nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
En los últimos años, la expansión de las TI compuestas por la RV y la RA ha supuesto un crecimiento exponencial de oportunidades en el ámbito de la educación superior. Los diferentes dispositivos actuales permiten crear escenarios simulados, mostrar visualmente los procesos más complejos, enriquecer la experiencia en tiempo real y superponer elementos digitales a la realidad (Radianti et al., 2020). Gracias a esta polivalencia han surgido las estrategias didácticas encauzadas para, por una parte, elevar la comprensión conceptual y; por otra, mejorar la motivación y la actitud del alumnado (Ciloglu y Ustun, 2023).
Numerosos informes científicos han documentado los beneficios de la RV y la RA en disciplinas como la medicina, las ingenierías, las ciencias naturales y la arquitectura, donde los estudiantes dependen de la representación espacial, la simulación práctica y la visualización detallada (Kalemkus y Kalemkus, 2023).
Por otra parte, el estado actual de la cuestión, a partir de las últimas revisiones sistemáticas, señala que esta serie de tecnologías puede aumentar la motivación, la atención y la retención de contenidos, incrementar la interacción social o disminuir los riesgos inherentes a ciertos escenarios de trabajo presencial (Garzón et al., 2019).
Aunque la adopción de tecnologías digitales en las aulas se presenta de manera general como un gran avance, la información rigurosa sobre su verdadero impacto sigue siendo dispersa e inconsistente, e incluso con resultados contradictorios. En efecto, hay informes que reportan incrementos significativos en calificaciones y comprensión conceptual (Dilling y Witzke, 2024), pero también estudios que solo detectan cambios positivos en la motivación, las actitudes o el sentido de pertenencia de los alumnos (Fabris et al., 2019). Esta misma mezcla de resultados sugiere que una revisión sistemática que agrupe y clasifique las intervenciones publicadas podría aportar orden, claridad y un mapa de evidencias accesibles. Al centrar la revisión en análisis experimentales y cuasi experimentales mayoritariamente, se busca identificar tendencias metodológicas, áreas disciplinares, tipos de efecto (cognitivo, emocional o actitudinal) y los huecos de información que aún persisten.
Este trabajo realiza una revisión sistemática de la literatura empírica relacionada con la RV y la RA en entornos universitarios, y describe cada experiencia de acuerdo con el dispositivo, la duración, el número de participantes y las métricas utilizadas para medir cambios cognitivos, emocionales, sociales y actitudinales. A partir de este análisis se plantean recomendaciones justificadas sobre la selección de tecnologías, la formación docente y la reconfiguración de los modelos didácticos. Así mismo, se identifican vacíos en la investigación y se propone la dirección de futuras líneas de investigación, así como acciones estratégicas institucionales.
El documento está organizado en cinco secciones. Después de la introducción, se exponen las cuestiones metodológicas del estudio, particularmente la forma en que se definió la muestra de estudios a revisar y los procedimientos del análisis. A continuación, se presentan los resultados de la revisión de la literatura, de acuerdo con el tipo de impacto, la disciplina y el procedimiento de evaluación. La sección de discusión contrapone las principales tendencias, brechas y oportunidades señaladas por los artículos revisados y la literatura más reciente. A su vez, las conclusiones ofrecen un resumen de aportaciones, además de posibles vías para la investigación y las implicaciones prácticas para el uso de las TI en la educación superior.
Metodología
El principal objetivo del estudio radica en la elaboración de una revisión de la literatura reciente sobre los efectos o beneficios que se derivan del uso de la RA y de la RV en el área de educación superior. Para ello, se siguió el conjunto de criterios que propone el protocolo PRISMA 2020, que para Page et al. (2021) es uno de los estándares mínimos que debe cumplir una revisión sistemática para extraer e interpretar la ciencia basada en la evidencia. La decisión de llevar a cabo una revisión sistemática cualitativa se debe principalmente a la necesidad de interpretar, en lugar de simplemente generalizar, los resultados con respecto a los efectos de estas herramientas sobre varias características del aprendizaje. Todos los estudios incluidos en el análisis fueron sujetos a varios criterios preestablecidos que garantizaron su relevancia y estándares metodológicos, y estuvieron alineados con los objetivos de investigación (Tabla 1).
Tabla 1 Criterios de inclusión y exclusión.
Fuente: Elaboración propia.
La revisión de la literatura estuvo sustentada en artículos académicos obtenidos en búsquedas llevadas a cabo entre el 16 de abril y el 12 de mayo desde tres bases de datos académicas: Scopus, Web of Science y EBSCOhost/Academic Search Ultimate. Las cadenas de búsqueda se configuraron en los términos que se explicitan a continuación:
("virtual reality" OR "augmented reality") AND (education OR "higher education" OR "tertiary education") AND (impact OR evaluation OR assessment) AND ("post-intervention" OR "learning outcomes" OR "educational effects")
A la vez que se realizaban las búsquedas, se establecieron los siguientes dos filtros principales: 1) se incluyeron solo artículos científicos escritos en inglés y español y 2) se restringió el rango de tiempo para solo tomar en cuenta aquellos publicados entre el 2017 y 2024. Para finalizar todos los registros obtenidos se organizaron y limpiaron en hojas de cálculo y gestores bibliográficos, de modo que se eliminaron duplicados y se estructuraron las referencias.
El proceso de cribado y selección se dividió en tres etapas consecutivas: a) una primera revisión de títulos y resúmenes, en la que se eliminaron de inmediato los trabajos evidentemente irrelevantes; b) una lectura exhaustiva de los textos que pasaron ese primer filtro que confirmó que los textos seleccionados cumplían los criterios de inclusión; y c) una valoración metodológica de los estudios finalmente admitidos, que se hizo con una rúbrica adaptada a diseños cualitativos, cuantitativos y mixtos, inspirada en el marco propuesto por Gough et al. (2017). Dicha rúbrica contempló tres dimensiones: (1) claridad metodológica, entendida como la precisión en la descripción del diseño, la muestra y las técnicas empleadas; (2) rigor y validez, referidos a la consistencia interna y a la adecuación de los instrumentos de medición; y (3) coherencia con los objetivos del estudio, que valoró la correspondencia entre la metodología y las preguntas de investigación. Cada dimensión se calificó en una escala ordinal de tres puntos (1 = débil, 2 = moderada, 3 = fuerte), y solo se mantuvieron para el análisis los estudios con una puntuación promedio igual o superior a dos. Todo este procedimiento quedó registrado de acuerdo con el diagrama de flujo PRISMA, el cual puede consultarse en la sección de resultados. De este modo se localizaron 21 estudios que satisfacen todos los requisitos previstos para el análisis.
De cada estudio seleccionado se extrajeron datos sobre: a) autor, año y lugar; b) nivel educacional y disciplina; c) tecnología empleada; d) diseño, tamaño muestral e instrumentos; y e) variables examinadas y hallazgos sobre el impacto educativo. La revisión fue apoyada en una codificación temática cualitativa mediante el cual se buscó patrones, coincidencias, discrepancias y vacíos en la evidencia. Este proceso fue realizado por dos revisores independientes, alcanzándose un acuerdo interevaluador satisfactorio (κ = 0.86); los casos de discrepancia fueron resueltos mediante consenso. La síntesis de los hallazgos se efectuó mediante un enfoque temático-narrativo, y el análisis de los datos se gestionó con el programa ATLAS.ti versión 23.0, que permitió ordenar, comparar y triangular la información procedente de los estudios incluidos.
En concordancia con las directrices del PRISMA 2020, se documentaron de manera transparente todas las etapas del proceso de revisión, desde la identificación y cribado de los registros hasta la inclusión final de los estudios analizados. Además del diagrama de flujo presentado en la sección de resultados, se elaboró el Checklist PRISMA 2020, que resume el cumplimiento de los 27 ítems recomendados para revisiones sistemáticas. Este instrumento (incluido como Anexo complementario) detalla la ubicación de cada elemento en el manuscrito y permite verificar la coherencia metodológica, la trazabilidad de la búsqueda y la exhaustividad del reporte, conforme a las normas propuestas por Page et al. (2021).
Una de las limitaciones que tiene este trabajo, hay que reconocerlo, es que sólo se revisaron fuentes que se encuentran en bases de datos indexadas y de acceso abierto. Si bien este tipo de revisión puede garantizar un estándar de calidad científica elevado, es probable que se hayan quedado aportes relevantes publicados en revistas no indexadas o de acceso restringido.
Resultados
Características generales de los estudios incluidos y matriz de extracción de datos
La Figura 1 contiene el diagrama de flujo del proceso de búsqueda, selección y depuración de estudios. La búsqueda inicial arrojó 689 referencias de tres bases de datos académicas reconocidas: Scopus (431), Web of Science (216) y EBSCOhost/Academic Search Ultimate (42). Tras aplicar filtros de relevancia, periodo de publicación (2017-2024), formato (artículo) e idioma (inglés o español), quedaron 142 registros. Tras la revisión del texto completo y la aplicación de los criterios de inclusión, se retuvieron 21 artículos, en tanto que 121 fueron descartados por carecer de evaluaciones posintervención, no disponer del texto completo o referirse a otros niveles educativos distintos a educación superior.
Efectos de la RV y la RA en la experiencia de aprendizaje en educación superior
A partir de los 21 estudios seleccionados se elaboró una matriz de extracción (Tabla 2) con datos sobre autoría, país, disciplina, tipo de tecnología empleada, diseño metodológico, muestra, instrumentos, variables examinadas y hallazgos clave.
Tabla 2 Matriz de extracción de datos de los estudios incluidos en la revisión.
| Estudio/ país | Área o disciplina | T | Diseño del estudio | n | Instrumentos principales | Variables evaluadas | Resultados clave |
|---|---|---|---|---|---|---|---|
| Abdullah et al. (2018) / Malasia | Ciencias Sociales | RV | Cuasi experimental (pre/posprueba) | 45 | Cuestionario pre y pos intervención | Percepción; interacción VR | ↑ Percepción de aprendizaje; ↑ interacción vs. métodos trad. |
| Abuhammad et al. (2021) / Jordania | Química medicinal | RV | Cuasi experimental | 41 | Encuestas pos uso | Visualización 3D; satisfacción | ↑ comprensión molecular; alta aceptación |
| Allcoat et al. (2021) / R. Unido | Multi-disciplinar | RV/ RA | Experimental comparativo (3 cond.) | 75 | Casco VR y RA; cuestionarios; prueba | Rendimiento; emociones; usabilidad | Rendimiento similar; RV ↑ presencia; ↑ aceptación |
| Andersen et al. (2021) / Dinamarca | Medicina | RV | Controlado aleatorizado | 19 | Simulación RV; evaluación práctica | Éxito; punciones; tiempo | RV ↑ éxito; ↓ punciones; tiempo similar |
| Cho y Park (2023) / Corea-Sur | Ciencias Ambientales | RV | Experimental | 30 | Cuestionarios; pruebas de conocimiento | Conocimiento; inmersión; motivación | ↑ conocimiento; alta inmersión y satisfacción |
| Dandil et al. (2022) / Turquía | Cs. Médicas (Anatomía) | RV/ RA | Desarrollo y evaluación | 30 | App móvil; cuestionarios; pruebas | Precisión anatómica; usabilidad; satisfacción | ↑ precisión; ↑ aceptación; útil para formación médica |
| De Back et al. (2020) / Países Bajos | Educación | RV | Experimental comparativo | 40 | Escenarios CAVE-VR y escritorio; cuestionarios | Colaboración; comprensión; satisfacción | ↑ colaboración y comprensión en CAVE-VR |
| Frøland et al. (2020) / Noruega | Ciencias biomédicas | RV | Experimental comparativo | 63 | Juegos VR, web y móviles; cuestionarios | Motivación; facilidad de uso; preferencia | ↑ motivación y percepción en VR; retos técnicos |
| Kim y Ahn (2021) / Corea-Sur | Enfermería | RV | Correlacional (regresión múltiple) | 121 | Cuestionarios estructurados | Presencia; ansiedad; autoeficacia; motivación | Presencia y motivación ↑ actitud positiva; ansiedad negativa |
| Lee et al. (2023) / Países Bajos | Medicina | RV | Piloto cuasi experimental | 14 | Simulación VR; rastreo ocular; cuestionarios | Carga cognitiva; desempeño | Pupilometría valida carga; diferencias objetiva-subjetiva |
| Lin et al. (2023) / China | Ciencias interactivas | RV | Experimental | 50 | HMD; sensores; cuestionario concentración | Concentración; rendimiento; postura | Modelo de concentración preciso; correlación con rendimiento |
| Makransky y Lilleholt (2018) / Dinamarca | Educación general | RV | Cuantitativo (SEM) | 104 | Cuestionarios estandarizados | Presencia; disfrute; ansiedad; motivación | ↑ presencia, disfrute e interés; emociones ↑ aprendizaje |
| Mansoory et al. (2021) / Irán | Medicina | RV | Cuasi experimental comparativo | 50 | Simulación VR; pruebas; cuestionarios | Conocimiento; satisfacción | ↑ conocimiento y satisfacción con VR |
| Mumtaz et al. (2017) / Pakistán | Ingeniería y ciencias de la computación | RA | Experimental | 45 | Plataforma RA; cuestionarios | Rendimiento; participación; utilidad | ↑ rendimiento y participación; percepción positiva |
| Omlor et al. (2022) / Alemania | Medicina | RV | Comparativo | 101 | Videos inmersivos; cuestionario | Realismo; facilidad; preferencia | ↑ realismo y motivación en VR inmersiva |
| Peixoto et al.(2023) / Brasil | Idiomas | RV | Cuasi experimental comparativo | 27 | Plataforma VR listening; pruebas | Comprensión auditiva; motivación | ↑ comprensión auditiva; ↑ motivación y satisfacción |
| Peters et al. (2023) / Alemania | Cs. Médicas (Cirugía) | RV | Ensayo controlado aleatorizado | 150 | Simulación VR; rúbrica de evaluación | Habilidad práctica; satisfacción | Habilidad VR similar a tutoría; mejor que e-learning; alta motivación |
| Ruan (2022) / China | Medio ambiente | RV | Cuasi experimental con control | 100 | Plataforma VR; pruebas; encuestas | Conocimiento; motivación; participación | ↑ conocimiento y motivación; eficaz para conciencia ambiental |
| Thompson et al. (2020) / EE.UU. | Ciencias de la salud | RV | Exploratorio descriptivo | 46 | Simulación VR; observación; encuestas | Participación; utilidad; satisfacción | Alta satisfacción; útil para visualizar conceptos complejos |
| Yang y Liu (2022) / China | Varias disciplinas | RV | Regresión jerárquica | 30 | Escalas compromiso y transferencia | Transferencia; engagement; eficacia | ↑ transferencia; engagement modera eficacia |
| Zare-Bidaki et al. (2022) / Irán | Cs. Médicas (psiquiatría) | RV | Cuasi experimental | 144 | Simulación; escalas; encuestas | Estigma; empatía; conocimiento | ↓ estigma; ↑ empatía; ↑ conocimiento clínico |
Nota. T = tecnología; n = muestra; RV = Realidad Virtual; RA = Realidad Aumentada; CAVE = Entorno automático de realidad virtual; HMD = Head-Mounted Display (casco).
Fuente: Elaboración propia.
En el plano cognitivo, los resultados muestran que la RV y la RA apoyan la comprensión de contenidos densos y técnicos, favorecen la memoria y mejoran la confianza del alumnado. Por ejemplo, Andersen et al. (2021) concluyen que los estudiantes de medicina que practican la colocación de catéteres con el simulador de RV presentan más habilidades, mientras que Ruan (2022) encuentran que los alumnos de ciencias ambientales que utilizan plataformas de RV aprenden mejor las relaciones de causa-efecto de la crisis ecológica. En matemáticas, los estudios de Mumtaz et al. (2017) constatan que los alumnos que trabajaban con RA recuerdan mejor las fórmulas en comparación con quienes usan materiales tradicionales.
Los beneficios también se extienden a la motivación y al compromiso, que son dos de los aspectos centrales que presenta el aprendizaje activo. Peixoto et al. (2023) encuentran que las mejoras en aprendizaje de idiomas (comprensión del inglés) que derivan del uso de plataformas de RV son estadísticamente significativas. De igual forma, Abdullah et al. (2018) muestran que, en el ámbito de ciencias sociales, las mejoras en aprendizaje están ligadas a una mayor interactividad (virtual) en escenarios de TI. Del mismo modo, De Back et al. (2020) señalan que los mundos inmersivos favorecen la colaboración y la resolución de problemas en grupo. En la medicina, Mansoory et al. (2021) subrayan que la RV incrementa gradualmente la confianza de los cirujanos menos experimentados a la vez que está directamente asociada a la preparación para enfrentar situaciones críticas, como puede ser el manejo de pacientes en coma. El impacto emocional es otro de los aspectos que aparece en una cantidad significativa de estudios. Makransky y Lilleholt (2018) registran aumentos en las emociones de disfrute y satisfacción derivados de la utilización de R; mientras que Omlor et al. (2022) demuestran que los videos inmersivos disminuyen las emociones de estrés y ansiedad de los estudiantes, especialmente durante la pandemia. Estas tecnologías también potencian la empatía, Zare-Bidaki et al. (2022) comprueban que estudiantes de medicina disminuyen el estigma hacia la psicosis tras las experiencias inmersivas, y Yang y Liu (2022) evidencian que la RV facilita mejores dinámicas en equipos clínicos. En conjunto, los resultados muestran que la RV y la RA no solo enriquecen la cognición, sino que influyen positivamente en actitudes, emociones y relaciones sociales.
Bases metodológicas de la evidencia empírica
En la literatura revisada existe una amplia diversidad metodológica, pero la mayoría de los estudios emplea diseños experimentales o cuasi experimentales, lo que permite contrastar con metodologías tradicionales y documentar mejoras significativas en rendimiento (Andersen et al., 2021; Abdullah et al., 2018). También se incluyen estudios de caso, como el de Abuhammad et al. (2021), centrado en química medicinal mediante videojuegos en RV.
Los instrumentos más frecuentes son los cuestionarios, que se utilizan para medir percepciones, satisfacción y actitudes (Kim y Ahn, 2021; Peixoto et al., 2023). Para mediciones del rendimiento académico se utilizan pruebas estandarizadas (Ruan, 2022), mientras que otros aplican observación estructurada (De Back et al., 2020), entrevistas o grupos focales (Mumtaz et al., 2017). Algunos estudios emplean métodos innovadores, como la pupilometría, empleada por ejemplo por Lee et al. (2023) para medir carga cognitiva en entornos inmersivos.
Las muestras oscilan entre 30 y 120 participantes, siendo los grupos más pequeños parte de estudios piloto (Andersen et al., 2021). El tiempo que duran las intervenciones es en su mayoría de una a cuatro semanas, con algunos casos de hasta ocho (Abdullah et al., 2018; Makransky y Lilleholt, 2018).
Los constructos más explorados son el rendimiento académico, la retención, la motivación y la satisfacción (Mansoory et al., 2021; Peixoto et al., 2023). Aunque menos frecuentes, también se analizan variables emocionales (Makransky y Lilleholt, 2018) y sociales (De Back et al., 2020). Tecnológicamente, la mayoría de los entornos inmersitos se desarrollaron con lentes de RV, que son dispositivos que se coloca en la cabeza y que proyecta imágenes generadas por computadora en dos pantallas, una para cada ojo, creando una sensación de inmersión en un mundo digital; mientras que la RA se implementó mayormente en dispositivos móviles, ofreciendo menor inmersión, pero mayor accesibilidad.
Disciplinas y modelos de enseñanza estudiados
Las disciplinas más representadas son la medicina y las ciencias de la salud, donde la RV se usa tanto para procedimientos clínicos (Andersen et al., 2021; Peters et al., 2023) como para fomentar empatía en salud mental (Zare-Bidaki et al., 2022). En ciencias ambientales y biológicas, las simulaciones 3D permiten observar fenómenos difíciles de captar en la realidad (Ruan, 2022; Cho y Park, 2023). En ciencias sociales, Abdullah et al. (2018) muestran que los entornos inmersivos facilitan la comprensión espacial de dinámicas sociales, mientras que en idiomas se documenta evidencia de mejoras en motivación y participación (Peixoto et al., 2023).
Los modelos pedagógicos más utilizados son consistentes con el aprendizaje experiencial, colaborativo y basado en problemas. Abdullah et al. (2018) ejemplifican el aprendizaje experiencial en ciencias sociales, De Back et al. (2020) muestran mejoras en habilidades socio-colaborativas con entornos CAVE (Cave Automatic Vitual Environment), y Mansoory et al. (2021) o Mumtaz et al. (2017) evidencian cómo la RV y la RA reducen la curva de aprendizaje en maniobras complejas. Peixoto et al. (2023) destacan el potencial de estas tecnologías para promover autorregulación en contextos mediados por LMS (Learning Management Systems).
Vacíos y líneas de investigación futura de los estudios
Pese al crecimiento del campo, se observan limitaciones importantes. La mayoría de los estudios son de corta duración, lo que impide evaluar efectos longitudinales y la transferencia de aprendizajes a contextos reales. También prevalece un sesgo hacia estudiantes de universidades de países desarrollados, lo que limita la generalización. Se requieren estudios que incluyan diversidad cultural, lingüística y económica, así como escenarios de menor infraestructura tecnológica.
Otra carencia es la falta de análisis exhaustivos sobre los efectos de estas tecnologías en motivación y actitud a largo plazo, así como en disciplinas poco exploradas como artes, filosofía o educación cívica. Además, persisten barreras como el alto costo, la falta de estandarización en las métricas y la necesidad de capacitar al profesorado. Superar estas limitaciones permitirá construir un cuerpo empírico más sólido y una implementación educativa más equitativa y sostenible.
Discusión
La aplicación de las tecnologías inmersivas en el área cognitiva se asocia con mejor comprensión de los contenidos, mayor rendimiento en las evaluaciones finales y mayor retención del aprendizaje. Estos efectos se comprenden mejor a partir de marcos pedagógicos que valoran la inmersión activa como medio principal para diseñar y reconstruir saberes, una idea que retoma las bases del constructivismo y del aprendizaje experiencial postuladas por autores clásicos en el área como Kolb (2014), y que continúa recibiendo respaldo en estudios empíricos recientes que matizan, amplían y actualizan su ámbito de aplicación.
La aplicación de las tecnologías inmersivas en el área cognitiva se asocia con la mejor comprensión de los contenidos, el mayor rendimiento en las evaluaciones finales y la mayor retención del aprendizaje. Estos beneficios se describen como múltiples porque las tareas en mundos tridimensionales y simulaciones interactivas hacen que las ideas abstractas se vuelvan concretas al convertirlas en un objeto físico con el que los estudiantes pueden interactuar, ver y examinar, con lo que se promueve un aprendizaje más significativo (Radianti et al., 2020). De manera similar, la literatura constata que tales experiencias son muy útiles para ayudar a aquellos que aprenden a pasar de la teoría a la práctica, especialmente en dominios más técnicos como la medicina (McInerney et al., 2022).
Desde el punto de vista de las actitudes, diferentes estudios reportan un gran incremento de la tasa de motivación, el compromiso y la satisfacción entre los estudiantes, todos ellos son indicadores muy relevantes para la participación auténtica durante el aprendizaje. La innovatividad, la relevancia y el control de esta experiencia en la clase parecen ser valoradas en las áreas de idiomas, así como en las ciencias sociales (Lan, 2020).
En lo que respecta a la dimensión emocional, la RV y la RA representan un canal para disminuir la ansiedad asociada al estudio, ya que el alumnado puede practicar y equivocarse sin tener que sufrir una consecuencia real. Tal afirmación tiene aún más relevancia en los campos de responsabilidad crítica, como lo son la salud y la medicina, donde un error menor podría tener consecuencias catastróficas (Camara y Hicks, 2020). Las estructuras de apoyo para reducir la ansiedad, que podrían mejorar el estado de salud mental, influyen a su vez en la autoeficacia y el autoconcepto del estudiante, los cuales propician el aprendizaje de tipo duradero (Turner et al., 2023).
A partir de la perspectiva social, los espacios colaborativos enriquecidos por la realidad virtual optimizan también las interacciones entre iguales y las competencias sociales de los estudiantes, lo que ha ocasionado que algunos autores, como Cakmakci et al. (2020), señalen que son el ejemplo ideal de lo que en la teoría se ha denominado “aprendizaje situado". De tal manera, ese espacio “colocalizado” mejora la comunicación, la alineación del grupo y la cooperación en la búsqueda de soluciones (Paulsen et al., 2024).
Hasta ahora, gran parte de la investigación se ha llevado a cabo en la medicina, en las ciencias ambientales y en la enseñanza de segundas lenguas. En estos ámbitos, la capacidad de modelar situaciones complejas y la posibilidad de práctica repetitiva dentro de ambientes controlados tienen ventajas evidentes para el desarrollo de habilidades necesarias y de carácter técnico. Aun así, se han documentado también aplicaciones en disciplinas como las ciencias sociales y las artes, lo que empieza a indicar una expansión gradual hacia contextos más variados (González-Zamar y Abad-Segura, 2020).
A pesar de estos avances, la literatura sigue mostrando varios vacíos significativos. Uno de los más pertinentes es el de la escasez de estudios longitudinales que den cuenta de la duración de los aprendizajes y de la manera en que se transforman las competencias a partir de esta tecnología (Pande et al., 2021). Además, la heterogeneidad geográfica y social de las muestras se sigue considerando muy limitada, ya que la mayoría de los estudios que se recogen en estas revisiones tienen lugar en universidades de países desarrollados; se reduce con ello la capacidad para generalizar los resultados obtenidos. La inclusión de contextos con menor acceso a la tecnología y de contextos socioculturales diferentes ayudaría a ofrecer una comprensión más compleja del impacto de estas herramientas en el aprendizaje (Adetunla et al., 2024).
Otro de los problemas raramente abordados es la carga cognitiva que puede suscitarse a partir del uso de estas tecnologías. Las investigaciones más recientes como las de Lee et al. (2023) que utilizan pupilometría sugieren que el empleo prolongado de tecnologías inmersivas en los procesos educativos puede suscitar una especie de sobrecarga cognitiva que obstaculiza el aprendizaje, especialmente en actividades que requieren un alto grado de concentración. De acuerdo con lo expuesto, el diseño instruccional debe cumplir con una equilibrada relación del nivel de inmersión y la complejidad del objeto de estudio (Sweller et al., 2019).
Conclusiones
En esta revisión sistemática se destaca el estado del arte sobre el impacto de la RV y la RA en la educación superior. Todos los estudios revisados coinciden en que existen efectos beneficiosos en diversos aspectos del aprendizaje, en particular los sociales, emocionales, cognitivos y actitudinales. Un hallazgo recurrente en la literatura actualizada es que estas tecnologías contribuyen a la comprensión y retención de conceptos complejos, la motivación y el compromiso estudiantil, y la creación de aulas emocionalmente seguras que fomentan la colaboración.
Investigaciones previas proporcionan ejemplos convergentes de aplicaciones profesionales en ámbitos como la medicina, las ciencias ambientales y la enseñanza de idiomas, donde la simulación y la práctica controlada han demostrado su eficacia. En conjunto, estos hallazgos respaldan teórica y conceptualmente los principios del aprendizaje experiencial, y sustentan empíricamente el diseño de cursos basados en la experiencia que incorporan la inmersión. Sin embargo, la mayoría de las investigaciones están basadas en muestras pequeñas y han sido desarrolladas en universidades de países desarrollados, además de estar fundamentadas en experiencias llevadas a cabo a corto plazo, por lo que estas limitaciones dificultan generalizar los resultados y empeoran la evaluación de su sostenibilidad a mediano y largo plazo, así como de los efectos relacionados con la carga cognitiva.
Desde un punto de vista aplicado, las conclusiones sugieren la necesidad de incorporar gradualmente la RV y la RA en el diseño curricular, como complemento del conocimiento conceptual y de las competencias profesionales. Desde la perspectiva tecnológica, las recomendaciones giran hacia promover la interoperabilidad de plataformas y determinar sobre qué contenidos pueden ser de calidad y accesibles para ayudar a mitigar la sobrecarga cognitiva. En lo que se refiere a las políticas públicas se presentan oportunidades para potenciar programas de inversión e incentivos que ayuden a reducir las brechas tecnológicas entre las instituciones. Finalmente, la formación del profesorado es un prerrequisito: la capacitación en el diseño, la adaptación y la evaluación de experiencias inmersivas es un aspecto muy importante para aprovechar estas tecnologías en la educación superior.
Futuras líneas de investigación
Por ello, se necesitan estudios longitudinales que permitan identificar qué habilidades se desarrollan y cómo se transfieren del contexto inicial al académico, y de este al ámbito laboral. Asimismo, resulta necesario profundizar en la relación entre el grado de inmersión al que se está expuesto, la carga cognitiva que se experimenta y la motivación del estudiante. De igual modo, sería pertinente explorar cómo generar sinergias entre los modelos pedagógicos consolidados y las técnicas de enseñanza basadas en realidad virtual y aumentada, con el propósito de construir un sistema común de métricas que permita evaluar de manera rigurosa el impacto educativo de estas tecnologías. Solo así podrá aprovecharse plenamente su potencial transformador, siempre que cada implementación vaya acompañada de un diseño educativo deliberado, riguroso y sostenible.
