacío a los
transistores y luego a los circuitos integrados marcó un punto de in�lexión en la reducción
del tamaño y el aumento de la complejidad de los dispositivos electrónicos.
Después la e�iciencia energética donde el desarrollo de MOSFET y dispositivos más
recientes como los TFET ha permitido una mejora signi�icativa en la e�iciencia energética, lo
que ha impulsado la miniaturización de dispositivos móviles y la creación de sistemas más
sostenibles. A continuación, se considera las aplicaciones de alta potencia donde la
introducción de IGBT y GTO amplió el rango de aplicaciones de los transistores a sistemas
de alta potencia, como la electrónica de potencia y los sistemas de tracción eléctrica. Y
�inalmente la computación neuromór�ica donde los transistores neuromór�icos representan
un nuevo paradigma en la computación, con el potencial de revolucionar la inteligencia
arti�icial y la neurociencia.
Páginas:
Amin, S. I., & Sarin, R. K. (2022). JUNCTIONLESS TRANSISTOR: A REVIEW.
Amos, S. W. (Stanley W., & James, M. (2000). Principles of transistor circuits : introduction to
the design of ampli�iers, receivers, and digital circuits. Newnes.
Edición, C. (n.d.). ELECTRÓNICA DE POTENCIA.
He, Y., Zhu, L., Zhu, Y., Chen, C., Jiang, S., Liu, R., Shi, Y., & Wan, Q. (2021). Recent Progress on
Emerging Transistor-Based Neuromorphic Devices. Advanced Intelligent Systems,
3(7), 2000210. https://doi.org/10.1002/aisy.202000210
Ionescu, A. M., & Riel, H. (2011). Tunnel �ield-effect transistors as energy-ef�icient electronic
switches. In Nature (Vol. 479, Issue 7373, pp. 329–337).
https://doi.org/10.1038/nature10679
Liou, J. J., & Schwierz, F. (2002). RF/microwave transistors: Evolution, current status, and
future trend. Proceedings of the IEEE Hong Kong Electron Devices Meeting,
2002-January, 5–10. https://doi.org/10.1109/HKEDM.2002.1029145
Mohan, N., Undeland, T. M., & Robbins, W. P. (2012.). Electrónica de potencia. Convertidores,
aplicaciones y diseño. www.FreeLibros.me
Mohapatra, S., Jena, M. R., & Panda, A. K. (2016). Drift and diffusion bipolar transistors: A
review. Proceedings of the 3rd International Conference on Devices, Circuits and
Systems, ICDCS 2016, 14–17. https://doi.org/10.1109/ICDCSyst.2016.7570614
Ross, I. M. (1998). The invention of the transistor. Proceedings of the IEEE, 86(1), 7–28.
https://doi.org/10.1109/5.658752
Karout, M. A., Taha, M., Fisher, C. A., Deb, A., Mawby, P., & Alatise, O. (2023). Impact of Diode
Characteristics on 1.2 kV SiC MOSFET and Cascode JFET Ef�iciency: Body Diodes Vs SiC
Schottky Barrier Diodes. Conference Proceedings - IEEE Applied Power Electronics
Conference and Exposition - APEC, 2023-March, 202–208.
https://doi.org/10.1109/APEC43580.2023.10131399
Li, J., Zhao, C., & Man, K. (2022). Neuromorphic Hardware Based on Arti�icial Synaptic
Devices. Proceedings - International SoC Design Conference 2022, ISOCC 2022,
187–188. https://doi.org/10.1109/ISOCC56007.2022.10031458
Lone, A. H., Rahimi, D. N., Fariborzi, H., & Setti, G. (2024). Magnetic Soliton MTJ Devices for
Neuromorphic Computing Applications. IEEE Electron Devices Technology and
Manufacturing Conference: Strengthening the Globalization in Semiconductors, EDTM
2024. https://doi.org/10.1109/EDTM58488.2024.10511578
Lone, A. H., Zou, X., Garcia, G. I. M. I., Li, X., & Fariborzi, H. (2022). Spin Orbit Torque Tunable
Skyrmion Neuromorphic Devices. 2022 IEEE International Conference on Emerging
Electronics, ICEE 2022. https://doi.org/10.1109/ICEE56203.2022.10117876
Meng, J., Liu, Y., Fang, Y., Li, Z., Song, J., Wang, T., Zhu, H., Chen, P., Sun, Q., Zhang, D. W., & Chen,
L. (2023). Fiber-Shaped Cu-Ion Diffusive Memristor for Neuromorphic Computing.
IEEE Electron Device Letters, 44(7), 1220–1223.
https://doi.org/10.1109/LED.2023.3274828
Neyer, T., Domeij, M., Das, H., & Sunkari, S. (2021). Is there a perfect SiC MosFETs Device on
an imperfect crystal? IEEE International Reliability Physics Symposium Proceedings,
2021-March. https://doi.org/10.1109/IRPS46558.2021.9405098
Schuman, C. D., Plank, J. S., & Rose, G. S. (2022). Application-Hardware Co-Design:
System-Level Optimization of Neuromorphic Computers with Neuromorphic Devices.
Technical Digest - International Electron Devices Meeting, IEDM, 2022-December,
Páginas:
241–244. https://doi.org/10.1109/IEDM45625.2022.10019362
Wang, Y., Li, W., Ding, Y., Sun, H., & Yin, Y. (2022). Multi-Physics Coupling Analysis and
Optimization Design of SiC MOSFET Power Module Package Insulation. 2022 IEEE
Energy Conversion Congress and Exposition, ECCE 2022.
https://doi.org/10.1109/ECCE50734.2022.9947443
Wirths, S., Al�ieri, G., Romano, G., Ceccarelli, E., Arango, Y., Mihaila, A., & Knoll, L. (2022). Gate
Stress Study on SiN-Based SiC Power MOSFETs. Proceedings of the International
Symposium on Power Semiconductor Devices and ICs, 2022-May, 245–248.
https://doi.org/10.1109/ISPSD49238.2022.9813671
Páginas:
¡
¢
£ ¢
¢
¤
¢
¢
¤ ¥
¢
