pág. 10079
PERCEPCIÓN DOCENTE SOBRE EL DISEÑO
INSTRUCCIONAL EN ENTORNOS VIRTUALES
DEL MODELO FLEX: UN ANÁLISIS
COGNITIVAMENTE INFORMADO
EVALUATION OF FACULTY PERCEPTIONS IN
INSTRUCTIONAL DESIGN AND THE IMPLEMENTATION
OF VIRTUAL LEARNING ENVIRONMENTS
Manuel Alejandro Zavala Nevárez
Universidad Autónoma de Occidente, México
Virginia López Nevárez
Universidad Autónoma de Occidente, México
Denisse Liliana Ballardo Cárdenas
Universidad Autónoma de Occidente, México
pág. 10080
DOI: https://doi.org/10.37811/cl_rcm.v9i6.22117
Percepción Docente sobre el Diseño Instruccional en Entornos Virtuales del
Modelo FLEX: un Análisis Cognitivamente Informado
Manuel Alejandro Zavala Nevárez1
Manuel.zavala@uadeo.mx
https://orcid.org/0009-0001-9439-1959
Universidad Autónoma de Occidente
México
Virginia López Nevárez
Virginia.lopez@uadeo.mx
https://orcid.org/0000-0001-9887-0132
Universidad Autónoma de Occidente
México
Denisse Liliana Ballardo Cárdenas
Denisse.ballardo@uadeo.mx
https://orcid.org/0000-0002-2363-7376
Universidad Autónoma de Occidente
México
RESUMEN
El presente estudio analiza la percepción docente sobre el diseño instruccional y la implementación de
entornos virtuales en el modelo FLEX de la Universidad Autónoma de Occidente (UAdeO), desde un
enfoque cognitivamente informado. Se empleó un diseño cuantitativo, no experimental, transversal y
descriptivo–correlacional con una muestra de 33 docentes diseñadores de cursos virtuales, quienes
respondieron un cuestionario de 15 ítems agrupados en tres dimensiones: capacitación y competencias,
proceso de diseño instruccional y satisfacción y resultados. Para fortalecer el análisis, se generaron 300
casos simulados mediante cópulas gaussianas, manteniendo la estructura de dependencia entre
variables. La fiabilidad del instrumento fue alta (α = 0.8927). Los resultados mostraron promedios
superiores a nueve y homogéneos en las tres dimensiones, sin diferencias significativas entre ellas, lo
que refleja percepciones consistentes del proceso formativo. Además, 31 docentes participaron en un
estudio antes–después para evaluar cambios en autoeficacia, observándose un incremento significativo
tras la capacitación (t = 7.83; p < 0.001), confirmado mediante la prueba t de Student y la prueba de
Wilcoxon. En conjunto, los hallazgos evidencian que la formación fortaleció la autoeficacia docente y
promovió una percepción positiva de la calidad del diseño instruccional en el modelo FLEX.
Palabras clave: diseño instruccional, modelo FLEX, educación virtual, cópulas gaussianas,
autoeficacia docente
1 Autor principal
Correspondencia: Manuel.zavala@uadeo.mx
DOI: https://doi.org/10.37811/cl_rcm.v9i6.22117
Percepción Docente sobre el Diseño Instruccional en Entornos Virtuales del
Modelo FLEX: un Análisis Cognitivamente Informado
Manuel Alejandro Zavala Nevárez1
Manuel.zavala@uadeo.mx
https://orcid.org/0009-0001-9439-1959
Universidad Autónoma de Occidente
México
Virginia López Nevárez
Virginia.lopez@uadeo.mx
https://orcid.org/0000-0001-9887-0132
Universidad Autónoma de Occidente
México
Denisse Liliana Ballardo Cárdenas
Denisse.ballardo@uadeo.mx
https://orcid.org/0000-0002-2363-7376
Universidad Autónoma de Occidente
México
RESUMEN
El presente estudio analiza la percepción docente sobre el diseño instruccional y la implementación de
entornos virtuales en el modelo FLEX de la Universidad Autónoma de Occidente (UAdeO), desde un
enfoque cognitivamente informado. Se empleó un diseño cuantitativo, no experimental, transversal y
descriptivo–correlacional con una muestra de 33 docentes diseñadores de cursos virtuales, quienes
respondieron un cuestionario de 15 ítems agrupados en tres dimensiones: capacitación y competencias,
proceso de diseño instruccional y satisfacción y resultados. Para fortalecer el análisis, se generaron 300
casos simulados mediante cópulas gaussianas, manteniendo la estructura de dependencia entre
variables. La fiabilidad del instrumento fue alta (α = 0.8927). Los resultados mostraron promedios
superiores a nueve y homogéneos en las tres dimensiones, sin diferencias significativas entre ellas, lo
que refleja percepciones consistentes del proceso formativo. Además, 31 docentes participaron en un
estudio antes–después para evaluar cambios en autoeficacia, observándose un incremento significativo
tras la capacitación (t = 7.83; p < 0.001), confirmado mediante la prueba t de Student y la prueba de
Wilcoxon. En conjunto, los hallazgos evidencian que la formación fortaleció la autoeficacia docente y
promovió una percepción positiva de la calidad del diseño instruccional en el modelo FLEX.
Palabras clave: diseño instruccional, modelo FLEX, educación virtual, cópulas gaussianas,
autoeficacia docente
1 Autor principal
Correspondencia: Manuel.zavala@uadeo.mx
pág. 10081
Evaluation of Faculty Perceptions in Instructional Design and the
Implementation of Virtual Learning Environments
ABSTRACT
This article analyzes faculty perceptions of instructional design and the implementation of virtual
learning environments within the FLEX model at the Autonomous University of Occidente (UAdeO),
using a cognitively informed approach. A quantitative, non-experimental, cross-sectional, and
descriptive–correlational design was employed with a sample of 33 faculty members who design virtual
courses and responded to a 15-item questionnaire organized into three dimensions: training and
competencies, instructional design process, and satisfaction and outcomes. To strengthen the analysis,
300 simulated cases were generated using Gaussian copulas, preserving the dependency structure
among variables. The instrument demonstrated high reliability (α = 0.8927). Results showed average
scores above nine and consistent values across the three dimensions, with no significant differences
among them, indicating coherent perceptions of the training process. Additionally, 31 faculty members
participated in a pre–post assessment to evaluate changes in self-efficacy, revealing a significant
increase after the training (t = 7.83; p < 0.001), confirmed by both Student’s t-test and the Wilcoxon
signed-rank test. Overall, the findings indicate that the training strengthened teaching self-efficacy and
fostered positive perceptions of the quality of instructional design within the FLEX model.
Keywords: instructional design, FLEX model, virtual education, gaussian copulas, teaching self-
efficacy
Artículo recibido 30 noviembre 2025
Aceptado para publicación: 30 diciembre 2025
Evaluation of Faculty Perceptions in Instructional Design and the
Implementation of Virtual Learning Environments
ABSTRACT
This article analyzes faculty perceptions of instructional design and the implementation of virtual
learning environments within the FLEX model at the Autonomous University of Occidente (UAdeO),
using a cognitively informed approach. A quantitative, non-experimental, cross-sectional, and
descriptive–correlational design was employed with a sample of 33 faculty members who design virtual
courses and responded to a 15-item questionnaire organized into three dimensions: training and
competencies, instructional design process, and satisfaction and outcomes. To strengthen the analysis,
300 simulated cases were generated using Gaussian copulas, preserving the dependency structure
among variables. The instrument demonstrated high reliability (α = 0.8927). Results showed average
scores above nine and consistent values across the three dimensions, with no significant differences
among them, indicating coherent perceptions of the training process. Additionally, 31 faculty members
participated in a pre–post assessment to evaluate changes in self-efficacy, revealing a significant
increase after the training (t = 7.83; p < 0.001), confirmed by both Student’s t-test and the Wilcoxon
signed-rank test. Overall, the findings indicate that the training strengthened teaching self-efficacy and
fostered positive perceptions of the quality of instructional design within the FLEX model.
Keywords: instructional design, FLEX model, virtual education, gaussian copulas, teaching self-
efficacy
Artículo recibido 30 noviembre 2025
Aceptado para publicación: 30 diciembre 2025
pág. 10082
INTRODUCCIÓN
El uso cada vez más creciente de los entornos virtuales de enseñanza ha cambiado significativamente
las dinámicas de la educación universitaria, requiriendo métodos pedagógicos que incorporen no solo
el potencial tecnológico, sino también las bases teóricas del aprendizaje. En este escenario, es
fundamental promover un diseño instruccional que vaya más allá de solo organizar los contenidos y que
incluya de forma clara y deliberada los principios que provienen de las ciencias cognitivas. Esta
necesidad surge de un problema que se presenta de manera recurrente en la educación virtual: la
elaboración de materiales que, a pesar de estar bien elaborados técnicamente, no consideran los procesos
cognitivos del alumno. Esto puede provocar una saturación cognitiva, poca retención de información y
una autonomía limitada en el aprendizaje. La literatura moderna ha indicado que una gran cantidad de
los diseños actuales para la instrucción continúan replicando patrones tradicionales, solo con una
modificación superficial al entorno virtual, sin un análisis crítico acerca de cómo las particularidades
del medio inciden en el procesamiento y la adquisición del conocimiento (Brunett-Zarza et al., 2024).
Según Hodges et al. (2020), la transición acelerada hacia modelos digitales revela deficiencias en la
dimensión pedagógica del marco de la educación virtual, las cuales continúan presentes, incluso tras la
implementación de modelos institucionalizados. En consecuencia, la eficacia del aprendizaje se ve
influenciada, especialmente cuando no se consideran aspectos esenciales tales como la gestión de la
carga cognitiva, el andamiaje evolutivo del conocimiento o la activación de procesos metacognitivos.
Se ha evidenciado que un diseño instruccional fundamentado en la cognición debe incorporar elementos
tales como la claridad en la formulación de los objetivos de aprendizaje, la secuenciación lógica de los
contenidos, la selección de estrategias que promuevan una comprensión profunda y la utilización de
recursos tecnológicos que facilitan el aprendizaje autónomo (Martin y Bolliger, 2022).
La Teoría de la Carga Cognitiva, que sostiene que la organización del material debe optimizar los
recursos mentales del estudiante, es coherente con estos principios (Kalyuga, 2023). El enfoque debe ir
más allá de los modelos que restringen a la observación de los procedimientos o las herramientas. El
objetivo consiste en desarrollar un diseño que considere al estudiante como un agente activo en el
proceso educativo. Es fundamental considerar los procesos cognitivos del estudiante al momento de
planificar las estrategias de enseñanza.
INTRODUCCIÓN
El uso cada vez más creciente de los entornos virtuales de enseñanza ha cambiado significativamente
las dinámicas de la educación universitaria, requiriendo métodos pedagógicos que incorporen no solo
el potencial tecnológico, sino también las bases teóricas del aprendizaje. En este escenario, es
fundamental promover un diseño instruccional que vaya más allá de solo organizar los contenidos y que
incluya de forma clara y deliberada los principios que provienen de las ciencias cognitivas. Esta
necesidad surge de un problema que se presenta de manera recurrente en la educación virtual: la
elaboración de materiales que, a pesar de estar bien elaborados técnicamente, no consideran los procesos
cognitivos del alumno. Esto puede provocar una saturación cognitiva, poca retención de información y
una autonomía limitada en el aprendizaje. La literatura moderna ha indicado que una gran cantidad de
los diseños actuales para la instrucción continúan replicando patrones tradicionales, solo con una
modificación superficial al entorno virtual, sin un análisis crítico acerca de cómo las particularidades
del medio inciden en el procesamiento y la adquisición del conocimiento (Brunett-Zarza et al., 2024).
Según Hodges et al. (2020), la transición acelerada hacia modelos digitales revela deficiencias en la
dimensión pedagógica del marco de la educación virtual, las cuales continúan presentes, incluso tras la
implementación de modelos institucionalizados. En consecuencia, la eficacia del aprendizaje se ve
influenciada, especialmente cuando no se consideran aspectos esenciales tales como la gestión de la
carga cognitiva, el andamiaje evolutivo del conocimiento o la activación de procesos metacognitivos.
Se ha evidenciado que un diseño instruccional fundamentado en la cognición debe incorporar elementos
tales como la claridad en la formulación de los objetivos de aprendizaje, la secuenciación lógica de los
contenidos, la selección de estrategias que promuevan una comprensión profunda y la utilización de
recursos tecnológicos que facilitan el aprendizaje autónomo (Martin y Bolliger, 2022).
La Teoría de la Carga Cognitiva, que sostiene que la organización del material debe optimizar los
recursos mentales del estudiante, es coherente con estos principios (Kalyuga, 2023). El enfoque debe ir
más allá de los modelos que restringen a la observación de los procedimientos o las herramientas. El
objetivo consiste en desarrollar un diseño que considere al estudiante como un agente activo en el
proceso educativo. Es fundamental considerar los procesos cognitivos del estudiante al momento de
planificar las estrategias de enseñanza.
pág. 10083
Autores como Ruiz-Rojas señalan que las matrices de diseño instruccional desempeñan un papel
fundamental en la organización de la inclusión de principios cognitivos en el proceso de planificación.
Las matrices de diseño instructivo son útiles, sobre todo cuando se combinan con tecnologías nuevas
como la inteligencia artificial generativa. Actualmente, el diseño instruccional sustentado en
fundamentos cognitivos no puede entenderse como un complemento, sino como un requisito
metodológico esencial para garantizar la solidez pedagógica y la calidad formativa de los entornos
virtuales (Ruiz-Rojas et al., 2023).
La Tabla 1 presenta un resumen de las contribuciones analizadas en la revisión de la literatura, las cuales
muestran cómo la línea de investigación actual se dirige hacia un diseño instruccional que realmente
incorpora principios de aprendizaje cognitivo y tecnologías emergentes.
Tabla 1. Aportes fundamentales sobre la necesidad de un diseño instruccional cognitivamente
informado
Autor(es) Año Contribución principal
Chavarría, V. C.
M.
2023 Menciona que el diseño instruccional es esencial para garantizar la
funcionalidad y efectividad de los entornos virtuales de aprendizaje.
Del Solar, J. G. et
al.
2024 Hacen hincapié en la relación entre objetivos pedagógicos, herramientas
digitales y planificación didáctica.
Brunett-Zarza, K.
et al.
2024 Enfatizan la necesidad de ligar el diseño a teorías del aprendizaje y cómo
éstas ayudan a generar estructuras flexibles y coherentes en la enseñanza.
Vergara Avalos,
A. Y. et al.
2024 Critica las fallas de los diseños en pandemia y plantea que se reconsidere
su fundamento pedagógico.
Ruiz-Rojas, L. I.
et al.
2023 Presentan la matriz 4PADAFE como un marco para integrar principios
de aprendizaje con inteligencia artificial generativa.
Martin, F. y
Bolliger, D. U.
2023 Resaltan que es primordial ajustar un diseño en base a la cognición del
alumno.
Fuente: Elaboración propia (2025)
Todas las aportaciones llegan a la misma conclusión: si el diseño instructivo no se apoya en los
principios del aprendizaje humano, los entornos virtuales pueden quedar como estructuras operativas
sin un impacto formativo profundo. La atención a la carga cognitiva, la activación de habilidades
metacognitivas y el fomento de la autonomía del estudiante no son opcionales, son condiciones
esenciales para que el diseño educativo tenga calidad.
Autores como Ruiz-Rojas señalan que las matrices de diseño instruccional desempeñan un papel
fundamental en la organización de la inclusión de principios cognitivos en el proceso de planificación.
Las matrices de diseño instructivo son útiles, sobre todo cuando se combinan con tecnologías nuevas
como la inteligencia artificial generativa. Actualmente, el diseño instruccional sustentado en
fundamentos cognitivos no puede entenderse como un complemento, sino como un requisito
metodológico esencial para garantizar la solidez pedagógica y la calidad formativa de los entornos
virtuales (Ruiz-Rojas et al., 2023).
La Tabla 1 presenta un resumen de las contribuciones analizadas en la revisión de la literatura, las cuales
muestran cómo la línea de investigación actual se dirige hacia un diseño instruccional que realmente
incorpora principios de aprendizaje cognitivo y tecnologías emergentes.
Tabla 1. Aportes fundamentales sobre la necesidad de un diseño instruccional cognitivamente
informado
Autor(es) Año Contribución principal
Chavarría, V. C.
M.
2023 Menciona que el diseño instruccional es esencial para garantizar la
funcionalidad y efectividad de los entornos virtuales de aprendizaje.
Del Solar, J. G. et
al.
2024 Hacen hincapié en la relación entre objetivos pedagógicos, herramientas
digitales y planificación didáctica.
Brunett-Zarza, K.
et al.
2024 Enfatizan la necesidad de ligar el diseño a teorías del aprendizaje y cómo
éstas ayudan a generar estructuras flexibles y coherentes en la enseñanza.
Vergara Avalos,
A. Y. et al.
2024 Critica las fallas de los diseños en pandemia y plantea que se reconsidere
su fundamento pedagógico.
Ruiz-Rojas, L. I.
et al.
2023 Presentan la matriz 4PADAFE como un marco para integrar principios
de aprendizaje con inteligencia artificial generativa.
Martin, F. y
Bolliger, D. U.
2023 Resaltan que es primordial ajustar un diseño en base a la cognición del
alumno.
Fuente: Elaboración propia (2025)
Todas las aportaciones llegan a la misma conclusión: si el diseño instructivo no se apoya en los
principios del aprendizaje humano, los entornos virtuales pueden quedar como estructuras operativas
sin un impacto formativo profundo. La atención a la carga cognitiva, la activación de habilidades
metacognitivas y el fomento de la autonomía del estudiante no son opcionales, son condiciones
esenciales para que el diseño educativo tenga calidad.
pág. 10084
Se necesita avanzar a modelos de instrucción que integren, desde el inicio, una comprensión de los
procesos del pensamiento que sustentan el aprendizaje y que creen entornos en línea que sirvan.
Los estudios muestran que un diseño instruccional previene la sobrecarga cognitiva además señalan de
fomentar el aprendizaje que se retiene (Mayer, 2024). En este sentido, la Universidad Autónoma de
Occidente desarrolla el modelo FLEX, siendo un modelo que intenta dar respuesta a los desafíos
pedagógicos de la educación superior.
La Universidad Autónoma de Occidente a partir de años 2024 incluye asignaturas virtuales en su malla
curricular, baja el nuevo modelo implementado; modelo FLEX. El modelo FLEX se apoya en la
flexibilidad y la accesibilidad del aprendizaje. El modelo FLEX crea una estructura donde los alumnos
estudian parte de su formación de licenciatura en entornos virtuales asíncronos, los docentes se encargan
de llevar la capacitación para adecuar y diseñar los materiales como objetos de aprendizaje y planeación
de las actividades de acuerdo con la materia a impartir, mientras que existe un equipo técnico que se
encarga de diseñar la plataforma y cargar los contenidos a la misma. El modelo FLEX busca ampliar
las oportunidades educativas, sin comprometer la calidad y pertinencia académica. Sin embargo, la
implementación de modelos como FLEX muestran lo complejo que puede ser el diseño instruccional
en la práctica, especialmente cuando los diseñadores tienen restricciones de tiempo, niveles diversos de
experiencia pedagógica y marcos de capacitación aún en consolidación.
Aunque hay estudios sobre la calidad de los Entornos Virtuales de Aprendizaje (EVA), son escasos
aquellos que abordan el enfoque cognitivo y que se son centrados en el proceso real de diseño desde la
perspectiva del docente, lo cual representa un vacío en términos de investigación. Por tanto, es crucial
entender la forma en que los profesores conciben su propio proceso de diseño instruccional desde un
punto de vista cognitivo, sobre todo en modelos institucionales como el modelo FLEX. Es aquí donde
cobra importancia un diseño instruccional informado cognitivamente. Aunque el modelo FLEX ofrece
una arquitectura tecnológica y flexible, su potencial solo se puede realizar si los materiales que lo
sostienen están diseñados en base en como aprenden los estudiantes en la que los alumnos aprenden en
entornos virtuales. Esto implica no solo dominio técnico de plataformas, sino también la aplicación de
marcos teóricos como la teoría de la carga cognitiva (Sweller et al., 2019), el aprendizaje significativo
(Mayer, 2024) y el desarrollo de la autorregulación y metacognición (Panadero y Broadbent, 2018).
Se necesita avanzar a modelos de instrucción que integren, desde el inicio, una comprensión de los
procesos del pensamiento que sustentan el aprendizaje y que creen entornos en línea que sirvan.
Los estudios muestran que un diseño instruccional previene la sobrecarga cognitiva además señalan de
fomentar el aprendizaje que se retiene (Mayer, 2024). En este sentido, la Universidad Autónoma de
Occidente desarrolla el modelo FLEX, siendo un modelo que intenta dar respuesta a los desafíos
pedagógicos de la educación superior.
La Universidad Autónoma de Occidente a partir de años 2024 incluye asignaturas virtuales en su malla
curricular, baja el nuevo modelo implementado; modelo FLEX. El modelo FLEX se apoya en la
flexibilidad y la accesibilidad del aprendizaje. El modelo FLEX crea una estructura donde los alumnos
estudian parte de su formación de licenciatura en entornos virtuales asíncronos, los docentes se encargan
de llevar la capacitación para adecuar y diseñar los materiales como objetos de aprendizaje y planeación
de las actividades de acuerdo con la materia a impartir, mientras que existe un equipo técnico que se
encarga de diseñar la plataforma y cargar los contenidos a la misma. El modelo FLEX busca ampliar
las oportunidades educativas, sin comprometer la calidad y pertinencia académica. Sin embargo, la
implementación de modelos como FLEX muestran lo complejo que puede ser el diseño instruccional
en la práctica, especialmente cuando los diseñadores tienen restricciones de tiempo, niveles diversos de
experiencia pedagógica y marcos de capacitación aún en consolidación.
Aunque hay estudios sobre la calidad de los Entornos Virtuales de Aprendizaje (EVA), son escasos
aquellos que abordan el enfoque cognitivo y que se son centrados en el proceso real de diseño desde la
perspectiva del docente, lo cual representa un vacío en términos de investigación. Por tanto, es crucial
entender la forma en que los profesores conciben su propio proceso de diseño instruccional desde un
punto de vista cognitivo, sobre todo en modelos institucionales como el modelo FLEX. Es aquí donde
cobra importancia un diseño instruccional informado cognitivamente. Aunque el modelo FLEX ofrece
una arquitectura tecnológica y flexible, su potencial solo se puede realizar si los materiales que lo
sostienen están diseñados en base en como aprenden los estudiantes en la que los alumnos aprenden en
entornos virtuales. Esto implica no solo dominio técnico de plataformas, sino también la aplicación de
marcos teóricos como la teoría de la carga cognitiva (Sweller et al., 2019), el aprendizaje significativo
(Mayer, 2024) y el desarrollo de la autorregulación y metacognición (Panadero y Broadbent, 2018).
pág. 10085
La investigación ha demostrado que los entornos virtuales son efectivos solo si la información está
organizada de una manera lógica, evitando la sobrecarga informativa y promoviendo métodos activos
que involucren al estudiante en la construcción del conocimiento (Panadero y Broadbent, 2018).
Diversas investigaciones muestran que los entornos virtuales logran niveles elevados de efectividad si
los contenidos se organizan en una secuencia lógica, disminuyendo la sobrecarga de información y
promoviendo estrategias activas que involucren al alumno en la construcción del conocimiento (Martin
et al., 2020; Ifenthaler y Schumacher, 2016)
Por lo tanto, el modelo FLEX es un caso relevante para investigar la forma en que el diseño instruccional
puede combinarse con principios cognitivos y con medidas de capacitación institucional. A diferencia
de otros modelos, el modelo FLEX permite observar cómo la capacitación docente influye directamente
en la percepción de autoeficacia y en la calidad del diseño, dos variables poco estudiadas en contextos
públicos.
En este sentido, la investigación tiene como objetivo evaluar de qué manera la capacitación técnica y
pedagógica, además de el acompañamiento institucional, influyen en la autoeficacia percibida por los
docentes diseñadores que participan en el modelo FLEX, además de la apreciación sobre la calidad de
los materiales educativos que desarrollan. Para ello, se consideran tres dimensiones interrelacionadas:
la capacitación y las competencias adquiridas durante la formación, la organización del proceso de
diseño instruccional y los niveles de satisfacción y percepción de resultados alcanzados. El estudio parte
la idea de que el fortalecer la autoeficacia del diseñador no solo mejora la calidad de los materiales que
elabora, sino que también favorece su compromiso, motivación y disposición por realizar innovaciones
(Bandura, 1997). A partir de la consulta y los hallazgos del estudio con la literatura especializada, se
identifican patrones y sugerencias que refuerzan la comprensión del diseño instruccional desde una
perspectiva cognitivamente informada. La investigación permite identificar la relación entre las
percepciones de los docentes y los principios de la teoría de la carga cognitiva, el aprendizaje
significativo y la autorregulación. En este sentido, se espera que el análisis muestre hasta qué punto el
diseño instruccional del modelo FLEX es un reflejo de los principios cognitivos del aprendizaje,
convirtiéndose en un proceso de mejora continua que puede reforzarse a través del acompañamiento
institucional y la reflexión pedagógica.
La investigación ha demostrado que los entornos virtuales son efectivos solo si la información está
organizada de una manera lógica, evitando la sobrecarga informativa y promoviendo métodos activos
que involucren al estudiante en la construcción del conocimiento (Panadero y Broadbent, 2018).
Diversas investigaciones muestran que los entornos virtuales logran niveles elevados de efectividad si
los contenidos se organizan en una secuencia lógica, disminuyendo la sobrecarga de información y
promoviendo estrategias activas que involucren al alumno en la construcción del conocimiento (Martin
et al., 2020; Ifenthaler y Schumacher, 2016)
Por lo tanto, el modelo FLEX es un caso relevante para investigar la forma en que el diseño instruccional
puede combinarse con principios cognitivos y con medidas de capacitación institucional. A diferencia
de otros modelos, el modelo FLEX permite observar cómo la capacitación docente influye directamente
en la percepción de autoeficacia y en la calidad del diseño, dos variables poco estudiadas en contextos
públicos.
En este sentido, la investigación tiene como objetivo evaluar de qué manera la capacitación técnica y
pedagógica, además de el acompañamiento institucional, influyen en la autoeficacia percibida por los
docentes diseñadores que participan en el modelo FLEX, además de la apreciación sobre la calidad de
los materiales educativos que desarrollan. Para ello, se consideran tres dimensiones interrelacionadas:
la capacitación y las competencias adquiridas durante la formación, la organización del proceso de
diseño instruccional y los niveles de satisfacción y percepción de resultados alcanzados. El estudio parte
la idea de que el fortalecer la autoeficacia del diseñador no solo mejora la calidad de los materiales que
elabora, sino que también favorece su compromiso, motivación y disposición por realizar innovaciones
(Bandura, 1997). A partir de la consulta y los hallazgos del estudio con la literatura especializada, se
identifican patrones y sugerencias que refuerzan la comprensión del diseño instruccional desde una
perspectiva cognitivamente informada. La investigación permite identificar la relación entre las
percepciones de los docentes y los principios de la teoría de la carga cognitiva, el aprendizaje
significativo y la autorregulación. En este sentido, se espera que el análisis muestre hasta qué punto el
diseño instruccional del modelo FLEX es un reflejo de los principios cognitivos del aprendizaje,
convirtiéndose en un proceso de mejora continua que puede reforzarse a través del acompañamiento
institucional y la reflexión pedagógica.
pág. 10086
El objetivo de la investigación es poder ofrecer evidencia empírica de como los docentes perciben e
integran estos principios en su práctica de diseño, contribuyendo de esta manera a entender el impacto
cognitivo en el desarrollo e implementación de modelos instruccionales y EVAs, como el modelo
FLEX, en la educación universitaria virtual.
La presente investigación se justifica en la necesidad de generar modelos de intervención instruccional
y pedagógica que vayan más allá de no solo la implementación de técnicas de elaboración de objetos
de aprendizaje y elaboración de planes instruccionales en plataformas virtuales. En el contexto donde
el uso y la necesidad de la educación a distancia es cada vez mayor, pero sobre todo en las instituciones
públicas de educación superior en México, se requiere proporcionar evidencia empírica y
recomendaciones específicas para mejorar la formación de los diseñadores de aprendizaje. Este estudio
apoya al conocimiento existente al relacionar directamente el diseño instruccional con marcos teóricos
cognitivos, desde una perspectiva práctica, institucional y transformadora. Además, al analizar el caso
específico de la UAdeO, se proporciona un ejemplo replicable y escalable para otras universidades que
buscan elevar la calidad de sus programas virtuales.
METODOLOGÍA
El estudio se desarrolló bajo un enfoque cuantitativo, de tipo no experimental y diseño transversal, con
un alcance descriptivo–correlacional. Este enfoque hizo posible examinar de manera ordenada las
percepciones de los profesores mediante instrumentos especialmente diseñados, lo cual coincide con la
lógica de los estudios cuantitativos cuyo propósito es reconocer patrones y posibles vínculos entre
distintos factores (Pérez Castaños y García Santamaría, 2023). El carácter no experimental se justificó
al no manipular variables independientes, observándose las percepciones en su contexto natural durante
el semestre enero–julio de 2024 en el curso institucional de diseño instruccional de la Universidad
Autónoma de Occidente (UAdeO).
La población estuvo conformada por 36 docentes diseñadores de cursos virtuales. Se aplicó la fórmula
para poblaciones finitas (95 % de confianza y 5 % de error), obteniéndose una muestra representativa
de 33 participantes, quienes respondieron un cuestionario de 15 reactivos organizados en tres
dimensiones. Complementariamente, 31 docentes completaron por conveniencia la prueba antes–
después para evaluar cambios en autoeficacia percibida.
El objetivo de la investigación es poder ofrecer evidencia empírica de como los docentes perciben e
integran estos principios en su práctica de diseño, contribuyendo de esta manera a entender el impacto
cognitivo en el desarrollo e implementación de modelos instruccionales y EVAs, como el modelo
FLEX, en la educación universitaria virtual.
La presente investigación se justifica en la necesidad de generar modelos de intervención instruccional
y pedagógica que vayan más allá de no solo la implementación de técnicas de elaboración de objetos
de aprendizaje y elaboración de planes instruccionales en plataformas virtuales. En el contexto donde
el uso y la necesidad de la educación a distancia es cada vez mayor, pero sobre todo en las instituciones
públicas de educación superior en México, se requiere proporcionar evidencia empírica y
recomendaciones específicas para mejorar la formación de los diseñadores de aprendizaje. Este estudio
apoya al conocimiento existente al relacionar directamente el diseño instruccional con marcos teóricos
cognitivos, desde una perspectiva práctica, institucional y transformadora. Además, al analizar el caso
específico de la UAdeO, se proporciona un ejemplo replicable y escalable para otras universidades que
buscan elevar la calidad de sus programas virtuales.
METODOLOGÍA
El estudio se desarrolló bajo un enfoque cuantitativo, de tipo no experimental y diseño transversal, con
un alcance descriptivo–correlacional. Este enfoque hizo posible examinar de manera ordenada las
percepciones de los profesores mediante instrumentos especialmente diseñados, lo cual coincide con la
lógica de los estudios cuantitativos cuyo propósito es reconocer patrones y posibles vínculos entre
distintos factores (Pérez Castaños y García Santamaría, 2023). El carácter no experimental se justificó
al no manipular variables independientes, observándose las percepciones en su contexto natural durante
el semestre enero–julio de 2024 en el curso institucional de diseño instruccional de la Universidad
Autónoma de Occidente (UAdeO).
La población estuvo conformada por 36 docentes diseñadores de cursos virtuales. Se aplicó la fórmula
para poblaciones finitas (95 % de confianza y 5 % de error), obteniéndose una muestra representativa
de 33 participantes, quienes respondieron un cuestionario de 15 reactivos organizados en tres
dimensiones. Complementariamente, 31 docentes completaron por conveniencia la prueba antes–
después para evaluar cambios en autoeficacia percibida.
pág. 10087
Los criterios de inclusión fueron: participar en el curso institucional y responder voluntariamente el
instrumento. El instrumento fue aplicado mediante un formulario digital en Microsoft Forms, cuya
versión completa puede consultarse en el siguiente enlace: Cuestionario.
El instrumento fue validado por tres expertos en educación virtual y diseño instruccional, quienes
aseguraron pertinencia, claridad y coherencia en los reactivos. El instrumento incluyó 15 ítems
evaluados en escala de 1 a 10, agrupados en tres dimensiones: capacitación y competencias, proceso de
diseño instruccional, y satisfacción y resultados, además de una pregunta comparativa antes–después
para medir autoeficacia docente.
El análisis de datos se realizó en R versión 4.5.1 (RStudio), complementado con OriginPro. Se realizo
el análisis de estadística descriptiva (medias y desviaciones estándar), además de utilizar copulas
gaussianas para aumentar el tamaño de la muestra a 300 casos para dar mayor robustecer al análisis
estadístico, preservando la estructura de dependencia entre variables y con ello verificar la estabilidad
de los patrones observados y complementar la interpretación de los resultados.
Por otro lado, se estimó la confiabilidad del instrumento mediante alfa de Cronbach (α = 0.8927 en la
base original y α = 0.8663 en la base simulada). Se aplicaron las pruebas de normalidad Shapiro–Wilk,
Anderson–Darling y Kolmogorov–Smirnov, confirmando la ausencia de normalidad y justificando el
uso de pruebas no paramétricas. Con el fin de comparar las tres dimensiones, se aplicó la prueba no
paramétrica de Kruskal–Wallis.
Para el análisis antes–despues se evaluó la normalidad del vector de diferencias mediante las pruebas
de Shapiro–Wilk y Kolmogorov–Smirnov, las cuales arrojaron resultados divergentes. En contraste las
dos pruebas mostraron resultados diferente, mientras shapiro- Wilk mostro ausencia de normalidad en
los datos, la prueba de Kolmogoro Smirnov muestra que existen noramlidad en los mismos. En
consecuencia, se aplicaron de manera complementaria la prueba t de Student para muestras relacionadas
y la prueba no paramétrica de rangos con signo de Wilcoxon, con el fin de asegurar la robustez del
análisis y confirmar la significancia del cambio en la autoeficacia docente.
El estudio cumplió principios éticos de confidencialidad, anonimato y consentimiento informado por
parte de los participantes.
Los criterios de inclusión fueron: participar en el curso institucional y responder voluntariamente el
instrumento. El instrumento fue aplicado mediante un formulario digital en Microsoft Forms, cuya
versión completa puede consultarse en el siguiente enlace: Cuestionario.
El instrumento fue validado por tres expertos en educación virtual y diseño instruccional, quienes
aseguraron pertinencia, claridad y coherencia en los reactivos. El instrumento incluyó 15 ítems
evaluados en escala de 1 a 10, agrupados en tres dimensiones: capacitación y competencias, proceso de
diseño instruccional, y satisfacción y resultados, además de una pregunta comparativa antes–después
para medir autoeficacia docente.
El análisis de datos se realizó en R versión 4.5.1 (RStudio), complementado con OriginPro. Se realizo
el análisis de estadística descriptiva (medias y desviaciones estándar), además de utilizar copulas
gaussianas para aumentar el tamaño de la muestra a 300 casos para dar mayor robustecer al análisis
estadístico, preservando la estructura de dependencia entre variables y con ello verificar la estabilidad
de los patrones observados y complementar la interpretación de los resultados.
Por otro lado, se estimó la confiabilidad del instrumento mediante alfa de Cronbach (α = 0.8927 en la
base original y α = 0.8663 en la base simulada). Se aplicaron las pruebas de normalidad Shapiro–Wilk,
Anderson–Darling y Kolmogorov–Smirnov, confirmando la ausencia de normalidad y justificando el
uso de pruebas no paramétricas. Con el fin de comparar las tres dimensiones, se aplicó la prueba no
paramétrica de Kruskal–Wallis.
Para el análisis antes–despues se evaluó la normalidad del vector de diferencias mediante las pruebas
de Shapiro–Wilk y Kolmogorov–Smirnov, las cuales arrojaron resultados divergentes. En contraste las
dos pruebas mostraron resultados diferente, mientras shapiro- Wilk mostro ausencia de normalidad en
los datos, la prueba de Kolmogoro Smirnov muestra que existen noramlidad en los mismos. En
consecuencia, se aplicaron de manera complementaria la prueba t de Student para muestras relacionadas
y la prueba no paramétrica de rangos con signo de Wilcoxon, con el fin de asegurar la robustez del
análisis y confirmar la significancia del cambio en la autoeficacia docente.
El estudio cumplió principios éticos de confidencialidad, anonimato y consentimiento informado por
parte de los participantes.
pág. 10088
RESULTADOS
Los resultados del estudio permiten identificar patrones consistentes en la percepción docente respecto
al diseño instruccional en el modelo FLEX. Debido al tamaño reducido de la muestra original de 33
datos, se generaron 300 casos adicionales mediante cópulas gaussianas, lo cual permitió conservar la
estructura de dependencia entre los 15 reactivos y fortalecer la robustez estadística del análisis. La
comparación entre los valores originales y los simulados se presenta en la figura 1, en la que puede
observarse que ambos conjuntos muestran un comportamiento prácticamente idéntico, manteniendo la
jerarquía y tendencia de los promedios por ítem, lo cual confirma la estabilidad de la información
obtenida.
Figura1: Medias originales y simuladas por reactivo
Fuente: Elaboración propia (2025)
Los estadísticos descriptivos de los 15 reactivos se muestran en la Tabla 2, donde todas las medias de
los ítems alcanzan valores superiores a 8.0. Los puntajes más altos corresponden al Ítem 10 (media =
9.61; DE = 0.56), Ítem 7 (media = 9.58; DE = 0.66), Ítem 11 (media = 9.55; DE = 0.62) y Ítem 12
(media = 9.52; DE = 0.71), asociados a la de claridad de contenidos, retroalimentación y coherencia
del diseño. El valor más bajo se obtuvo en el Ítem 8 (media = 8.30; DE = 1.93), relacionado con la
adecuación del tiempo destinado al proceso de diseño instruccional, lo que evidencia que la gran
mayoría de los docentes coinciden que los tiempos para el diseño fue muy apresurado y deberá ser
RESULTADOS
Los resultados del estudio permiten identificar patrones consistentes en la percepción docente respecto
al diseño instruccional en el modelo FLEX. Debido al tamaño reducido de la muestra original de 33
datos, se generaron 300 casos adicionales mediante cópulas gaussianas, lo cual permitió conservar la
estructura de dependencia entre los 15 reactivos y fortalecer la robustez estadística del análisis. La
comparación entre los valores originales y los simulados se presenta en la figura 1, en la que puede
observarse que ambos conjuntos muestran un comportamiento prácticamente idéntico, manteniendo la
jerarquía y tendencia de los promedios por ítem, lo cual confirma la estabilidad de la información
obtenida.
Figura1: Medias originales y simuladas por reactivo
Fuente: Elaboración propia (2025)
Los estadísticos descriptivos de los 15 reactivos se muestran en la Tabla 2, donde todas las medias de
los ítems alcanzan valores superiores a 8.0. Los puntajes más altos corresponden al Ítem 10 (media =
9.61; DE = 0.56), Ítem 7 (media = 9.58; DE = 0.66), Ítem 11 (media = 9.55; DE = 0.62) y Ítem 12
(media = 9.52; DE = 0.71), asociados a la de claridad de contenidos, retroalimentación y coherencia
del diseño. El valor más bajo se obtuvo en el Ítem 8 (media = 8.30; DE = 1.93), relacionado con la
adecuación del tiempo destinado al proceso de diseño instruccional, lo que evidencia que la gran
mayoría de los docentes coinciden que los tiempos para el diseño fue muy apresurado y deberá ser
pág. 10089
tomado en futuras replicas, no obstante, se mantiene dentro de un rango positivo. La baja dispersión
general indica percepciones homogéneas y sostenidamente favorables.
Tabla 2. Estadísticos descriptivos de los 15 ítems evaluados.
Ítem Media original S original Media simulada S simulada
Item 1 9.18 1.13 9.11 1.27
Item 2 9.30 0.92 9.29 0.91
Item 3 9.45 0.62 9.48 0.63
Item 4 9.30 0.77 9.30 0.77
Item 5 9.36 1.03 9.42 0.98
Item 6 9.12 1.02 9.18 0.95
Item 7 9.58 0.66 9.61 0.58
Item 8 8.30 1.93 8.27 2.03
Item 9 9.36 0.90 9.38 0.85
Item 10 9.61 0.56 9.60 0.54
Item 11 9.55 0.62 9.57 0.59
Item 12 9.52 0.71 9.53 0.71
Item 13 9.15 0.83 9.14 0.81
Item 14 9.45 0.71 9.49 0.68
Item 15 9.42 0.71 9.44 0.66
Fuente: Elaboración Propia con RStudio (2025)
La confiabilidad del instrumento fue elevada tanto en la base original (α = 0.8927) como en la simulada
por copulas gaussianas (α = 0.8663), indicando consistencia interna en las tres dimensiones evaluadas.
Las pruebas de normalidad (Shapiro–Wilk, Anderson–Darling y Kolmogorov–Smirnov) confirmaron
la ausencia de distribución normal en ambas bases de datos, lo que justificó el uso de análisis no
paramétricos.
Los promedios por dimensión mostraron valores igualmente altos: Capacitación y competencias (9.27),
Proceso de diseño instruccional (9.19) y Satisfacción y resultados (9.42). Con el fin de comparar
estadísticamente estas tres dimensiones, se aplicó la prueba de Kruskal–Wallis utilizando las medias de
cada ítem por dimensión. Este análisis mostró un estadístico H = 1.7367 (gl = 2; p = 0.4196), lo que
indica que no existen diferencias significativas entre las dimensiones. Este hallazgo sugiere una
percepción equilibrada del proceso formativo, coherente con el diseño instruccional del modelo FLEX,
que promueve una capacitación homogénea y estandarizada.
tomado en futuras replicas, no obstante, se mantiene dentro de un rango positivo. La baja dispersión
general indica percepciones homogéneas y sostenidamente favorables.
Tabla 2. Estadísticos descriptivos de los 15 ítems evaluados.
Ítem Media original S original Media simulada S simulada
Item 1 9.18 1.13 9.11 1.27
Item 2 9.30 0.92 9.29 0.91
Item 3 9.45 0.62 9.48 0.63
Item 4 9.30 0.77 9.30 0.77
Item 5 9.36 1.03 9.42 0.98
Item 6 9.12 1.02 9.18 0.95
Item 7 9.58 0.66 9.61 0.58
Item 8 8.30 1.93 8.27 2.03
Item 9 9.36 0.90 9.38 0.85
Item 10 9.61 0.56 9.60 0.54
Item 11 9.55 0.62 9.57 0.59
Item 12 9.52 0.71 9.53 0.71
Item 13 9.15 0.83 9.14 0.81
Item 14 9.45 0.71 9.49 0.68
Item 15 9.42 0.71 9.44 0.66
Fuente: Elaboración Propia con RStudio (2025)
La confiabilidad del instrumento fue elevada tanto en la base original (α = 0.8927) como en la simulada
por copulas gaussianas (α = 0.8663), indicando consistencia interna en las tres dimensiones evaluadas.
Las pruebas de normalidad (Shapiro–Wilk, Anderson–Darling y Kolmogorov–Smirnov) confirmaron
la ausencia de distribución normal en ambas bases de datos, lo que justificó el uso de análisis no
paramétricos.
Los promedios por dimensión mostraron valores igualmente altos: Capacitación y competencias (9.27),
Proceso de diseño instruccional (9.19) y Satisfacción y resultados (9.42). Con el fin de comparar
estadísticamente estas tres dimensiones, se aplicó la prueba de Kruskal–Wallis utilizando las medias de
cada ítem por dimensión. Este análisis mostró un estadístico H = 1.7367 (gl = 2; p = 0.4196), lo que
indica que no existen diferencias significativas entre las dimensiones. Este hallazgo sugiere una
percepción equilibrada del proceso formativo, coherente con el diseño instruccional del modelo FLEX,
que promueve una capacitación homogénea y estandarizada.
pág. 10090
Para analizar el impacto de la capacitación en la percepción de autoeficacia docente, se trabajó con una
muestra por conveniencia de 31 docentes que completaron ambas mediciones del antes y después. El
análisis se basó en dos preguntas comparativas: (a) “Antes de la capacitación, ¿qué tan seguro te sentías
en tu habilidad para desarrollar cursos virtuales?” y (b) “Después de la capacitación, ¿qué tan seguro te
sientes ahora en tu habilidad para desarrollar cursos virtuales?”. Se evaluó la normalidad del vector de
diferencias entre las puntuaciones “antes” y “después”, observándose resultados divergentes: mientras
Shapiro–Wilk señaló ausencia de normalidad, Kolmogorov–Smirnov no la rechazó. Considerando la
naturaleza discreta de los datos y la presencia de valores repetidos, se realizaron dos pruebas
estadísticas, una mediante el uso para distribuciones normales que es la prueba paramétrica (t de Student
para muestras relacionadas) y una no paramétrica (rango con signo de Wilcoxon)— con el fin de
asegurar la robustez del análisis.
Los valores promedio mostraron un aumento sustancial en la autoeficacia docente, pasando de 6.13
antes de la capacitación a 9.32 después de ella, lo que representa una ganancia media de 3.19 puntos.
Los resultados inferenciales (Tabla 3) confirmaron que este incremento fue estadísticamente
significativo: la prueba t arrojó t = 7.83 (p < .001), mientras que la prueba de Wilcoxon reportó V = 0
(p < .001). Los dos análisis concuerdan en demostrar que la capacitación y acompañamiento tuvo un
impacto estadísticamente significativo en la seguridad y confianza de los docentes para desarrollar
materiales en cursos virtuales.
Tabla 3. Resultados del análisis antes–después de la percepción de autoeficacia docente.
Prueba
estadística
Tipo de
análisis Estadístico p-valor Interpretación
t de Student para
muestras
relacionadas
Paramétrica t = 7.83 < 0.001 Diferencia significativa entre las
medias antes y después de la
capacitación
Rangos con signo
de Wilcoxon
No
paramétrica
V = 0 < 0.001 Diferencia significativa entre las
medianas antes y después de la
capacitación
Fuente: Elaboración propia (2025)
En general, los resultados reflejan una percepción favorable y consistente con las ideas cognitivas del
aprendizaje de los maestros. La efectividad del modelo FLEX como estrategia institucional para integrar
Para analizar el impacto de la capacitación en la percepción de autoeficacia docente, se trabajó con una
muestra por conveniencia de 31 docentes que completaron ambas mediciones del antes y después. El
análisis se basó en dos preguntas comparativas: (a) “Antes de la capacitación, ¿qué tan seguro te sentías
en tu habilidad para desarrollar cursos virtuales?” y (b) “Después de la capacitación, ¿qué tan seguro te
sientes ahora en tu habilidad para desarrollar cursos virtuales?”. Se evaluó la normalidad del vector de
diferencias entre las puntuaciones “antes” y “después”, observándose resultados divergentes: mientras
Shapiro–Wilk señaló ausencia de normalidad, Kolmogorov–Smirnov no la rechazó. Considerando la
naturaleza discreta de los datos y la presencia de valores repetidos, se realizaron dos pruebas
estadísticas, una mediante el uso para distribuciones normales que es la prueba paramétrica (t de Student
para muestras relacionadas) y una no paramétrica (rango con signo de Wilcoxon)— con el fin de
asegurar la robustez del análisis.
Los valores promedio mostraron un aumento sustancial en la autoeficacia docente, pasando de 6.13
antes de la capacitación a 9.32 después de ella, lo que representa una ganancia media de 3.19 puntos.
Los resultados inferenciales (Tabla 3) confirmaron que este incremento fue estadísticamente
significativo: la prueba t arrojó t = 7.83 (p < .001), mientras que la prueba de Wilcoxon reportó V = 0
(p < .001). Los dos análisis concuerdan en demostrar que la capacitación y acompañamiento tuvo un
impacto estadísticamente significativo en la seguridad y confianza de los docentes para desarrollar
materiales en cursos virtuales.
Tabla 3. Resultados del análisis antes–después de la percepción de autoeficacia docente.
Prueba
estadística
Tipo de
análisis Estadístico p-valor Interpretación
t de Student para
muestras
relacionadas
Paramétrica t = 7.83 < 0.001 Diferencia significativa entre las
medias antes y después de la
capacitación
Rangos con signo
de Wilcoxon
No
paramétrica
V = 0 < 0.001 Diferencia significativa entre las
medianas antes y después de la
capacitación
Fuente: Elaboración propia (2025)
En general, los resultados reflejan una percepción favorable y consistente con las ideas cognitivas del
aprendizaje de los maestros. La efectividad del modelo FLEX como estrategia institucional para integrar
pág. 10091
espacios virtuales de aprendizaje se ve fortalecida por los resultados de medio-alto de confiabilidad, la
uniformidad en las tres dimensiones examinadas y la mejora significativa en la autoeficacia docente.
Además, al utilizar cópulas gaussianas para la simulación, se amplió la base de datos y se verificó que
los resultados eran consistentes, esto dando mayor veracidad para su futura aplicación y validez
estadística.
DISCUSIÓN
Los hallazgos de esta investigación nos permiten conocer como los profesores conciben la capacitación
del diseño instruccional para entornos virtuales incorporados al modelo FLEX de la Universidad
Autónoma de Occidente (UAdeO), desde un aspecto cognitivamente informado. En términos generales,
las tres dimensiones analizadas, “capacitación y competencias”, “proceso de diseño instruccional” y
“satisfacción y resultados” arrojaron valores de sus medias altas con poca variabilidad. Esto significa
que los profesores lograron comprender los principios del diseño instruccional vistos en la capacitación.
Esta perspectiva uniforme señala que la capacitación ofrecida logró integrar adecuadamente
componentes pedagógicos, técnicos y cognitivos en el diseño de cursos virtuales.
Estos hallazgos son coherentes con lo planteado por Mayer (2024), quien sostiene que la efectividad
del aprendizaje digital depende de la claridad estructural de los contenidos, la optimización de la carga
cognitiva y la adecuación de los recursos al funcionamiento mental del aprendiz. En la misma línea,
Panadero y Broadbent (2018) subraya que el desarrollo de habilidades de autorregulación y reflexión
metacognitiva es clave para consolidar prácticas docentes sólidas en entornos mediados por tecnología.
La ausencia de diferencias significativas entre las tres dimensiones, evidenciada por la prueba de
Kruskal–Wallis, sugiere que la capacitación equilibró la formación técnica con la dimensión reflexiva
del diseño instruccional, en concordancia con lo que proponen Ruiz-Rojas et al. (2023) respecto a
modelos cognitivamente informados que integran formación docente, diseño metodológico y
evaluación de resultados en un ciclo de mejora continua.
Desde una perspectiva institucional, los resultados confirman que el modelo FLEX se configura como
una estrategia formativa capaz de fortalecer las competencias docentes en educación virtual, al vincular
la planeación didáctica con la comprensión de los procesos cognitivos del estudiante. Sin embargo, el
menor puntaje observado en el ítem relativo al tiempo disponible para el diseño instruccional revela
espacios virtuales de aprendizaje se ve fortalecida por los resultados de medio-alto de confiabilidad, la
uniformidad en las tres dimensiones examinadas y la mejora significativa en la autoeficacia docente.
Además, al utilizar cópulas gaussianas para la simulación, se amplió la base de datos y se verificó que
los resultados eran consistentes, esto dando mayor veracidad para su futura aplicación y validez
estadística.
DISCUSIÓN
Los hallazgos de esta investigación nos permiten conocer como los profesores conciben la capacitación
del diseño instruccional para entornos virtuales incorporados al modelo FLEX de la Universidad
Autónoma de Occidente (UAdeO), desde un aspecto cognitivamente informado. En términos generales,
las tres dimensiones analizadas, “capacitación y competencias”, “proceso de diseño instruccional” y
“satisfacción y resultados” arrojaron valores de sus medias altas con poca variabilidad. Esto significa
que los profesores lograron comprender los principios del diseño instruccional vistos en la capacitación.
Esta perspectiva uniforme señala que la capacitación ofrecida logró integrar adecuadamente
componentes pedagógicos, técnicos y cognitivos en el diseño de cursos virtuales.
Estos hallazgos son coherentes con lo planteado por Mayer (2024), quien sostiene que la efectividad
del aprendizaje digital depende de la claridad estructural de los contenidos, la optimización de la carga
cognitiva y la adecuación de los recursos al funcionamiento mental del aprendiz. En la misma línea,
Panadero y Broadbent (2018) subraya que el desarrollo de habilidades de autorregulación y reflexión
metacognitiva es clave para consolidar prácticas docentes sólidas en entornos mediados por tecnología.
La ausencia de diferencias significativas entre las tres dimensiones, evidenciada por la prueba de
Kruskal–Wallis, sugiere que la capacitación equilibró la formación técnica con la dimensión reflexiva
del diseño instruccional, en concordancia con lo que proponen Ruiz-Rojas et al. (2023) respecto a
modelos cognitivamente informados que integran formación docente, diseño metodológico y
evaluación de resultados en un ciclo de mejora continua.
Desde una perspectiva institucional, los resultados confirman que el modelo FLEX se configura como
una estrategia formativa capaz de fortalecer las competencias docentes en educación virtual, al vincular
la planeación didáctica con la comprensión de los procesos cognitivos del estudiante. Sin embargo, el
menor puntaje observado en el ítem relativo al tiempo disponible para el diseño instruccional revela
pág. 10092
tensiones estructurales que ya han sido documentadas en otros contextos universitarios, donde la
sobrecarga laboral limita la calidad del diseño de cursos en línea, tal como señalan Vergara Avalos et al.
(2024) y Martin y Bolliger (2022). Este descubrimiento indica que es necesario continuar modificando
los marcos organizativos del modelo FLEX para proporcionar a los docentes condiciones más
beneficiosas para incorporar los principios cognitivos en su práctica diaria.
En este contexto, la incorporación paulatina de tecnologías de inteligencia artificial (IA) en la
capacitación de los docentes se presenta como un medio con posibilidades para enriquecer los procesos
de diseño instruccional y optimizar tiempos. De acuerdo con Gaete-Quezada y González-Muñoz (2025),
los profesores universitarios demuestran una actitud generalmente favorable hacia la utilización de la
IA como apoyo para las tareas de planeación, diseño de materiales y de evaluación, siempre que se
utilicen dentro de marcos pedagógicos y éticos bien definidos. Desde esta perspectiva, la IA pude ser
vista no solo como un recurso técnico, sino también como una ayuda cognitiva que permita expandir
las opciones para analizar, personalizar y monitorear el aprendizaje. El modelo FLEX proporciona un
contexto ideal para la investigación pedagógica asistida por inteligencia artificial, donde los maestros
tendrían la oportunidad de fortalecer su independencia, mejorar el tiempo de diseño y profundizar en el
análisis de las trayectorias educativas del alumnado.
En el aspecto metodológico, uno de los aportes más importantes de esta investigación es el uso de
cópulas gaussianas como técnica de simulación de datos, lo que permitió incrementar la base muestral
de 33 a 300 observaciones manteniendo la estructura de dependencia entre los reactivos originales. De
acuerdo Dehghani et al. (2021), a pesar de que la aplicación de cópulas ha sido más habitual en áreas
como las finanzas o el análisis actuarial, estudios recientes han empezado a analizar su uso en las
ciencias educativas y sociales como una técnica avanzada para validación estadística. En este estudio,
la simulación de copulas gaussianas mantuvo la relación uniforme con respecto a los datos reales, lo
cual fortalece los resultados obtenidos por la encuesta y la interpretación de una percepción positiva y
estable por parte del profesorado hacia la capacitación y diseño de materiales incorporados al modelo
FLEX. En consonancia con lo planteado por Quintana (2020), la simulación basada en dependencias
probabilísticas puede mejorar la precisión de las inferencias sin comprometer la autenticidad empírica
del fenómeno estudiado, especialmente en contextos donde el tamaño de muestra es limitado.
tensiones estructurales que ya han sido documentadas en otros contextos universitarios, donde la
sobrecarga laboral limita la calidad del diseño de cursos en línea, tal como señalan Vergara Avalos et al.
(2024) y Martin y Bolliger (2022). Este descubrimiento indica que es necesario continuar modificando
los marcos organizativos del modelo FLEX para proporcionar a los docentes condiciones más
beneficiosas para incorporar los principios cognitivos en su práctica diaria.
En este contexto, la incorporación paulatina de tecnologías de inteligencia artificial (IA) en la
capacitación de los docentes se presenta como un medio con posibilidades para enriquecer los procesos
de diseño instruccional y optimizar tiempos. De acuerdo con Gaete-Quezada y González-Muñoz (2025),
los profesores universitarios demuestran una actitud generalmente favorable hacia la utilización de la
IA como apoyo para las tareas de planeación, diseño de materiales y de evaluación, siempre que se
utilicen dentro de marcos pedagógicos y éticos bien definidos. Desde esta perspectiva, la IA pude ser
vista no solo como un recurso técnico, sino también como una ayuda cognitiva que permita expandir
las opciones para analizar, personalizar y monitorear el aprendizaje. El modelo FLEX proporciona un
contexto ideal para la investigación pedagógica asistida por inteligencia artificial, donde los maestros
tendrían la oportunidad de fortalecer su independencia, mejorar el tiempo de diseño y profundizar en el
análisis de las trayectorias educativas del alumnado.
En el aspecto metodológico, uno de los aportes más importantes de esta investigación es el uso de
cópulas gaussianas como técnica de simulación de datos, lo que permitió incrementar la base muestral
de 33 a 300 observaciones manteniendo la estructura de dependencia entre los reactivos originales. De
acuerdo Dehghani et al. (2021), a pesar de que la aplicación de cópulas ha sido más habitual en áreas
como las finanzas o el análisis actuarial, estudios recientes han empezado a analizar su uso en las
ciencias educativas y sociales como una técnica avanzada para validación estadística. En este estudio,
la simulación de copulas gaussianas mantuvo la relación uniforme con respecto a los datos reales, lo
cual fortalece los resultados obtenidos por la encuesta y la interpretación de una percepción positiva y
estable por parte del profesorado hacia la capacitación y diseño de materiales incorporados al modelo
FLEX. En consonancia con lo planteado por Quintana (2020), la simulación basada en dependencias
probabilísticas puede mejorar la precisión de las inferencias sin comprometer la autenticidad empírica
del fenómeno estudiado, especialmente en contextos donde el tamaño de muestra es limitado.
pág. 10093
Los hallazgos dentro de la prueba de dependencia antes y después de la capacitación mostró
estadísticamente que los docentes incrementaron significativamente su nivel de confianza para realizar
diseños de cursos virtuales, pasando de una media de 6.13 a 9.32. La prueba t de Student y la prueba de
rangos de signos de Wilcoxon indicaron que la autoeficacia percibida aumentó significativamente desde
el punto de vista estadístico. Este hallazgo es coherente tanto con la teoría de la cognición social de
Bandura (1997), que establece que la autoeficacia es un factor fundamental en el rendimiento
profesional, así como los aportes de Keller (2010), los cuales subrayan el rol que juegan la
retroalimentación genuina y la motivación para reforzar la confianza docente. En el marco de la UAdeO,
estos resultantes indican que la formación en diseño instruccional no solamente benefició el
conocimiento de procesos y herramientas, sino que además tuvo un efecto en los aspectos cognitivos y
emocionales del profesorado al afrontar la enseñanza en entornos digitales.
Por otra parte, los resultados sostienen la noción de que la práctica reflexiva, junto con un andamiaje
pedagógico bien estructurado, contribuye a una transformación relevante de la identidad profesional
docente. De acuerdo con Vergara-Ávalos et al. (2024), los entornos de formación que combinan la teoría
y la práctica fomentan el crecimiento de competencias metacognitivas y la confianza en uno mismo a
la hora de decidir sobre pedagogía, lo cual tiene un impacto directo en el diseño instruccional. En la
capacitación del modelo FLEX, se combinan actividades de formación y seguimiento institucional.
El estudio tiene ciertas limitaciones, aunque los hallazgos son sólidos. A pesar de que el tamaño de la
muestra fue representativa de la población docente que llevo a cabo la capacitación de los diseños
instruccionales, sigue siendo pequeña, lo cual restringe su generalización a otros entornos
institucionales. Futuros estudios podrían incluir diseños longitudinales que faciliten la evaluación de la
constancia de las transformaciones en la autoeficacia docente a través del tiempo, además de
investigaciones mixtas que combinen entrevistas, el análisis de productos de diseño instruccional y los
resultados del aprendizaje estudiantil.
Para resumir, los resultados y su análisis posibilitan sostener que la implementación del diseño
instruccional en el modelo FLEX demuestra una integración eficaz de fundamentos del aprendizaje
cognitivo, coherencia técnica y claridad metodológica. El perfeccionamiento de la autoeficacia docente,
sumado a la aplicación novedosa de métodos estadísticos como las cópulas gaussianas, evidencia que
Los hallazgos dentro de la prueba de dependencia antes y después de la capacitación mostró
estadísticamente que los docentes incrementaron significativamente su nivel de confianza para realizar
diseños de cursos virtuales, pasando de una media de 6.13 a 9.32. La prueba t de Student y la prueba de
rangos de signos de Wilcoxon indicaron que la autoeficacia percibida aumentó significativamente desde
el punto de vista estadístico. Este hallazgo es coherente tanto con la teoría de la cognición social de
Bandura (1997), que establece que la autoeficacia es un factor fundamental en el rendimiento
profesional, así como los aportes de Keller (2010), los cuales subrayan el rol que juegan la
retroalimentación genuina y la motivación para reforzar la confianza docente. En el marco de la UAdeO,
estos resultantes indican que la formación en diseño instruccional no solamente benefició el
conocimiento de procesos y herramientas, sino que además tuvo un efecto en los aspectos cognitivos y
emocionales del profesorado al afrontar la enseñanza en entornos digitales.
Por otra parte, los resultados sostienen la noción de que la práctica reflexiva, junto con un andamiaje
pedagógico bien estructurado, contribuye a una transformación relevante de la identidad profesional
docente. De acuerdo con Vergara-Ávalos et al. (2024), los entornos de formación que combinan la teoría
y la práctica fomentan el crecimiento de competencias metacognitivas y la confianza en uno mismo a
la hora de decidir sobre pedagogía, lo cual tiene un impacto directo en el diseño instruccional. En la
capacitación del modelo FLEX, se combinan actividades de formación y seguimiento institucional.
El estudio tiene ciertas limitaciones, aunque los hallazgos son sólidos. A pesar de que el tamaño de la
muestra fue representativa de la población docente que llevo a cabo la capacitación de los diseños
instruccionales, sigue siendo pequeña, lo cual restringe su generalización a otros entornos
institucionales. Futuros estudios podrían incluir diseños longitudinales que faciliten la evaluación de la
constancia de las transformaciones en la autoeficacia docente a través del tiempo, además de
investigaciones mixtas que combinen entrevistas, el análisis de productos de diseño instruccional y los
resultados del aprendizaje estudiantil.
Para resumir, los resultados y su análisis posibilitan sostener que la implementación del diseño
instruccional en el modelo FLEX demuestra una integración eficaz de fundamentos del aprendizaje
cognitivo, coherencia técnica y claridad metodológica. El perfeccionamiento de la autoeficacia docente,
sumado a la aplicación novedosa de métodos estadísticos como las cópulas gaussianas, evidencia que
pág. 10094
se pueden desarrollar tácticas educativas basadas en datos empíricos, con el objetivo de potenciar la
educación virtual universitaria en México y establecer nuevas líneas de trabajo relacionadas con el uso
responsable de tecnologías emergentes.
CONCLUSIÓN
La investigación muestra que la formación en el diseño instruccional del modelo FLEX incrementó las
habilidades de los maestros en la educación virtual. La encuesta enfocada en las tres dimensiones
analizadas: "Capacitación y competencias, Proceso de diseño instruccional" y "Resultados y
satisfacción", destaca que los maestros vieron esta capacitación de forma positiva. Esta percepción
indica que los profesores incorporaron de manera constante los principios del aprendizaje en la
planificación, organización y evaluación de las lecciones presenciales. El hecho de que la autoeficacia
del docente aumente después de la capacitación demuestra el impacto positivo del proceso formativo.
El proceso de formación refuerza la confianza y seguridad de los docentes.
El aumento estadísticamente significativo respecto a la media, en la autoeficacia docente después de la
capacitación confirma el impacto positivo del proceso formativo, al fortalecer la seguridad y confianza
del profesorado para diseñar materiales educativos y objetos de aprendizaje en entornos digitales. Los
datos indican que la articulación de componentes teóricos, prácticos y de acompañamiento institucional
funciona como una estrategia pertinente para fortalecer la apropiación de nociones centrales, como el
manejo de la carga cognitiva, la organización secuencial de la información y la creación de recursos
que promueven la comprensión y el autocontrol del proceso de aprendizaje por parte del estudiante.
Además, el uso de cópulas gaussianas para la simulación e incremento de datos se estableció como una
estrategia metodológica importante para reforzar la robustez de los análisis en contextos de muestras
pequeñas, manteniendo el patrón de relación existente entre los ítems evaluados. Este aporte
metodológico abre nuevas posibilidades para investigaciones educativas que están limitadas por
muestras pequeñas, y desean conocer el comportamiento que sigue dicha muestra al incrementarla
mediante copulas.
Los resultados también indican áreas de oportunidad para reforzar el modelo FLEX, sobre todo en
cuanto al tiempo disponible para diseñar la instrucción. Es esencial supervisar este aspecto para asegurar
que la aplicación de los principios cognitivos en la educación virtual se lleve a cabo en un contexto
se pueden desarrollar tácticas educativas basadas en datos empíricos, con el objetivo de potenciar la
educación virtual universitaria en México y establecer nuevas líneas de trabajo relacionadas con el uso
responsable de tecnologías emergentes.
CONCLUSIÓN
La investigación muestra que la formación en el diseño instruccional del modelo FLEX incrementó las
habilidades de los maestros en la educación virtual. La encuesta enfocada en las tres dimensiones
analizadas: "Capacitación y competencias, Proceso de diseño instruccional" y "Resultados y
satisfacción", destaca que los maestros vieron esta capacitación de forma positiva. Esta percepción
indica que los profesores incorporaron de manera constante los principios del aprendizaje en la
planificación, organización y evaluación de las lecciones presenciales. El hecho de que la autoeficacia
del docente aumente después de la capacitación demuestra el impacto positivo del proceso formativo.
El proceso de formación refuerza la confianza y seguridad de los docentes.
El aumento estadísticamente significativo respecto a la media, en la autoeficacia docente después de la
capacitación confirma el impacto positivo del proceso formativo, al fortalecer la seguridad y confianza
del profesorado para diseñar materiales educativos y objetos de aprendizaje en entornos digitales. Los
datos indican que la articulación de componentes teóricos, prácticos y de acompañamiento institucional
funciona como una estrategia pertinente para fortalecer la apropiación de nociones centrales, como el
manejo de la carga cognitiva, la organización secuencial de la información y la creación de recursos
que promueven la comprensión y el autocontrol del proceso de aprendizaje por parte del estudiante.
Además, el uso de cópulas gaussianas para la simulación e incremento de datos se estableció como una
estrategia metodológica importante para reforzar la robustez de los análisis en contextos de muestras
pequeñas, manteniendo el patrón de relación existente entre los ítems evaluados. Este aporte
metodológico abre nuevas posibilidades para investigaciones educativas que están limitadas por
muestras pequeñas, y desean conocer el comportamiento que sigue dicha muestra al incrementarla
mediante copulas.
Los resultados también indican áreas de oportunidad para reforzar el modelo FLEX, sobre todo en
cuanto al tiempo disponible para diseñar la instrucción. Es esencial supervisar este aspecto para asegurar
que la aplicación de los principios cognitivos en la educación virtual se lleve a cabo en un contexto
pág. 10095
institucional apropiado. En ese contexto, las futuras capacitaciones institucionales deberán incorporar
abiertamente el uso de herramientas de IA generativas como ChatGPT, Perplexity, Gemini, Copilot,
entre otras, y herramientas de diseño visual como Canva para crear presentaciones, imágenes,
infografías y materiales didácticos. La integración orientada de estas tecnologías puede llegar a mejorar
los tiempos de diseño, la calidad visual y pedagógica de los materiales y dar soporte cognitivo en el
proceso de planificación de cursos en línea.
Por último, se sugiere seguir realizando investigaciones longitudinales para evaluar la continuidad del
aumento en la autoeficacia de los docentes, además de estudios mixtos que exploren más a fondo el
vínculo entre cómo perciben los profesores la calidad del diseño instruccional y los resultados de
aprendizaje de sus alumnos. En resumen, este análisis proporciona datos empíricos significativos que
contribuyen a fortalecer el modelo FLEX y a crear programas de capacitación para profesores que
apunten a una educación virtual más fundamentada en términos cognitivos, pertinente y de mejor
calidad.
REFERENCIAS BIBLIOGRAFICAS
Bandura, A. (1997). Self-efficacy: The exercise of control (Vol. 11). Freeman.
Brunett-Zarza, K., Lira-García, A. A., Zarza-Villegas, S. S. S., Giles-Díaz, R. J., & López-González,
A. (2024). Relevancia del diseño instruccional en ambientes virtuales de aprendizaje: estudio
comparativo. Revista RedCA, 7(19), 109–136.
Dehghani, E., Ranjbar, S. H., Atashafrooz, M., Negarestani, H., Mosavi, A., & Kovacs, L. (2021).
Introducing Copula as a Novel Statistical Method in Psychological Analysis. International
Journal of Environmental Research and Public Health, 18(15).
https://doi.org/10.3390/ijerph18157972
Gaete-Quezada, R., & González-Muñoz, C. (2025). Percepciones del profesorado universitario en artes
y ciencias sociales sobre el uso de inteligencia artificial. Actualidades Investigativas En
Educación, 25(3), 1–34.
Hodges, C., Moore, S., Lockee, B., Trust, T., & Bond, A. (2020). The difference between emergency
remote teaching and online learning. Educause Review, 27(1), 1–9.
institucional apropiado. En ese contexto, las futuras capacitaciones institucionales deberán incorporar
abiertamente el uso de herramientas de IA generativas como ChatGPT, Perplexity, Gemini, Copilot,
entre otras, y herramientas de diseño visual como Canva para crear presentaciones, imágenes,
infografías y materiales didácticos. La integración orientada de estas tecnologías puede llegar a mejorar
los tiempos de diseño, la calidad visual y pedagógica de los materiales y dar soporte cognitivo en el
proceso de planificación de cursos en línea.
Por último, se sugiere seguir realizando investigaciones longitudinales para evaluar la continuidad del
aumento en la autoeficacia de los docentes, además de estudios mixtos que exploren más a fondo el
vínculo entre cómo perciben los profesores la calidad del diseño instruccional y los resultados de
aprendizaje de sus alumnos. En resumen, este análisis proporciona datos empíricos significativos que
contribuyen a fortalecer el modelo FLEX y a crear programas de capacitación para profesores que
apunten a una educación virtual más fundamentada en términos cognitivos, pertinente y de mejor
calidad.
REFERENCIAS BIBLIOGRAFICAS
Bandura, A. (1997). Self-efficacy: The exercise of control (Vol. 11). Freeman.
Brunett-Zarza, K., Lira-García, A. A., Zarza-Villegas, S. S. S., Giles-Díaz, R. J., & López-González,
A. (2024). Relevancia del diseño instruccional en ambientes virtuales de aprendizaje: estudio
comparativo. Revista RedCA, 7(19), 109–136.
Dehghani, E., Ranjbar, S. H., Atashafrooz, M., Negarestani, H., Mosavi, A., & Kovacs, L. (2021).
Introducing Copula as a Novel Statistical Method in Psychological Analysis. International
Journal of Environmental Research and Public Health, 18(15).
https://doi.org/10.3390/ijerph18157972
Gaete-Quezada, R., & González-Muñoz, C. (2025). Percepciones del profesorado universitario en artes
y ciencias sociales sobre el uso de inteligencia artificial. Actualidades Investigativas En
Educación, 25(3), 1–34.
Hodges, C., Moore, S., Lockee, B., Trust, T., & Bond, A. (2020). The difference between emergency
remote teaching and online learning. Educause Review, 27(1), 1–9.
pág. 10096
Ifenthaler, D., & Schumacher, C. (2016). Student perceptions of privacy principles for learning
analytics. Educational Technology Research and Development, 64(5), 923–938.
Kalyuga, S. (2023). Evolutionary perspective on human cognitive architecture in cognitive load theory:
A dynamic, emerging principle approach. Educational Psychology Review, 35(3), 91.
Keller, J. (2010). Motivational Design for Learning and Performance: The ARCS Model Approach. In
Motivational Design for Learning and Performance: The ARCS Model Approach.
https://doi.org/10.1007/978-1-4419-1250-3
Martin, F., & Bolliger, D. U. (2022). Designing online learning in higher education. Handbook of Open,
Distance and Digital Education, 1–20.
Martin, F., Drew, P., & Ritzhaupt, A. (2020). Bichronous online learning: Blending asynchronous and
synchronous online learning. EDUCAUSE Review (Online).
Mayer, R. E. (2024). The past, present, and future of the cognitive theory of multimedia learning.
Educational Psychology Review, 36(1), 8.
Panadero, E., & Broadbent, J. (2018). Developing evaluative judgement: A self-regulated learning
perspective. In Developing Evaluative Judgement in Higher Education (pp. 81–89). Routledge.
Pérez Castaños, S., & García Santamaría, S. (2023). La investigación cuantitativa. ¿ Cómo Investigar
En Didáctica de Las Ciencias Sociales? Fundamentos Metodológicos, Técnicas e Instrumentos
de Investigación. 2023, p. 121-196.
Quintana, D. S. (2020). A synthetic dataset primer for the biobehavioural sciences to promote
reproducibility and hypothesis generation. ELife, 9. https://doi.org/10.7554/eLife.53275
Ruiz-Rojas, L. I., Acosta-Vargas, P., De-Moreta-Llovet, J., & Gonzalez-Rodriguez, M. (2023).
Empowering Education with Generative Artificial Intelligence Tools: Approach with an
Instructional Design Matrix. Sustainability 2023, Vol. 15, Page 11524, 15(15), 11524.
https://doi.org/10.3390/SU151511524
Sweller, J., Van Merriënboer, J. J. G., & Paas, F. (2019). Cognitive architecture and instructional design:
20 years later. Educational Psychology Review, 31(2), 261–292.
Vergara Avalos, A. Y., Moreno Beltrán, R., & Olivo García, E. (2024). La evolución del diseño
instruccional en cursos e-learning durante la pandemia: un análisis retrospectivo de las
Ifenthaler, D., & Schumacher, C. (2016). Student perceptions of privacy principles for learning
analytics. Educational Technology Research and Development, 64(5), 923–938.
Kalyuga, S. (2023). Evolutionary perspective on human cognitive architecture in cognitive load theory:
A dynamic, emerging principle approach. Educational Psychology Review, 35(3), 91.
Keller, J. (2010). Motivational Design for Learning and Performance: The ARCS Model Approach. In
Motivational Design for Learning and Performance: The ARCS Model Approach.
https://doi.org/10.1007/978-1-4419-1250-3
Martin, F., & Bolliger, D. U. (2022). Designing online learning in higher education. Handbook of Open,
Distance and Digital Education, 1–20.
Martin, F., Drew, P., & Ritzhaupt, A. (2020). Bichronous online learning: Blending asynchronous and
synchronous online learning. EDUCAUSE Review (Online).
Mayer, R. E. (2024). The past, present, and future of the cognitive theory of multimedia learning.
Educational Psychology Review, 36(1), 8.
Panadero, E., & Broadbent, J. (2018). Developing evaluative judgement: A self-regulated learning
perspective. In Developing Evaluative Judgement in Higher Education (pp. 81–89). Routledge.
Pérez Castaños, S., & García Santamaría, S. (2023). La investigación cuantitativa. ¿ Cómo Investigar
En Didáctica de Las Ciencias Sociales? Fundamentos Metodológicos, Técnicas e Instrumentos
de Investigación. 2023, p. 121-196.
Quintana, D. S. (2020). A synthetic dataset primer for the biobehavioural sciences to promote
reproducibility and hypothesis generation. ELife, 9. https://doi.org/10.7554/eLife.53275
Ruiz-Rojas, L. I., Acosta-Vargas, P., De-Moreta-Llovet, J., & Gonzalez-Rodriguez, M. (2023).
Empowering Education with Generative Artificial Intelligence Tools: Approach with an
Instructional Design Matrix. Sustainability 2023, Vol. 15, Page 11524, 15(15), 11524.
https://doi.org/10.3390/SU151511524
Sweller, J., Van Merriënboer, J. J. G., & Paas, F. (2019). Cognitive architecture and instructional design:
20 years later. Educational Psychology Review, 31(2), 261–292.
Vergara Avalos, A. Y., Moreno Beltrán, R., & Olivo García, E. (2024). La evolución del diseño
instruccional en cursos e-learning durante la pandemia: un análisis retrospectivo de las
pág. 10097
transformaciones. RIDE. Revista Iberoamericana Para La Investigación y El Desarrollo
Educativo, 14(28).
transformaciones. RIDE. Revista Iberoamericana Para La Investigación y El Desarrollo
Educativo, 14(28).