Realidad virtual como herramienta para la enseñanza activa y el aprendizaje experiencial. Una revisión sistemática
Notice bibliographique
Résumé
La realidad virtual (RV) ha emergido como una herramienta innovadora en la educación, facilitando la enseñanza activa y el aprendizaje experiencial. El artículo tiene como objetivo evaluar la efectividad de la RV en la enseñanza activa y el aprendizaje experiencial, identificando sus beneficios, limitaciones y factores determinantes en el ámbito educativo. Se realizó una revisión sistemática siguiendo la metodología PRISMA. Se consultaron bases de datos como PubMed, Scopus y Web of Science (2010-2025). Se incluyeron estudios empíricos (ensayos clínicos, observacionales) sobre el impacto de la RV en el aprendizaje. La calidad metodológica se evaluó con ROB-2 y Newcastle-Ottawa. De 1,200 estudios identificados, 85 cumplieron los criterios de inclusión. Fueron seleccionados 22 artículos para la revisión sistemática. Los hallazgos indicaron que la RV mejora la retención de información, la motivación y la comprensión conceptual frente a métodos tradicionales. Se concluye que la RV potencia el aprendizaje experiencial y la enseñanza interactiva. Se requieren estudios adicionales para evaluar su accesibilidad y sostenibilidad en distintos contextos educativos.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».