NEUROEDUCACIÓN Y ENTORNOS NATURA-
LES: ENFOQUES COGNITIVOS PARA MEJO-
RAR LA RETENCIÓN DEL CONOCIMIENTO Y
LA CONCENTRACIÓN EN LA ENSEÑANZA DE
LAS CIENCIAS
NEUROEDUCATION AND NATURAL ENVIRONMENTS:
COGNITIVE APPROACHES TO IMPROVE KNOWLEDGE
RETENTION AND CONCENTRATION IN SCIENCE EDUCA-
TION
Luz Mercedes Almeida Bohórquez
Investigador Independiente,-Ecuador
Sandra Marisol Torres Cadena.
Investigador Independiente,-Ecuador
Hita De Jesús Mena Plazarte
Investigador Independiente,-Ecuador
pág. 615
DOI: https://doi.org/10.37811/cl_rcm.v9i2.16870
Neuroeducación y Entornos Naturales: Enfoques Cognitivos para Mejorar
la Retención del Conocimiento y la Concentración en la Enseñanza de las
Ciencias
Luz Mercedes Almeida Bohórquez1
luz.almeida@educacion.gob.ec
https://orcid.org/0009-0000-7916-6799
Ministerio de Educación del Ecuador
Sandra Marisol Torres Cadena
marisol.torres@educación.gob.ec
https://orcid.org/0009-0005-3442-5319
Ministerio de Educación del Ecuador
Hita De Jesús Mena Plazarte
hita.jesus@educacion.gob.ec
https://orcid.org/0009-0004-7698-1156
Ministerio de Educación del Ecuador
RESUMEN
El propósito de este estudio es investigar los efectos de la educación neuronal y el uso de entornos
naturales para optimizar el poder vinculante del conocimiento y la concentración de los estudiantes en
las aulas de ciencias y enfatizar especial énfasis en conceptos abstractos. Intentamos determinar la co-
rrelación entre los estímulos multisensoriales y la activación de los procesos neurobiológicos en el en-
torno natural, en relación con la integración de la atención sostenida, la memoria de trabajo y el apren-
dizaje importante. Se utilizó un enfoque sistemático mixto con dominación cualitativa. En la fase cuan-
titativa, se diseñó una revisión estandarizada de precauciones y memoria para la implementación en
habitaciones abiertas como jardines botánicos y espacios verdes en instituciones educativas. 120 estu-
diantes básicos estuvieron involucrados y divididos en grupos de control y prueba. La etapa cualitativa
implica la realización de entrevistas semiestructuradas con educadores y la realización de observaciones
sistemáticas durante las sesiones educativas. Además, los modelos matemáticos y las simulaciones arit-
méticas se utilizan para simplificar la comprensión de las estructuras abstractas a través de visualizacio-
nes interactivas para representar fenómenos físicos y biológicos complejos. Los resultados muestran
avances estadísticamente significativos en los niveles de concentración y la conservación del conoci-
miento experimental de las oraciones. Esto se indica con un aumento del 22% en los puntajes después
de la intervención. Las entrevistas mostraron una mayor motivación entre los estudiantes y una percep-
ción positiva del entorno natural como sala de estudio. La integración de simulaciones respaldadas por
modelos matemáticos nos dio una comprensión más detallada de conceptos como el ciclo biogeoquí-
mico, leyes de movimiento y estructuras nucleares, y barreras cognitivas leves asociadas con la abstrac-
ción. En conclusión, la educación neuronal, el contexto natural y la integración de equipos técnicos
basada en el modelado matemático es una estrategia educativa efectiva para mejorar los procesos cog-
nitivos fundamentales de las lecciones científicas. Se ha propuesto una implementación paso a paso en
una variedad de entornos educativos, y se tiene en cuenta la competencia para promover el aprendizaje
contextualizado profundo entre los estudiantes a nivel básico.
Palabras Claves: aprendizaje basado en la naturaleza, neurociencia educativa, memoria y atención, edu-
cación experiencial, modelos matemáticos
1 Autor principal
Correspondencia: luz.almeida@educacion.gob.ec
DOI: https://doi.org/10.37811/cl_rcm.v9i2.16870
Neuroeducación y Entornos Naturales: Enfoques Cognitivos para Mejorar
la Retención del Conocimiento y la Concentración en la Enseñanza de las
Ciencias
Luz Mercedes Almeida Bohórquez1
luz.almeida@educacion.gob.ec
https://orcid.org/0009-0000-7916-6799
Ministerio de Educación del Ecuador
Sandra Marisol Torres Cadena
marisol.torres@educación.gob.ec
https://orcid.org/0009-0005-3442-5319
Ministerio de Educación del Ecuador
Hita De Jesús Mena Plazarte
hita.jesus@educacion.gob.ec
https://orcid.org/0009-0004-7698-1156
Ministerio de Educación del Ecuador
RESUMEN
El propósito de este estudio es investigar los efectos de la educación neuronal y el uso de entornos
naturales para optimizar el poder vinculante del conocimiento y la concentración de los estudiantes en
las aulas de ciencias y enfatizar especial énfasis en conceptos abstractos. Intentamos determinar la co-
rrelación entre los estímulos multisensoriales y la activación de los procesos neurobiológicos en el en-
torno natural, en relación con la integración de la atención sostenida, la memoria de trabajo y el apren-
dizaje importante. Se utilizó un enfoque sistemático mixto con dominación cualitativa. En la fase cuan-
titativa, se diseñó una revisión estandarizada de precauciones y memoria para la implementación en
habitaciones abiertas como jardines botánicos y espacios verdes en instituciones educativas. 120 estu-
diantes básicos estuvieron involucrados y divididos en grupos de control y prueba. La etapa cualitativa
implica la realización de entrevistas semiestructuradas con educadores y la realización de observaciones
sistemáticas durante las sesiones educativas. Además, los modelos matemáticos y las simulaciones arit-
méticas se utilizan para simplificar la comprensión de las estructuras abstractas a través de visualizacio-
nes interactivas para representar fenómenos físicos y biológicos complejos. Los resultados muestran
avances estadísticamente significativos en los niveles de concentración y la conservación del conoci-
miento experimental de las oraciones. Esto se indica con un aumento del 22% en los puntajes después
de la intervención. Las entrevistas mostraron una mayor motivación entre los estudiantes y una percep-
ción positiva del entorno natural como sala de estudio. La integración de simulaciones respaldadas por
modelos matemáticos nos dio una comprensión más detallada de conceptos como el ciclo biogeoquí-
mico, leyes de movimiento y estructuras nucleares, y barreras cognitivas leves asociadas con la abstrac-
ción. En conclusión, la educación neuronal, el contexto natural y la integración de equipos técnicos
basada en el modelado matemático es una estrategia educativa efectiva para mejorar los procesos cog-
nitivos fundamentales de las lecciones científicas. Se ha propuesto una implementación paso a paso en
una variedad de entornos educativos, y se tiene en cuenta la competencia para promover el aprendizaje
contextualizado profundo entre los estudiantes a nivel básico.
Palabras Claves: aprendizaje basado en la naturaleza, neurociencia educativa, memoria y atención, edu-
cación experiencial, modelos matemáticos
1 Autor principal
Correspondencia: luz.almeida@educacion.gob.ec
pág. 616
Neuroeducation and Natural Environments: Cognitive Approaches to Im-
prove Knowledge Retention and Concentration in Science Education
ABSTRACT
The purpose of this study is to investigate the effects of neuroeducation and the use of natural environ-
ments to optimize the binding power of knowledge and student concentration in science classrooms,
with special emphasis on abstract concepts. We aim to determine the correlation between multisensory
stimuli and the activation of neurobiological processes in natural settings, in relation to the integration
of sustained attention, working memory, and meaningful learning. A mixed-methods systematic ap-
proach with qualitative dominance was used. In the quantitative phase, a standardized memory and at-
tention assessment was designed for implementation in open settings such as botanical gardens and
green spaces within educational institutions. A total of 120 elementary students were involved, divided
into control and experimental groups. The qualitative stage involved conducting semi-structured inter-
views with educators and performing systematic observations during educational sessions. Additionally,
mathematical models and arithmetic simulations were used to simplify the understanding of abstract
structures through interactive visualizations that represent complex physical and biological phenomena.
The results show statistically significant improvements in concentration levels and the retention of ex-
perimental scientific knowledge. This is evidenced by a 22% increase in post-intervention scores. Inter-
views revealed increased motivation among students and a positive perception of the natural environ-
ment as a learning space. The integration of simulations supported by mathematical modeling provided
a more detailed understanding of concepts such as the biogeochemical cycle, laws of motion, nuclear
structures, and minor cognitive barriers associated with abstraction. In conclusion, neuroeducation, the
natural context, and the integration of technical tools based on mathematical modeling form an effective
educational strategy to enhance core cognitive processes in science instruction. A step-by-step imple-
mentation plan is proposed for a variety of educational settings, taking into account teacher competency
to foster deep contextualized learning among elementary-level students.
Keywords: nature-based learning, educational neuroscience, memory and attention, experiential educa-
tion, mathematical models
Artículo recibido 13 febrero 2025
Aceptado para publicación: 19 marzo 2025
Neuroeducation and Natural Environments: Cognitive Approaches to Im-
prove Knowledge Retention and Concentration in Science Education
ABSTRACT
The purpose of this study is to investigate the effects of neuroeducation and the use of natural environ-
ments to optimize the binding power of knowledge and student concentration in science classrooms,
with special emphasis on abstract concepts. We aim to determine the correlation between multisensory
stimuli and the activation of neurobiological processes in natural settings, in relation to the integration
of sustained attention, working memory, and meaningful learning. A mixed-methods systematic ap-
proach with qualitative dominance was used. In the quantitative phase, a standardized memory and at-
tention assessment was designed for implementation in open settings such as botanical gardens and
green spaces within educational institutions. A total of 120 elementary students were involved, divided
into control and experimental groups. The qualitative stage involved conducting semi-structured inter-
views with educators and performing systematic observations during educational sessions. Additionally,
mathematical models and arithmetic simulations were used to simplify the understanding of abstract
structures through interactive visualizations that represent complex physical and biological phenomena.
The results show statistically significant improvements in concentration levels and the retention of ex-
perimental scientific knowledge. This is evidenced by a 22% increase in post-intervention scores. Inter-
views revealed increased motivation among students and a positive perception of the natural environ-
ment as a learning space. The integration of simulations supported by mathematical modeling provided
a more detailed understanding of concepts such as the biogeochemical cycle, laws of motion, nuclear
structures, and minor cognitive barriers associated with abstraction. In conclusion, neuroeducation, the
natural context, and the integration of technical tools based on mathematical modeling form an effective
educational strategy to enhance core cognitive processes in science instruction. A step-by-step imple-
mentation plan is proposed for a variety of educational settings, taking into account teacher competency
to foster deep contextualized learning among elementary-level students.
Keywords: nature-based learning, educational neuroscience, memory and attention, experiential educa-
tion, mathematical models
Artículo recibido 13 febrero 2025
Aceptado para publicación: 19 marzo 2025
pág. 617
INTRODUCCIÓN
Contextualización del tema en cuestión
En las últimas décadas, la educación científica ha experimentado cambios significativos a través de la
inclusión de modelos matemáticos y simulaciones interactivas. Estas herramientas permiten a los estu-
diantes comprender conceptos abstractos al permitirles visualizar y manipular representaciones de fe-
nómenos complejos (Jong y Van Joolingen, 1998). La neurociencia muestra que las interacciones entre
los estímulos sensoriales y los contextos dinámicos mejoran la memoria de trabajo y la integración del
conocimiento (Berns et al., 2013). En este contexto, la Fundación de Aprendizaje Natural (ABN) se ha
establecido como una estrategia innovadora en las lecciones de ciencias, promoviendo el desarrollo
cognitivo y la regulación emocional a través de la exposición al entorno natural (Kuo et al., 2019).
ABN incluye elementos del entorno natural en el proceso educativo y experiencias sensoriales mecani-
zadas que optimizan la atención y el almacenamiento de información. La investigación muestra que la
exposición a la naturaleza mejora el rendimiento de las tareas causales abstractas. Esto indica el poten-
cial para enseñar disciplinas como la física y las matemáticas (Dadvand et al., 2015). La integración de
ABN en síntomas digitales y modelos matemáticos puede mejorar la comprensión de fenómenos cien-
tíficos complejos y promover una capacitación más integrada y efectiva (Ardoin et al., 2020).
Revisión de los antecedentes
Muchos estudios han investigado los efectos de la naturaleza en los procesos de aprendizaje y las fun-
ciones cognitivas. Por ejemplo, Faber Tayo y Kuo (2009) encontraron que los niños con interacciones
más fuertes con la naturaleza tenían niveles más altos de concentración y niveles más bajos de voltaje.
Al mismo tiempo, la investigación sobre la educación neuronal ha demostrado que es importante activar
los trapos de corteza prefrontal en el medio ambiente natural. Esto es importante para la memoria y las
decisiones (Bratman et al., 2015).
En el campo de la educación científica, los modelos matemáticos y las simulaciones se utilizaron para
mejorar la educación de conceptos abstractos (Gopnik et al., 2017). Mayer (2020) señaló que las simu-
laciones interactivas mejoran la comprensión de los fenómenos físicos complejos al permitir experimen-
tos en contextos controlados. Además, investigaciones recientes han demostrado que el uso de
INTRODUCCIÓN
Contextualización del tema en cuestión
En las últimas décadas, la educación científica ha experimentado cambios significativos a través de la
inclusión de modelos matemáticos y simulaciones interactivas. Estas herramientas permiten a los estu-
diantes comprender conceptos abstractos al permitirles visualizar y manipular representaciones de fe-
nómenos complejos (Jong y Van Joolingen, 1998). La neurociencia muestra que las interacciones entre
los estímulos sensoriales y los contextos dinámicos mejoran la memoria de trabajo y la integración del
conocimiento (Berns et al., 2013). En este contexto, la Fundación de Aprendizaje Natural (ABN) se ha
establecido como una estrategia innovadora en las lecciones de ciencias, promoviendo el desarrollo
cognitivo y la regulación emocional a través de la exposición al entorno natural (Kuo et al., 2019).
ABN incluye elementos del entorno natural en el proceso educativo y experiencias sensoriales mecani-
zadas que optimizan la atención y el almacenamiento de información. La investigación muestra que la
exposición a la naturaleza mejora el rendimiento de las tareas causales abstractas. Esto indica el poten-
cial para enseñar disciplinas como la física y las matemáticas (Dadvand et al., 2015). La integración de
ABN en síntomas digitales y modelos matemáticos puede mejorar la comprensión de fenómenos cien-
tíficos complejos y promover una capacitación más integrada y efectiva (Ardoin et al., 2020).
Revisión de los antecedentes
Muchos estudios han investigado los efectos de la naturaleza en los procesos de aprendizaje y las fun-
ciones cognitivas. Por ejemplo, Faber Tayo y Kuo (2009) encontraron que los niños con interacciones
más fuertes con la naturaleza tenían niveles más altos de concentración y niveles más bajos de voltaje.
Al mismo tiempo, la investigación sobre la educación neuronal ha demostrado que es importante activar
los trapos de corteza prefrontal en el medio ambiente natural. Esto es importante para la memoria y las
decisiones (Bratman et al., 2015).
En el campo de la educación científica, los modelos matemáticos y las simulaciones se utilizaron para
mejorar la educación de conceptos abstractos (Gopnik et al., 2017). Mayer (2020) señaló que las simu-
laciones interactivas mejoran la comprensión de los fenómenos físicos complejos al permitir experimen-
tos en contextos controlados. Además, investigaciones recientes han demostrado que el uso de
pág. 618
tecnologías inmersivas como la realidad aumentada puede mejorarse proporcionando una representación
clara de los procesos naturales (Liu et al., 2022).
La intersección de la neurociencia y el aprendizaje basado en la naturaleza es de interés en la investiga-
ción educativa, particularmente con respecto al impacto en la memoria y la atención en la educación
científica. Investigaciones recientes han demostrado que la exposición al medio ambiente natural puede
tener un efecto positivo en los procesos cognitivos, promoviendo estados mentales que están más adop-
tando el aprendizaje relacionado con los contextos educativos tradicionales (Bernal Párraga et al., 2025).
En este contexto, crear estrategias educativas que combinen la neurociencia con el aprendizaje esencial-
mente práctico es una nueva forma de mejorar el rendimiento académico.
La investigación sobre el aprendizaje colaborativo y el pensamiento matemático muestra que la imple-
mentación de estrategias educativas experimentales basadas en la interacción y experimentales mejoran
la capacidad de los estudiantes para resolver problemas en los contextos cotidianos (Bernal Párraga et
al., 2025). Esta perspectiva subraya la importancia de los métodos positivos en la educación científica.
La investigación sobre el entorno natural y el uso de modelos matemáticos pueden ayudar a mejorar los
fenómenos complejos.
Al mismo tiempo, se ha reconocido generalmente el uso de técnicas educativas como modelos aritméti-
cos y simulaciones digitales para la capacidad de demostrar de forma visual e interactiva procesos cien-
tíficos abstractos. En este sentido, los estudios de Illescas Torres, (2024) demuestran la importancia de
utilizar estrategias técnicas en el desarrollo de una lectura amplia a edades jóvenes, lo que indica que el
uso de herramientas digitales apropiadas demuestra no solo acceso a la educación, sino también el uso
de la motivación y la motivación y la motivación. Motivación, motivación y retención cognitiva. Este
enfoque se presume en la educación científica, en la que la integración de las técnicas educativas en los
principios y componentes pedagógicos neurales del entorno natural puede proporcionar un entorno pe-
dagógico general. Dicha integración no solo mejora la comprensión de los fenómenos complejos a través
de la visualización y la simulación, sino que también ofrece oportunidades importantes para traer lec-
ciones en los procesos naturales del desarrollo cognitivo infantil y fortalecer el enfoque y la memoria
del aula.
tecnologías inmersivas como la realidad aumentada puede mejorarse proporcionando una representación
clara de los procesos naturales (Liu et al., 2022).
La intersección de la neurociencia y el aprendizaje basado en la naturaleza es de interés en la investiga-
ción educativa, particularmente con respecto al impacto en la memoria y la atención en la educación
científica. Investigaciones recientes han demostrado que la exposición al medio ambiente natural puede
tener un efecto positivo en los procesos cognitivos, promoviendo estados mentales que están más adop-
tando el aprendizaje relacionado con los contextos educativos tradicionales (Bernal Párraga et al., 2025).
En este contexto, crear estrategias educativas que combinen la neurociencia con el aprendizaje esencial-
mente práctico es una nueva forma de mejorar el rendimiento académico.
La investigación sobre el aprendizaje colaborativo y el pensamiento matemático muestra que la imple-
mentación de estrategias educativas experimentales basadas en la interacción y experimentales mejoran
la capacidad de los estudiantes para resolver problemas en los contextos cotidianos (Bernal Párraga et
al., 2025). Esta perspectiva subraya la importancia de los métodos positivos en la educación científica.
La investigación sobre el entorno natural y el uso de modelos matemáticos pueden ayudar a mejorar los
fenómenos complejos.
Al mismo tiempo, se ha reconocido generalmente el uso de técnicas educativas como modelos aritméti-
cos y simulaciones digitales para la capacidad de demostrar de forma visual e interactiva procesos cien-
tíficos abstractos. En este sentido, los estudios de Illescas Torres, (2024) demuestran la importancia de
utilizar estrategias técnicas en el desarrollo de una lectura amplia a edades jóvenes, lo que indica que el
uso de herramientas digitales apropiadas demuestra no solo acceso a la educación, sino también el uso
de la motivación y la motivación y la motivación. Motivación, motivación y retención cognitiva. Este
enfoque se presume en la educación científica, en la que la integración de las técnicas educativas en los
principios y componentes pedagógicos neurales del entorno natural puede proporcionar un entorno pe-
dagógico general. Dicha integración no solo mejora la comprensión de los fenómenos complejos a través
de la visualización y la simulación, sino que también ofrece oportunidades importantes para traer lec-
ciones en los procesos naturales del desarrollo cognitivo infantil y fortalecer el enfoque y la memoria
del aula.
pág. 619
Como parte del aprendizaje basado en la naturaleza, se usaron simulaciones matemáticas y modelos
aritméticos para presentar dinámicas ecológicas y fenómenos físicos, simplificando la visualización del
concepto de tracto ABS y facilitar experimentos en un entorno virtual controlado. Se ha demostrado que
la combinación de experiencias en el sitio con herramientas adaptativas Digitales en entornos naturales
mejora los lazos de conocimiento y participa activamente en el proceso de aprendizaje del estudiante.
A pesar de los avances en la inclusión de la neurociencia en el sector educativo, la implementación de
formas de integrar efectivamente el aprendizaje natural con enfoques técnicos sofisticados sigue siendo
desafiante. Es importante continuar considerando estrategias que promuevan la adaptación a diferentes
niveles de contextos educativos y culturales para maximizar los beneficios de estos enfoques y mejorar
el desarrollo cognitivo y la autonomía de los estudiantes en los procesos de enseñanza y aprendizaje.
Formulación del problema de investigación
Existe una creciente evidencia de los beneficios de ABN y, a pesar de la implementación de simulacio-
nes interactivas en el proceso de aprendizaje, existe una brecha en la integración de estos métodos en la
educación científica formal. Las indicaciones tradicionales en los campos de la física, la química y la
biología continúan dependiendo en gran medida de los materiales educativos estáticos que pueden limi-
tar la comprensión de los procesos dinámicos y abstractos (Barab y Dede, 2007).
La cuestión central de este estudio es la necesidad de desarrollar estrategias educativas que integren
efectivamente los modelos ABN y matemáticos para mejorar la memoria y la atención de los estudiantes
de ciencias de los estudiantes. Las preguntas de investigación son:
¿Cómo puede la integración de estos enfoques mejorar las motivaciones de los estudiantes en los riñones
académicos y en varios contextos educativos?
Fundamentación del análisis
Desde una perspectiva teórica, este estudio se basa en el constructivismo. Esto supone que el aprendizaje
es un proceso positivo para construir el conocimiento a través de la interacción con los alrededores
(Piaget, 1970; Vygotsky, 1978). En este contexto, ABN proporciona experiencias educativas que per-
miten a los estudiantes estudiar y descubrir conceptos científicos a través de la observación y experi-
mentación directa (Hodson, 2014). Además, la teoría de la carga cognitiva propuesta por Sweller (2021)
argumenta que el uso de recursos visuales como simulaciones y modelos aritméticos puede seleccionar
Como parte del aprendizaje basado en la naturaleza, se usaron simulaciones matemáticas y modelos
aritméticos para presentar dinámicas ecológicas y fenómenos físicos, simplificando la visualización del
concepto de tracto ABS y facilitar experimentos en un entorno virtual controlado. Se ha demostrado que
la combinación de experiencias en el sitio con herramientas adaptativas Digitales en entornos naturales
mejora los lazos de conocimiento y participa activamente en el proceso de aprendizaje del estudiante.
A pesar de los avances en la inclusión de la neurociencia en el sector educativo, la implementación de
formas de integrar efectivamente el aprendizaje natural con enfoques técnicos sofisticados sigue siendo
desafiante. Es importante continuar considerando estrategias que promuevan la adaptación a diferentes
niveles de contextos educativos y culturales para maximizar los beneficios de estos enfoques y mejorar
el desarrollo cognitivo y la autonomía de los estudiantes en los procesos de enseñanza y aprendizaje.
Formulación del problema de investigación
Existe una creciente evidencia de los beneficios de ABN y, a pesar de la implementación de simulacio-
nes interactivas en el proceso de aprendizaje, existe una brecha en la integración de estos métodos en la
educación científica formal. Las indicaciones tradicionales en los campos de la física, la química y la
biología continúan dependiendo en gran medida de los materiales educativos estáticos que pueden limi-
tar la comprensión de los procesos dinámicos y abstractos (Barab y Dede, 2007).
La cuestión central de este estudio es la necesidad de desarrollar estrategias educativas que integren
efectivamente los modelos ABN y matemáticos para mejorar la memoria y la atención de los estudiantes
de ciencias de los estudiantes. Las preguntas de investigación son:
¿Cómo puede la integración de estos enfoques mejorar las motivaciones de los estudiantes en los riñones
académicos y en varios contextos educativos?
Fundamentación del análisis
Desde una perspectiva teórica, este estudio se basa en el constructivismo. Esto supone que el aprendizaje
es un proceso positivo para construir el conocimiento a través de la interacción con los alrededores
(Piaget, 1970; Vygotsky, 1978). En este contexto, ABN proporciona experiencias educativas que per-
miten a los estudiantes estudiar y descubrir conceptos científicos a través de la observación y experi-
mentación directa (Hodson, 2014). Además, la teoría de la carga cognitiva propuesta por Sweller (2021)
argumenta que el uso de recursos visuales como simulaciones y modelos aritméticos puede seleccionar
pág. 620
capacidades de procesamiento de información reduciendo la sobrecarga mental y promoviendo el cono-
cimiento.
El conocimiento del enfoque de aprendizaje de Kolb Experience (1984) se crea a través de un ciclo de
experiencia concreta, reflexión, conceptualización abstracta y experimentación activa. Este marco revisa
los beneficios de un entorno natural de recursos digitales, lo que permite a los estudiantes interactuar
con fenómenos científicos de una manera activa, multisensorial y relevante. Al mismo tiempo, los estu-
dios de Novak (2010) han demostrado que el uso de representaciones visuales y tarjetas conceptuales a
partir de experiencias prácticas y de simulación mejoran el aprendizaje significativo.
Además, las pruebas neuro educacionales destacan el papel de la plasticidad cerebral y el medio am-
biente en la regulación de la función cognitiva en superior memoria, atención, autorregulación (Immor-
dino-Yang y Da-Masio, 2007; Tokuhama-Espinosa, 2011). Estos hallazgos respaldan el diseño de es-
trategias educativas que conectan la naturaleza, las emociones positivas con la resolución de problemas
y los elementos clave del aprendizaje científico. Este estudio también está respaldado por los principios
del modelo TPACK (que permite el uso claro de símbolos digitales y justifica las prácticas de campo en
el entorno natural.
Objetivo y metas
Objetivo general
Evalúe la efectividad del aprendizaje en función del entorno natural y combínelo con simulaciones y
modelos matemáticos para mejorar la comprensión cuidadosa y conceptual de los estudiantes básicos
en el campo de la ciencia.
Objetivos específicos
Analice el impacto de la exposición al medio ambiente natural en la concentración académica y el
rendimiento de
asignaturas científicas.
Determine la efectividad de las simulaciones digitales y los modelos matemáticos en conceptos de clase
en ciencias naturales.
Examinando las percepciones de los estudiantes y maestros sobre la implementación colaborativa de
estrategias basadas en equipos naturales y técnicos.
capacidades de procesamiento de información reduciendo la sobrecarga mental y promoviendo el cono-
cimiento.
El conocimiento del enfoque de aprendizaje de Kolb Experience (1984) se crea a través de un ciclo de
experiencia concreta, reflexión, conceptualización abstracta y experimentación activa. Este marco revisa
los beneficios de un entorno natural de recursos digitales, lo que permite a los estudiantes interactuar
con fenómenos científicos de una manera activa, multisensorial y relevante. Al mismo tiempo, los estu-
dios de Novak (2010) han demostrado que el uso de representaciones visuales y tarjetas conceptuales a
partir de experiencias prácticas y de simulación mejoran el aprendizaje significativo.
Además, las pruebas neuro educacionales destacan el papel de la plasticidad cerebral y el medio am-
biente en la regulación de la función cognitiva en superior memoria, atención, autorregulación (Immor-
dino-Yang y Da-Masio, 2007; Tokuhama-Espinosa, 2011). Estos hallazgos respaldan el diseño de es-
trategias educativas que conectan la naturaleza, las emociones positivas con la resolución de problemas
y los elementos clave del aprendizaje científico. Este estudio también está respaldado por los principios
del modelo TPACK (que permite el uso claro de símbolos digitales y justifica las prácticas de campo en
el entorno natural.
Objetivo y metas
Objetivo general
Evalúe la efectividad del aprendizaje en función del entorno natural y combínelo con simulaciones y
modelos matemáticos para mejorar la comprensión cuidadosa y conceptual de los estudiantes básicos
en el campo de la ciencia.
Objetivos específicos
Analice el impacto de la exposición al medio ambiente natural en la concentración académica y el
rendimiento de
asignaturas científicas.
Determine la efectividad de las simulaciones digitales y los modelos matemáticos en conceptos de clase
en ciencias naturales.
Examinando las percepciones de los estudiantes y maestros sobre la implementación colaborativa de
estrategias basadas en equipos naturales y técnicos.
pág. 621
Compare los resultados de aprendizaje entre los estudiantes y estudiantes con educación tradicional que
participan en propuestas educativas y estudiantes destinados a la naturaleza, la tecnología y el modelado.
La literatura científica actual respalda el valor del aprendizaje natural y la tecnología como una estra-
tegia efectiva para mejorar el rendimiento académico en la ciencia. Sin embargo, todavía se necesita
evidencia empírica para examinar su sinergia en el contexto de la educación básica. Este estudio busca
tratar esta brecha y propone un diseño sistemático mixto que analiza no solo el rendimiento académico,
sino también procesos neurocognitivos asociados con el aprendizaje clave de conceptos científicos abs-
tractos. El potencial de transformación de estos métodos puede contribuir a una capacitación más inte-
grada, dinámica e intensiva en los estudiantes.
METODOLOGÍA Y MATERIALES
Metodología de Investigación y Estructuración del Estudio
Este estudio utiliza un enfoque mixto que combina métodos cuantitativos y cualitativos para compren-
der mejor cómo la educación neural y el entorno natural influyen en la conservación del conocimiento
y la concentración en las lecciones de ciencias. Los diseños sistemáticos seleccionados son efectos de
investigación que permiten intervenciones directas en contextos educativos y evaluación en tiempo real
de sus efectos. Esta elección tiene el derecho de implementar estrategias educativas innovadoras y con-
textualizar su efectividad.
Selección y Caracterización de la Muestra
La población del estudio consiste en los primeros estudiantes básicos de la institución en un entorno
urbano. Se seleccionó una muestra de 60 estudiantes y se dividió en dos grupos, 30, participando en
actividades de aprendizaje en el entorno natural y participando en grupos de control que continuaron los
métodos de enseñanza tradicionales. Los criterios de inclusión incluyeron edad (edades de 6 a 7), dis-
posición a participar y aprobación basada en información de padres o tutores legales. Los tamaños de
muestra se determinaron considerando estudios previos que muestran que una muestra de este tamaño
es suficiente para reconocer diferencias significativas en los contextos educativos.
Tecnologías Emergentes Aplicadas en el Estudio
Las plataformas digitales y el software educativo se utilizan para complementar las actividades en en-
tornos naturales. Herramientas como Geogebra promueven conceptos matemáticos y visualización de
Compare los resultados de aprendizaje entre los estudiantes y estudiantes con educación tradicional que
participan en propuestas educativas y estudiantes destinados a la naturaleza, la tecnología y el modelado.
La literatura científica actual respalda el valor del aprendizaje natural y la tecnología como una estra-
tegia efectiva para mejorar el rendimiento académico en la ciencia. Sin embargo, todavía se necesita
evidencia empírica para examinar su sinergia en el contexto de la educación básica. Este estudio busca
tratar esta brecha y propone un diseño sistemático mixto que analiza no solo el rendimiento académico,
sino también procesos neurocognitivos asociados con el aprendizaje clave de conceptos científicos abs-
tractos. El potencial de transformación de estos métodos puede contribuir a una capacitación más inte-
grada, dinámica e intensiva en los estudiantes.
METODOLOGÍA Y MATERIALES
Metodología de Investigación y Estructuración del Estudio
Este estudio utiliza un enfoque mixto que combina métodos cuantitativos y cualitativos para compren-
der mejor cómo la educación neural y el entorno natural influyen en la conservación del conocimiento
y la concentración en las lecciones de ciencias. Los diseños sistemáticos seleccionados son efectos de
investigación que permiten intervenciones directas en contextos educativos y evaluación en tiempo real
de sus efectos. Esta elección tiene el derecho de implementar estrategias educativas innovadoras y con-
textualizar su efectividad.
Selección y Caracterización de la Muestra
La población del estudio consiste en los primeros estudiantes básicos de la institución en un entorno
urbano. Se seleccionó una muestra de 60 estudiantes y se dividió en dos grupos, 30, participando en
actividades de aprendizaje en el entorno natural y participando en grupos de control que continuaron los
métodos de enseñanza tradicionales. Los criterios de inclusión incluyeron edad (edades de 6 a 7), dis-
posición a participar y aprobación basada en información de padres o tutores legales. Los tamaños de
muestra se determinaron considerando estudios previos que muestran que una muestra de este tamaño
es suficiente para reconocer diferencias significativas en los contextos educativos.
Tecnologías Emergentes Aplicadas en el Estudio
Las plataformas digitales y el software educativo se utilizan para complementar las actividades en en-
tornos naturales. Herramientas como Geogebra promueven conceptos matemáticos y visualización de
pág. 622
científicos abstractos, lo que permite a los estudiantes interactuar con modelos dinámicos que profundi-
zan su comprensión. Además, las simulaciones interactivas se utilizan para integrar fenómenos natura-
les, tecnología y experiencias de aprendizaje para representar experiencias de aprendizaje para enrique-
cer el proceso educativo.
Desarrollo y Ejecución del Procedimiento
El procedimiento se desarrolla en cuatro fases.
Planificación: Diseño de actividades educativas, principios de educación neuronal y aprendizaje al en-
torno natural que se ajusta al plan de estudios de ciencias.
Capacitación: capacitación de maestros cuando se utiliza estrategias educativas basadas en la neurocien-
cia y el uso de nuevas tecnologías en la clase de ciencias
Implementación: Realización de actividades con grupos experimentales en entornos naturales. Se utili-
zarán nuevas tecnologías para mejorar el aprendizaje. Los grupos de control continúan los métodos
tradicionales en el aula.
Calificación: Recopilación y análisis de datos Evalúe el impacto de las intervenciones en el conoci-
miento y el conocimiento de la concentración de los estudiantes.
Estrategias y Herramientas para la Recolección de Datos
Se utiliza una variedad de equipos para la recopilación de datos.
Prueba de rendimiento académico: una revisión para medir la conservación de los conceptos científicos
antes y después de la intervención.
Observaciones estructuradas:
Registro sistemático de atención y comportamientos relacionados con la participación durante las acti-
vidades educativas.
Encuestas y entrevistas: colección de investigación y percepciones y expediciones de profesores rela-
cionadas con estrategias implementadas.
La validación y confiabilidad de estas herramientas se garantiza mediante pruebas piloto y el uso de
coeficientes estadísticos apropiados.
científicos abstractos, lo que permite a los estudiantes interactuar con modelos dinámicos que profundi-
zan su comprensión. Además, las simulaciones interactivas se utilizan para integrar fenómenos natura-
les, tecnología y experiencias de aprendizaje para representar experiencias de aprendizaje para enrique-
cer el proceso educativo.
Desarrollo y Ejecución del Procedimiento
El procedimiento se desarrolla en cuatro fases.
Planificación: Diseño de actividades educativas, principios de educación neuronal y aprendizaje al en-
torno natural que se ajusta al plan de estudios de ciencias.
Capacitación: capacitación de maestros cuando se utiliza estrategias educativas basadas en la neurocien-
cia y el uso de nuevas tecnologías en la clase de ciencias
Implementación: Realización de actividades con grupos experimentales en entornos naturales. Se utili-
zarán nuevas tecnologías para mejorar el aprendizaje. Los grupos de control continúan los métodos
tradicionales en el aula.
Calificación: Recopilación y análisis de datos Evalúe el impacto de las intervenciones en el conoci-
miento y el conocimiento de la concentración de los estudiantes.
Estrategias y Herramientas para la Recolección de Datos
Se utiliza una variedad de equipos para la recopilación de datos.
Prueba de rendimiento académico: una revisión para medir la conservación de los conceptos científicos
antes y después de la intervención.
Observaciones estructuradas:
Registro sistemático de atención y comportamientos relacionados con la participación durante las acti-
vidades educativas.
Encuestas y entrevistas: colección de investigación y percepciones y expediciones de profesores rela-
cionadas con estrategias implementadas.
La validación y confiabilidad de estas herramientas se garantiza mediante pruebas piloto y el uso de
coeficientes estadísticos apropiados.
pág. 623
Métodos de Análisis y Tratamiento de Datos
Se utilizan datos cuantitativos utilizando las técnicas estadísticas descritas y las técnicas de inferencia,
como: B. Muestras independientes y análisis de varianza (ANOVA) Prueba de estudiante-T analizada
para identificar diferencias significativas entre los grupos. Los datos cualitativos se analizan a través del
análisis de contenido. Esto identifica nuevas categorías y patrones en las respuestas de los participantes.
Principios Éticos y Consideraciones en la Investigación
Asegura la implementación de principios éticos básicos:
Declaración de consentimiento:
Participación de padres o estudiantes de aceptación de tutores legales.
Confidencialidad:
Protección de la identidad y privacidad de los participantes para garantizar el uso de información solo
para fines de investigación.
Actividades clave: Diseño de intervenciones que brindan beneficios educativos y no son riesgosos para
los participantes.
Alcances y Limitaciones del Estudio
El propósito de este estudio es proporcionar a las lecciones de ciencias información sobre la efectividad
de la integración del estudio neuronal y los entornos naturales. Sin embargo, se reconocen limitaciones
como la posibilidad de distorsión en las observaciones, las variables externas no controladas y la gene-
ralización de los resultados a otras poblaciones. Además, la implementación de nuevas tecnologías va-
riará con la disponibilidad de recursos y la capacitación del maestro. La consistencia de la metodología
y los objetivos de investigación propuestos tienen como objetivo obtener resultados fiables que garanti-
cen la reproducibilidad de la investigación y contribuyan a un mayor desarrollo del conocimiento en el
campo de la educación.
RESULTADOS Y ANÁLISIS
Resultados Cuantitativos
Los datos cuantitativos recibidos por pruebas de rendimiento académico estandarizadas en ciencias se
analizaron con SPSS. Los resultados muestran una mejora significativa en los valores medios de los
Métodos de Análisis y Tratamiento de Datos
Se utilizan datos cuantitativos utilizando las técnicas estadísticas descritas y las técnicas de inferencia,
como: B. Muestras independientes y análisis de varianza (ANOVA) Prueba de estudiante-T analizada
para identificar diferencias significativas entre los grupos. Los datos cualitativos se analizan a través del
análisis de contenido. Esto identifica nuevas categorías y patrones en las respuestas de los participantes.
Principios Éticos y Consideraciones en la Investigación
Asegura la implementación de principios éticos básicos:
Declaración de consentimiento:
Participación de padres o estudiantes de aceptación de tutores legales.
Confidencialidad:
Protección de la identidad y privacidad de los participantes para garantizar el uso de información solo
para fines de investigación.
Actividades clave: Diseño de intervenciones que brindan beneficios educativos y no son riesgosos para
los participantes.
Alcances y Limitaciones del Estudio
El propósito de este estudio es proporcionar a las lecciones de ciencias información sobre la efectividad
de la integración del estudio neuronal y los entornos naturales. Sin embargo, se reconocen limitaciones
como la posibilidad de distorsión en las observaciones, las variables externas no controladas y la gene-
ralización de los resultados a otras poblaciones. Además, la implementación de nuevas tecnologías va-
riará con la disponibilidad de recursos y la capacitación del maestro. La consistencia de la metodología
y los objetivos de investigación propuestos tienen como objetivo obtener resultados fiables que garanti-
cen la reproducibilidad de la investigación y contribuyan a un mayor desarrollo del conocimiento en el
campo de la educación.
RESULTADOS Y ANÁLISIS
Resultados Cuantitativos
Los datos cuantitativos recibidos por pruebas de rendimiento académico estandarizadas en ciencias se
analizaron con SPSS. Los resultados muestran una mejora significativa en los valores medios de los
pág. 624
grupos de prueba expuestos a estrategias basadas en la educación neuronal y el aprendizaje en el entorno
natural.
Tabla 1. Rendimiento Académico
Grupo N Media Desviación Estándar Mínimo Máximo
Control 30 71.4 6.8 60 82
Experimental 30 85.6 5.4 75 95
Gráfico 1 Desempeño Promedio por Grupo
Como se ve en la Tabla 1, el grupo de control recibió un promedio de 71.4 puntos (de = 6.8), mientras
que el grupo de prueba logró un promedio de 85.6 puntos (de = 5.4). La Figura 1 ilustra visualmente
esta diferencia en el rendimiento entre los dos grupos. Este hallazgo es consistente con las pruebas an-
teriores que muestran que las exposiciones respaldan procesos cognitivos importantes como la concen-
tración en el entorno natural y la memoria de la empresa (Bratman et al., 2019; Kuo et al., 2019). El uso
de la tecnología, los modelos matemáticos y las simulaciones interactivas han demostrado ser efectivas
para comprender los fenómenos abstractos (Jong y van Joolin-Gen, 1998; Mayer, 2020).
Resultados Cualitativos
Se crearon cinco categorías principales a partir del análisis de entrevistas y observaciones semiestructu-
radas en el aula: "mejor atención", "mayor retención", "motivación moderna", "participación activa" y
"dificultades técnicas" (Tabla 2).
grupos de prueba expuestos a estrategias basadas en la educación neuronal y el aprendizaje en el entorno
natural.
Tabla 1. Rendimiento Académico
Grupo N Media Desviación Estándar Mínimo Máximo
Control 30 71.4 6.8 60 82
Experimental 30 85.6 5.4 75 95
Gráfico 1 Desempeño Promedio por Grupo
Como se ve en la Tabla 1, el grupo de control recibió un promedio de 71.4 puntos (de = 6.8), mientras
que el grupo de prueba logró un promedio de 85.6 puntos (de = 5.4). La Figura 1 ilustra visualmente
esta diferencia en el rendimiento entre los dos grupos. Este hallazgo es consistente con las pruebas an-
teriores que muestran que las exposiciones respaldan procesos cognitivos importantes como la concen-
tración en el entorno natural y la memoria de la empresa (Bratman et al., 2019; Kuo et al., 2019). El uso
de la tecnología, los modelos matemáticos y las simulaciones interactivas han demostrado ser efectivas
para comprender los fenómenos abstractos (Jong y van Joolin-Gen, 1998; Mayer, 2020).
Resultados Cualitativos
Se crearon cinco categorías principales a partir del análisis de entrevistas y observaciones semiestructu-
radas en el aula: "mejor atención", "mayor retención", "motivación moderna", "participación activa" y
"dificultades técnicas" (Tabla 2).
pág. 625
Tabla 2 Categorías Emergentes Cualitativas
Categoría Emergente Frecuencia
Mejora en atención 18
Incremento en retención 20
Mayor motivación 22
Participación activa 17
Dificultades técnicas 8
Gráfico 2 Categorías Emergentes Cualitativas
Esta categoría fue con mayor frecuencia "más motivos" (n = 22), seguido de "mayor retención" (n = 20)
y "mejora de la atención" (n = 18). La Figura 2 visualiza la distribución de estas categorías y muestra
patrones positivos para las respuestas de los estudiantes y los maestros en relación con las intervenciones
aplicadas.
Estos hallazgos cualitativos se determinan por la metodología utilizada cuando se demuestran las per-
cepciones preferidas de los estudiantes. (2020) y Bernal Párraga et al. (2024) Aprendizaje activo y con-
texto de la naturaleza.
Comparación y Contraste de Ambos Resultados
Los hallazgos evidencian una concordancia evidente entre las variables cuantitativas y cualitativas: tanto
el rendimiento académico como las percepciones de los participantes corroboran la eficacia del enfoque
combinado. Las correlaciones identificadas fortalecen la suposición de que los ambientes naturales, en
conjunción con la implementación de simulaciones, promueven la retención del conocimiento y la con-
centración (Faber Taylor & Kuo, 2009; Dadvand et al., 2015). Aunque los datos cuantitativos ponen de
Tabla 2 Categorías Emergentes Cualitativas
Categoría Emergente Frecuencia
Mejora en atención 18
Incremento en retención 20
Mayor motivación 22
Participación activa 17
Dificultades técnicas 8
Gráfico 2 Categorías Emergentes Cualitativas
Esta categoría fue con mayor frecuencia "más motivos" (n = 22), seguido de "mayor retención" (n = 20)
y "mejora de la atención" (n = 18). La Figura 2 visualiza la distribución de estas categorías y muestra
patrones positivos para las respuestas de los estudiantes y los maestros en relación con las intervenciones
aplicadas.
Estos hallazgos cualitativos se determinan por la metodología utilizada cuando se demuestran las per-
cepciones preferidas de los estudiantes. (2020) y Bernal Párraga et al. (2024) Aprendizaje activo y con-
texto de la naturaleza.
Comparación y Contraste de Ambos Resultados
Los hallazgos evidencian una concordancia evidente entre las variables cuantitativas y cualitativas: tanto
el rendimiento académico como las percepciones de los participantes corroboran la eficacia del enfoque
combinado. Las correlaciones identificadas fortalecen la suposición de que los ambientes naturales, en
conjunción con la implementación de simulaciones, promueven la retención del conocimiento y la con-
centración (Faber Taylor & Kuo, 2009; Dadvand et al., 2015). Aunque los datos cuantitativos ponen de
pág. 626
manifiesto una mejora cuantificable en el desempeño, los datos cualitativos enriquecen la interpretación
al mostrar elementos motivacionales y emocionales que participan en el proceso de aprendizaje.
Síntesis de los Resultados
En resumen, los hallazgos confirman las hipótesis planteadas. La intención estratégica basada en la neu-
roeducación, el aprendizaje en la naturaleza, el uso de los modelos matemáticos y la simulación inter-
activa tienen un efecto positivo en las lecciones de ciencias. La intervención no solo mejoró el rendi-
miento académico, sino que también mejoró las medidas de atención, motivación y participación de los
estudiantes. Estos resultados plantean la necesidad de explorar más a fondo las prácticas de enseñanza
innovadores que consideran los resultados de la neurociencia y las condiciones ambientales como fac-
tores fundamentales en el diseño de experiencias de aprendizaje importantes y sostenibles.
DISCUSIÓN
4.1 Interpretación de los Resultados
Los resultados obtenidos confirman que la integración de modelos matemáticos y entornos naturales
contribuye significativamente a mejorar la unión y la concentración de conocimiento en las lecciones
de ciencias. La exposición a contextos naturales ha demostrado ser un enfoque atencional continuo y
una reducción del estrés cognitivo. Este es un hallazgo en línea con investigaciones anteriores sobre los
beneficios del aprendizaje en espacios abiertos (Chawla, 2021; Berto y Barbiero, 2017). En segundo
lugar, las simulaciones interactivas y los modelos matemáticos promovieron la comprensión de los con-
ceptos abstractos, la reducción del estrés cognitivo y permitieron representaciones visuales efectivas de
fenómenos complejos (Jong et al., Smetana y Bell, 2012, 2021).
La combinación de educación neuronal y aprendizaje basado en la naturaleza representa un nuevo en-
foque pedagógico que puede promover la plasticidad sináptica, mejorar la memoria de trabajo y aumen-
tar la motivación intrínseca de los estudiantes (Immordino-Yang y Damasio, 2007; Immordino-Yang,
2016). La actividad cortical en la corteza prefrontal asociada con el pensamiento científico se estimula
cuando los estudiantes interactúan con la visualización digital estructurada simultáneamente con su rico
entorno sensorial (Stevenson et al., 2018; Bratman et al., 2019). 444 444 4.2
Comparación con estudios
manifiesto una mejora cuantificable en el desempeño, los datos cualitativos enriquecen la interpretación
al mostrar elementos motivacionales y emocionales que participan en el proceso de aprendizaje.
Síntesis de los Resultados
En resumen, los hallazgos confirman las hipótesis planteadas. La intención estratégica basada en la neu-
roeducación, el aprendizaje en la naturaleza, el uso de los modelos matemáticos y la simulación inter-
activa tienen un efecto positivo en las lecciones de ciencias. La intervención no solo mejoró el rendi-
miento académico, sino que también mejoró las medidas de atención, motivación y participación de los
estudiantes. Estos resultados plantean la necesidad de explorar más a fondo las prácticas de enseñanza
innovadores que consideran los resultados de la neurociencia y las condiciones ambientales como fac-
tores fundamentales en el diseño de experiencias de aprendizaje importantes y sostenibles.
DISCUSIÓN
4.1 Interpretación de los Resultados
Los resultados obtenidos confirman que la integración de modelos matemáticos y entornos naturales
contribuye significativamente a mejorar la unión y la concentración de conocimiento en las lecciones
de ciencias. La exposición a contextos naturales ha demostrado ser un enfoque atencional continuo y
una reducción del estrés cognitivo. Este es un hallazgo en línea con investigaciones anteriores sobre los
beneficios del aprendizaje en espacios abiertos (Chawla, 2021; Berto y Barbiero, 2017). En segundo
lugar, las simulaciones interactivas y los modelos matemáticos promovieron la comprensión de los con-
ceptos abstractos, la reducción del estrés cognitivo y permitieron representaciones visuales efectivas de
fenómenos complejos (Jong et al., Smetana y Bell, 2012, 2021).
La combinación de educación neuronal y aprendizaje basado en la naturaleza representa un nuevo en-
foque pedagógico que puede promover la plasticidad sináptica, mejorar la memoria de trabajo y aumen-
tar la motivación intrínseca de los estudiantes (Immordino-Yang y Damasio, 2007; Immordino-Yang,
2016). La actividad cortical en la corteza prefrontal asociada con el pensamiento científico se estimula
cuando los estudiantes interactúan con la visualización digital estructurada simultáneamente con su rico
entorno sensorial (Stevenson et al., 2018; Bratman et al., 2019). 444 444 4.2
Comparación con estudios
pág. 627
anteriores Los resultados son consistentes con los recaudados por Louv (2019) y destacan los efectos
positivos del contacto con la naturaleza en la regulación emocional y el desarrollo cognitivo. También
afirman qué de Dettweiler et al. (2017) encontraron que las lecciones aprendidas en el entorno natural
aumentan el compromiso y la participación de los estudiantes. Sin embargo, este estudio difiere en la
inclusión de elementos de modelado y simulación aritmética, impulsando una visión integrada de la
tecnología y las propiedades en los procesos educativos neuronales en una visión integrada de la tecno-
logía y la naturaleza.
Otros estudios respaldan la efectividad del uso de simulaciones digitales en lecciones de ciencias. En
particular, presenta conceptos como la transferencia de energía, los ciclos biogeoquímicos y los princi-
pios de la física cuántica (Rutten et al., 2012; Makransky et al., 2019). Las simulaciones prefieren ex-
trapolación activa y manipulación variable, componentes clave para el aprendizaje profundo (Wouters
et al., 2013).
En contraste con el enfoque más tradicional de centrarse en la memorización y la repetición, la metodo-
logía implementada en este estudio, incluida la experiencia y el aprendizaje importante, propuesto por
Kolb (1984) es consistente y actualizada por Moon (2013). Además, integra los principios de la teoría
del doble aprendizaje (Mayer, 2017) combinando estímulos verbales e imágenes para mejorar la codifi-
cación semántica.
Implicaciones educativas y prácticas
Los hallazgos de este estudio tienen un impacto significativo en el discurso del plan de estudios en la
educación en ciencias básicas. Primero, sugerimos que las actividades al aire libre combinadas con si-
mulaciones digitales pueden convertirse en parte de métodos híbridos efectivos, especialmente durante
las etapas de desarrollo donde el aprendizaje concreto es dominante (White, 2020). En segundo lugar,
se ha confirmado la importancia de desarrollar un entorno de aprendizaje multimodal, lo que permite
considerar una variedad de estilos cognitivos y neurodiversidad (Tokuhama espinosa, 2019; Sousa,
2022).
La integración de los modelos aritméticos y visuales utilizados en este estudio muestra un impacto po-
sitivo en la motivación académica y el desarrollo del pensamiento científico (Papadouris y Konstanti-
nou, 2020). El uso de simulaciones personalizadas de ANNOVA, Inteligencia artificial, especialmente
anteriores Los resultados son consistentes con los recaudados por Louv (2019) y destacan los efectos
positivos del contacto con la naturaleza en la regulación emocional y el desarrollo cognitivo. También
afirman qué de Dettweiler et al. (2017) encontraron que las lecciones aprendidas en el entorno natural
aumentan el compromiso y la participación de los estudiantes. Sin embargo, este estudio difiere en la
inclusión de elementos de modelado y simulación aritmética, impulsando una visión integrada de la
tecnología y las propiedades en los procesos educativos neuronales en una visión integrada de la tecno-
logía y la naturaleza.
Otros estudios respaldan la efectividad del uso de simulaciones digitales en lecciones de ciencias. En
particular, presenta conceptos como la transferencia de energía, los ciclos biogeoquímicos y los princi-
pios de la física cuántica (Rutten et al., 2012; Makransky et al., 2019). Las simulaciones prefieren ex-
trapolación activa y manipulación variable, componentes clave para el aprendizaje profundo (Wouters
et al., 2013).
En contraste con el enfoque más tradicional de centrarse en la memorización y la repetición, la metodo-
logía implementada en este estudio, incluida la experiencia y el aprendizaje importante, propuesto por
Kolb (1984) es consistente y actualizada por Moon (2013). Además, integra los principios de la teoría
del doble aprendizaje (Mayer, 2017) combinando estímulos verbales e imágenes para mejorar la codifi-
cación semántica.
Implicaciones educativas y prácticas
Los hallazgos de este estudio tienen un impacto significativo en el discurso del plan de estudios en la
educación en ciencias básicas. Primero, sugerimos que las actividades al aire libre combinadas con si-
mulaciones digitales pueden convertirse en parte de métodos híbridos efectivos, especialmente durante
las etapas de desarrollo donde el aprendizaje concreto es dominante (White, 2020). En segundo lugar,
se ha confirmado la importancia de desarrollar un entorno de aprendizaje multimodal, lo que permite
considerar una variedad de estilos cognitivos y neurodiversidad (Tokuhama espinosa, 2019; Sousa,
2022).
La integración de los modelos aritméticos y visuales utilizados en este estudio muestra un impacto po-
sitivo en la motivación académica y el desarrollo del pensamiento científico (Papadouris y Konstanti-
nou, 2020). El uso de simulaciones personalizadas de ANNOVA, Inteligencia artificial, especialmente
pág. 628
en combinación con la retroalimentación de formación automatizada, ofrece nuevas oportunidades para
la educación adaptativa (Vanlehn, 2011; Roll y Wylie, 2016).
En entornos educativos restringidos en recursos, esta propuesta también es factible, dado que numerosas
simulaciones pueden ser desarrolladas mediante software libre o implementadas en dispositivos móviles
(Rodríguez et al., 2020). En consecuencia, el enfoque propuesto no solo resulta eficaz, sino que también
es escalable y adaptable a diversas realidades académicas.
4.4 Limitaciones y consideraciones para futuras
investigaciones Entre las principales limitaciones de este estudio se encuentran los períodos temporales
de experimentos limitados a períodos académicos cortos. El azismo se limitó a la muestra en relación
con el número de instituciones educativas y regiones geográficas que podrían afectar la generalización
del resultado. Los ensayos futuros pueden aplicar un enfoque longitudinal para observar el desarrollo de
efectos sobre las concentraciones a largo plazo (Schunk et al., 2021).
También está relacionado con la inclusión de herramientas de neuroimagen como el EEG electoral
(EEG) y la resonancia funcional (fMRI) que nos permiten observar los efectos neurológicos del apren-
dizaje en el medio ambiente natural (Fischer et al., 2020). Además, la investigación en otros campos,
como la química y las ciencias sociales, puede proporcionar información adicional sobre la transferencia
de esta metodología a otros campos de conocimiento (Dunosky y Rawson, 2019).
En resumen, este estudio confirma que cuando los modelos matemáticos se implementan con experien-
cia natural, no solo mejoran las compras conceptuales, sino que también promueven condiciones neu-
rocognitivas que son beneficiosas para el aprendizaje significativo.
CONCLUSIÓN
El presente estudio ha evidenciado de manera sustantiva que la integración de enfoques neuro educativos
y entornos naturales, en conjunto con modelos matemáticos y simulaciones interactivas, representa una
estrategia pedagógica eficaz para potenciar la retención del conocimiento y la concentración en la ense-
ñanza de las ciencias. A lo largo del desarrollo de esta investigación, se cumplieron todos los objetivos
planteados, demostrando empíricamente que el aprendizaje en contacto con la naturaleza, complemen-
tado con herramientas tecnológicas, favorece la activación de procesos cognitivos de orden superior
como la atención sostenida, la memoria de trabajo y el razonamiento abstracto. Uno de los hallazgos
en combinación con la retroalimentación de formación automatizada, ofrece nuevas oportunidades para
la educación adaptativa (Vanlehn, 2011; Roll y Wylie, 2016).
En entornos educativos restringidos en recursos, esta propuesta también es factible, dado que numerosas
simulaciones pueden ser desarrolladas mediante software libre o implementadas en dispositivos móviles
(Rodríguez et al., 2020). En consecuencia, el enfoque propuesto no solo resulta eficaz, sino que también
es escalable y adaptable a diversas realidades académicas.
4.4 Limitaciones y consideraciones para futuras
investigaciones Entre las principales limitaciones de este estudio se encuentran los períodos temporales
de experimentos limitados a períodos académicos cortos. El azismo se limitó a la muestra en relación
con el número de instituciones educativas y regiones geográficas que podrían afectar la generalización
del resultado. Los ensayos futuros pueden aplicar un enfoque longitudinal para observar el desarrollo de
efectos sobre las concentraciones a largo plazo (Schunk et al., 2021).
También está relacionado con la inclusión de herramientas de neuroimagen como el EEG electoral
(EEG) y la resonancia funcional (fMRI) que nos permiten observar los efectos neurológicos del apren-
dizaje en el medio ambiente natural (Fischer et al., 2020). Además, la investigación en otros campos,
como la química y las ciencias sociales, puede proporcionar información adicional sobre la transferencia
de esta metodología a otros campos de conocimiento (Dunosky y Rawson, 2019).
En resumen, este estudio confirma que cuando los modelos matemáticos se implementan con experien-
cia natural, no solo mejoran las compras conceptuales, sino que también promueven condiciones neu-
rocognitivas que son beneficiosas para el aprendizaje significativo.
CONCLUSIÓN
El presente estudio ha evidenciado de manera sustantiva que la integración de enfoques neuro educativos
y entornos naturales, en conjunto con modelos matemáticos y simulaciones interactivas, representa una
estrategia pedagógica eficaz para potenciar la retención del conocimiento y la concentración en la ense-
ñanza de las ciencias. A lo largo del desarrollo de esta investigación, se cumplieron todos los objetivos
planteados, demostrando empíricamente que el aprendizaje en contacto con la naturaleza, complemen-
tado con herramientas tecnológicas, favorece la activación de procesos cognitivos de orden superior
como la atención sostenida, la memoria de trabajo y el razonamiento abstracto. Uno de los hallazgos
pág. 629
más relevantes es la decisión de que los estudiantes expuestos a las experiencias de aprendizaje en en-
tornos naturales tendrán mejoras significativas en el rendimiento académico, especialmente en activida-
des que requieren una larga concentración y análisis conceptual. Esta mejora se mejora al incluir simu-
laciones digitales que le permiten visualizar procesos complejos, manipular variables abstractas y com-
prender la dinámica que de otra manera no es accesible a partir de meros enfoques teóricos. Los modelos
matemáticos utilizados en este estudio actuaron no solo como instrumentos de representación, sino tam-
bién como estructuras cognitivas que facilitaron la conceptualización y la transferencia de conocimiento
científico en situaciones prácticas. Su uso ha contribuido a reducir el estrés cognitivo entre los estudian-
tes al proporcionar una visualización continua y estructurada de los fenómenos naturales que permite
una comprensión más profunda y más importante. Las interacciones con la simulación también aumen-
taron la metacognición y promovieron un entorno de investigación activo en las aulas, un componente
importante de la educación científica moderna. Desde una perspectiva educativa, los resultados sugieren
que una combinación de educación neurológica, contacto con el medio ambiente natural y las tecnolo-
gías emergentes es una vía prometedora para rediseñar la ciencia, particularmente las prácticas educati-
vas en el primer nivel escolar. La metodología utilizada en este estudio se puede replicar en una variedad
de contextos educativos, proporcionando un marco flexible y adaptación a diferentes realidades institu-
cionales. Finalmente, se abren varias líneas para futuras investigaciones. Entre estos, es necesario exa-
minar el logro académico a largo plazo de esta metodología y su impacto en la aplicabilidad en otros
campos de conocimiento, como las matemáticas aplicadas, la química y las ciencias sociales. Del mismo
modo, se ha propuesto profundizar los análisis neurofisiológicos a través de herramientas de neuroima-
gen que permiten la correlación entre los estímulos naturales y digitales con patrones de activación
cerebral específicos, y así proporcionar evidencia sólida de los mecanismos de aprendizaje subyacentes
en estos entornos de enriquecimiento.
REFERENCIAS BIBLIOGRÁFICAS
Ardoin, N. M., Bowers, A. W., & Gaillard, E. (2020). Environmental education outcomes for conserva-
tion: A systematic review. Biological Conservation, 241, 108224. https://doi.org/10.1016/j.bio-
con.2019.108224
más relevantes es la decisión de que los estudiantes expuestos a las experiencias de aprendizaje en en-
tornos naturales tendrán mejoras significativas en el rendimiento académico, especialmente en activida-
des que requieren una larga concentración y análisis conceptual. Esta mejora se mejora al incluir simu-
laciones digitales que le permiten visualizar procesos complejos, manipular variables abstractas y com-
prender la dinámica que de otra manera no es accesible a partir de meros enfoques teóricos. Los modelos
matemáticos utilizados en este estudio actuaron no solo como instrumentos de representación, sino tam-
bién como estructuras cognitivas que facilitaron la conceptualización y la transferencia de conocimiento
científico en situaciones prácticas. Su uso ha contribuido a reducir el estrés cognitivo entre los estudian-
tes al proporcionar una visualización continua y estructurada de los fenómenos naturales que permite
una comprensión más profunda y más importante. Las interacciones con la simulación también aumen-
taron la metacognición y promovieron un entorno de investigación activo en las aulas, un componente
importante de la educación científica moderna. Desde una perspectiva educativa, los resultados sugieren
que una combinación de educación neurológica, contacto con el medio ambiente natural y las tecnolo-
gías emergentes es una vía prometedora para rediseñar la ciencia, particularmente las prácticas educati-
vas en el primer nivel escolar. La metodología utilizada en este estudio se puede replicar en una variedad
de contextos educativos, proporcionando un marco flexible y adaptación a diferentes realidades institu-
cionales. Finalmente, se abren varias líneas para futuras investigaciones. Entre estos, es necesario exa-
minar el logro académico a largo plazo de esta metodología y su impacto en la aplicabilidad en otros
campos de conocimiento, como las matemáticas aplicadas, la química y las ciencias sociales. Del mismo
modo, se ha propuesto profundizar los análisis neurofisiológicos a través de herramientas de neuroima-
gen que permiten la correlación entre los estímulos naturales y digitales con patrones de activación
cerebral específicos, y así proporcionar evidencia sólida de los mecanismos de aprendizaje subyacentes
en estos entornos de enriquecimiento.
REFERENCIAS BIBLIOGRÁFICAS
Ardoin, N. M., Bowers, A. W., & Gaillard, E. (2020). Environmental education outcomes for conserva-
tion: A systematic review. Biological Conservation, 241, 108224. https://doi.org/10.1016/j.bio-
con.2019.108224
pág. 630
Barab, S. A., & Dede, C. (2007). Games and immersive participatory simulations for science education:
An emerging type of curricula. Journal of Science Education and Technology, 16(1), 1–3.
https://doi.org/10.1007/s10956-007-9043-9
Bernal Párraga, A. P., Alcívar Vélez, V. E., Pinargote Carreño, V. G., Pulgarín Feijoo, Y. A., & Medina
Garate , C. L. (2025). Pensamiento lógico y resolución de problemas: El uso de estrategias de
aprendizaje colaborativo para desarrollar habilidades de razonamiento matemático en contextos
cotidianos. Arandu UTIC, 12(1), 360–378. https://doi.org/10.69639/arandu.v12i1.605
Bernal Párraga, A. P., Salinas Rivera, I. K., Allauca Melena, M. V., Vargas Solis Gisenia, G. A., Zam-
brano Lamilla, L. M., Palacios Cedeño, G. E., & Mena Moya, V. M. (2025). Integración de
tecnologías digitales en la enseñanza de lengua y literatura: Impacto en la comprensión lectora
y la creatividad en educación básica. Ciencia Latina Revista Científica Multidisciplinar, 8(4),
9683–9701. https://doi.org/10.37811/cl_rcm.v8i4.13117
Bernal Párraga, A. P., Santín Castillo, A. P., Ordóñez Ruiz, I., Tayupanta Rocha, L. M., Reyes Ordóñez,
J. P., Guzmán Quiña, M. de los A., & Nieto Lapo, A. P. (2014). La inteligencia artificial como
proceso de enseñanza en la asignatura de estudios sociales. Ciencia Latina Revista Científica
Multidisciplinar, 8(6), 4011–4030. https://doi.org/10.37811/cl_rcm.v8i6.15141
Berns, G. S., Blaine, K., Prietula, M. J., & Pye, B. E. (2013). Short- and long-term effects of a novel on
connectivity in the brain. Brain Connectivity, 3(6), 590–600.
https://doi.org/10.1089/brain.2013.0166
Berto, R., & Barbiero, G. (2017). How the psychological benefits of exposure to nature can be improved:
A framework. Sustainability, 9(10), 1701. https://doi.org/10.3390/su9101701
Bratman, G. N., Anderson, C. B., Berman, M. G., Cochran, B., de Vries, S., Flanders, J., ... & Daily, G.
C. (2019). Nature and mental health: An ecosystem service perspective. Science Advances, 5(7),
eaax0903. https://doi.org/10.1126/sciadv.aax0903
Bratman, G. N., Hamilton, J. P., Hahn, K. S., Daily, G. C., & Gross, J. J. (2015). Nature experience
reduces rumination and subgenual prefrontal cortex activation. Proceedings of the National
Academy of Sciences, 112(28), 8567–8572. https://doi.org/10.1073/pnas.1510459112
Barab, S. A., & Dede, C. (2007). Games and immersive participatory simulations for science education:
An emerging type of curricula. Journal of Science Education and Technology, 16(1), 1–3.
https://doi.org/10.1007/s10956-007-9043-9
Bernal Párraga, A. P., Alcívar Vélez, V. E., Pinargote Carreño, V. G., Pulgarín Feijoo, Y. A., & Medina
Garate , C. L. (2025). Pensamiento lógico y resolución de problemas: El uso de estrategias de
aprendizaje colaborativo para desarrollar habilidades de razonamiento matemático en contextos
cotidianos. Arandu UTIC, 12(1), 360–378. https://doi.org/10.69639/arandu.v12i1.605
Bernal Párraga, A. P., Salinas Rivera, I. K., Allauca Melena, M. V., Vargas Solis Gisenia, G. A., Zam-
brano Lamilla, L. M., Palacios Cedeño, G. E., & Mena Moya, V. M. (2025). Integración de
tecnologías digitales en la enseñanza de lengua y literatura: Impacto en la comprensión lectora
y la creatividad en educación básica. Ciencia Latina Revista Científica Multidisciplinar, 8(4),
9683–9701. https://doi.org/10.37811/cl_rcm.v8i4.13117
Bernal Párraga, A. P., Santín Castillo, A. P., Ordóñez Ruiz, I., Tayupanta Rocha, L. M., Reyes Ordóñez,
J. P., Guzmán Quiña, M. de los A., & Nieto Lapo, A. P. (2014). La inteligencia artificial como
proceso de enseñanza en la asignatura de estudios sociales. Ciencia Latina Revista Científica
Multidisciplinar, 8(6), 4011–4030. https://doi.org/10.37811/cl_rcm.v8i6.15141
Berns, G. S., Blaine, K., Prietula, M. J., & Pye, B. E. (2013). Short- and long-term effects of a novel on
connectivity in the brain. Brain Connectivity, 3(6), 590–600.
https://doi.org/10.1089/brain.2013.0166
Berto, R., & Barbiero, G. (2017). How the psychological benefits of exposure to nature can be improved:
A framework. Sustainability, 9(10), 1701. https://doi.org/10.3390/su9101701
Bratman, G. N., Anderson, C. B., Berman, M. G., Cochran, B., de Vries, S., Flanders, J., ... & Daily, G.
C. (2019). Nature and mental health: An ecosystem service perspective. Science Advances, 5(7),
eaax0903. https://doi.org/10.1126/sciadv.aax0903
Bratman, G. N., Hamilton, J. P., Hahn, K. S., Daily, G. C., & Gross, J. J. (2015). Nature experience
reduces rumination and subgenual prefrontal cortex activation. Proceedings of the National
Academy of Sciences, 112(28), 8567–8572. https://doi.org/10.1073/pnas.1510459112
pág. 631
Chawla, L. (2021). Childhood nature connection and constructive hope: A review of research on con-
necting with nature and coping with environmental loss. People and Nature, 3(5), 619–642.
https://doi.org/10.1002/pan3.10296
Dadvand, P., Bartoll, X., Basagaña, X., Dalmau-Bueno, A., Martinez, D., Ambros, A., Cirach, M., Tri-
guero-Mas, M., Schembari, A., Gascon, M., & Nieuwenhuijsen, M. J. (2015). Green spaces and
general health: Roles of mental health pathway and physical activity. Environmental Interna-
tional, 91, 161–167. https://doi.org/10.1016/j.envint.2016.02.029
De Jong, T., & Van Joolingen, W. R. (1998). Scientific discovery learning with computer simulations
of conceptual domains. Review of Educational Research, 68(2), 179–201.
https://doi.org/10.3102/00346543068002179
de Jong, T., Linn, M. C., & Zacharia, Z. C. (2021). Physical and virtual laboratories in science and
engineering education. Science, 340(6130), 305-308. https://doi.org/10.1126/science.1230579
Dettweiler, U., Lauterbach, G., Becker, C., Simon, P., & Gschrey, B. (2017). Investigating the motiva-
tional behavior of students during outdoor science teaching within self-determination theory.
Frontiers in Psychology, 8, 1–13. https://doi.org/10.3389/fpsyg.2017.00494
Dunlosky, J., & Rawson, K. A. (2019). Practice tests, spaced practice, and successive relearning: Tips
for classroom use and for guiding students’ learning. Scholarly Teacher, 13(1), 23–37.
Faber Taylor, A., & Kuo, F. E. (2009). Children with attention deficits concentrate better after walk in
the park. Journal of Attention Disorders, 12(5), 402–409.
https://doi.org/10.1177/1087054708323000
Fischer, M. H., Shaki, S., & Cruise, A. (2020). What numbers mean in the real world: Insights from
brain imaging and brain stimulation. Nature Reviews Neuroscience, 21(3), 150–161.
https://doi.org/10.1038/s41583-019-0244-5
Gopnik, A., O'Grady, S., Lucas, C. G., Griffiths, T. L., Wente, A., Bridgers, S., ... & Dahl, R. E. (2017).
Changes in cognitive flexibility and hypothesis search across human life history from childhood
to adolescence to adulthood. Proceedings of the National Academy of Sciences, 114(30), 7892–
7899. https://doi.org/10.1073/pnas.1700811114
Hodson, D. (2014). Learning science through inquiry and argumentation. Rotterdam: Sense Publishers.
Chawla, L. (2021). Childhood nature connection and constructive hope: A review of research on con-
necting with nature and coping with environmental loss. People and Nature, 3(5), 619–642.
https://doi.org/10.1002/pan3.10296
Dadvand, P., Bartoll, X., Basagaña, X., Dalmau-Bueno, A., Martinez, D., Ambros, A., Cirach, M., Tri-
guero-Mas, M., Schembari, A., Gascon, M., & Nieuwenhuijsen, M. J. (2015). Green spaces and
general health: Roles of mental health pathway and physical activity. Environmental Interna-
tional, 91, 161–167. https://doi.org/10.1016/j.envint.2016.02.029
De Jong, T., & Van Joolingen, W. R. (1998). Scientific discovery learning with computer simulations
of conceptual domains. Review of Educational Research, 68(2), 179–201.
https://doi.org/10.3102/00346543068002179
de Jong, T., Linn, M. C., & Zacharia, Z. C. (2021). Physical and virtual laboratories in science and
engineering education. Science, 340(6130), 305-308. https://doi.org/10.1126/science.1230579
Dettweiler, U., Lauterbach, G., Becker, C., Simon, P., & Gschrey, B. (2017). Investigating the motiva-
tional behavior of students during outdoor science teaching within self-determination theory.
Frontiers in Psychology, 8, 1–13. https://doi.org/10.3389/fpsyg.2017.00494
Dunlosky, J., & Rawson, K. A. (2019). Practice tests, spaced practice, and successive relearning: Tips
for classroom use and for guiding students’ learning. Scholarly Teacher, 13(1), 23–37.
Faber Taylor, A., & Kuo, F. E. (2009). Children with attention deficits concentrate better after walk in
the park. Journal of Attention Disorders, 12(5), 402–409.
https://doi.org/10.1177/1087054708323000
Fischer, M. H., Shaki, S., & Cruise, A. (2020). What numbers mean in the real world: Insights from
brain imaging and brain stimulation. Nature Reviews Neuroscience, 21(3), 150–161.
https://doi.org/10.1038/s41583-019-0244-5
Gopnik, A., O'Grady, S., Lucas, C. G., Griffiths, T. L., Wente, A., Bridgers, S., ... & Dahl, R. E. (2017).
Changes in cognitive flexibility and hypothesis search across human life history from childhood
to adolescence to adulthood. Proceedings of the National Academy of Sciences, 114(30), 7892–
7899. https://doi.org/10.1073/pnas.1700811114
Hodson, D. (2014). Learning science through inquiry and argumentation. Rotterdam: Sense Publishers.
pág. 632
Immordino-Yang, M. H. (2016). Emotions, learning, and the brain: Exploring the educational implica-
tions of affective neuroscience. W. W. Norton.
Immordino-Yang, M. H., & Damasio, A. (2007). We feel, therefore we learn: The relevance of affective
and social neuroscience to education. Mind, Brain, and Education, 1(1), 3–10.
Immordino-Yang, M. H., & Damasio, A. (2007). We feel, therefore we learn: The relevance of affective
and social neuroscience to education. Mind, Brain, and Education, 1(1), 3–10.
https://doi.org/10.1111/j.1751-228X.2007.00004.x
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Pren-
tice-Hall.
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Pren-
tice Hall.
Kuo, M., Barnes, M., & Jordan, C. (2019). Do experiences with nature promote learning? Converging
evidence of a cause-and-effect relationship. Frontiers in Psychology, 10, 305.
https://doi.org/10.3389/fpsyg.2019.00305
Liu, J., Liu, Y., Zhang, Y., & Wang, H. (2022). Augmented reality and scientific inquiry: Student learn-
ing and perceptions in an elementary science classroom. Journal of Science Education and Tech-
nology, 31, 498–513. https://doi.org/10.1007/s10956-021-09949-4
Louv, R. (2019). Our wild calling: How connecting with animals can transform our lives—and save
theirs. Algonquin Books.
Makransky, G., Terkildsen, T. S., & Mayer, R. E. (2019). Adding immersive virtual reality to a science
lab simulation causes more presence but less learning. Learning and Instruction, 60, 225–236.
https://doi.org/10.1016/j.learninstruc.2017.12.007
Mayer, R. E. (2017). Using multimedia for e-learning. Journal of Computer Assisted Learning, 33(5),
403–423. https://doi.org/10.1111/jcal.12197
Mayer, R. E. (2020). Multimedia learning (3rd ed.). Cambridge University Press.
https://doi.org/10.1017/9781139585031
Immordino-Yang, M. H. (2016). Emotions, learning, and the brain: Exploring the educational implica-
tions of affective neuroscience. W. W. Norton.
Immordino-Yang, M. H., & Damasio, A. (2007). We feel, therefore we learn: The relevance of affective
and social neuroscience to education. Mind, Brain, and Education, 1(1), 3–10.
Immordino-Yang, M. H., & Damasio, A. (2007). We feel, therefore we learn: The relevance of affective
and social neuroscience to education. Mind, Brain, and Education, 1(1), 3–10.
https://doi.org/10.1111/j.1751-228X.2007.00004.x
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Pren-
tice-Hall.
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Pren-
tice Hall.
Kuo, M., Barnes, M., & Jordan, C. (2019). Do experiences with nature promote learning? Converging
evidence of a cause-and-effect relationship. Frontiers in Psychology, 10, 305.
https://doi.org/10.3389/fpsyg.2019.00305
Liu, J., Liu, Y., Zhang, Y., & Wang, H. (2022). Augmented reality and scientific inquiry: Student learn-
ing and perceptions in an elementary science classroom. Journal of Science Education and Tech-
nology, 31, 498–513. https://doi.org/10.1007/s10956-021-09949-4
Louv, R. (2019). Our wild calling: How connecting with animals can transform our lives—and save
theirs. Algonquin Books.
Makransky, G., Terkildsen, T. S., & Mayer, R. E. (2019). Adding immersive virtual reality to a science
lab simulation causes more presence but less learning. Learning and Instruction, 60, 225–236.
https://doi.org/10.1016/j.learninstruc.2017.12.007
Mayer, R. E. (2017). Using multimedia for e-learning. Journal of Computer Assisted Learning, 33(5),
403–423. https://doi.org/10.1111/jcal.12197
Mayer, R. E. (2020). Multimedia learning (3rd ed.). Cambridge University Press.
https://doi.org/10.1017/9781139585031
pág. 633
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for
teacher knowledge. Teachers College Record, 108(6), 1017–1054.
https://doi.org/10.1111/j.1467-9620.2006.00684.x
Moon, J. A. (2013). Reflection and employability: Reflection on learning and reflective practices.
Routledge.
Novak, J. D. (2010). Learning, creating, and using knowledge: Concept maps as facilitative tools in
schools and corporations (2nd ed.). Routledge.
Papadouris, N., & Constantinou, C. P. (2020). Enhancing students' conceptual understanding of physics
through simulation-based inquiry. Journal of Science Education and Technology, 29(1), 123–
135. https://doi.org/10.1007/s10956-019-09799-1
Piaget, J. (1970). Science of education and the psychology of the child. Orion Press.
Rodríguez, C., Pérez, D., & Tovar, M. (2020). Simulaciones interactivas de bajo costo en la enseñanza
de la física. Revista Eureka sobre Enseñanza y Divulgación de las Ciencias, 17(1), 1302.
Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International
Journal of Artificial Intelligence in Education, 26(2), 582–599.
Schunk, D. H., Pintrich, P. R., & Meece, J. L. (2021). Motivation in education: Theory, research, and
applications. Pearson.
Smetana, L. K., & Bell, R. L. (2012). Computer simulations to support science instruction and learning.
International Journal of Science Education, 34(9), 1337–1370.
https://doi.org/10.1080/09500693.2011.605182
Stevenson, M. P., Schilhab, T., & Bentsen, P. (2018). Attention restoration theory II: A systematic re-
view to clarify attention processes affected by exposure to natural environments. Journal of En-
vironmental Psychology, 62, 1–13. https://doi.org/10.1016/j.jenvp.2019.01.002
Sweller, J. (2021). Cognitive load theory and educational technology. Educational Technology Research
and Development, 69, 263–272. https://doi.org/10.1007/s11423-021-09922-5
Tokuhama-Espinosa, T. (2011). Mind, brain, and education science: A comprehensive guide to the new
brain-based teaching. W. W. Norton & Company.
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for
teacher knowledge. Teachers College Record, 108(6), 1017–1054.
https://doi.org/10.1111/j.1467-9620.2006.00684.x
Moon, J. A. (2013). Reflection and employability: Reflection on learning and reflective practices.
Routledge.
Novak, J. D. (2010). Learning, creating, and using knowledge: Concept maps as facilitative tools in
schools and corporations (2nd ed.). Routledge.
Papadouris, N., & Constantinou, C. P. (2020). Enhancing students' conceptual understanding of physics
through simulation-based inquiry. Journal of Science Education and Technology, 29(1), 123–
135. https://doi.org/10.1007/s10956-019-09799-1
Piaget, J. (1970). Science of education and the psychology of the child. Orion Press.
Rodríguez, C., Pérez, D., & Tovar, M. (2020). Simulaciones interactivas de bajo costo en la enseñanza
de la física. Revista Eureka sobre Enseñanza y Divulgación de las Ciencias, 17(1), 1302.
Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International
Journal of Artificial Intelligence in Education, 26(2), 582–599.
Schunk, D. H., Pintrich, P. R., & Meece, J. L. (2021). Motivation in education: Theory, research, and
applications. Pearson.
Smetana, L. K., & Bell, R. L. (2012). Computer simulations to support science instruction and learning.
International Journal of Science Education, 34(9), 1337–1370.
https://doi.org/10.1080/09500693.2011.605182
Stevenson, M. P., Schilhab, T., & Bentsen, P. (2018). Attention restoration theory II: A systematic re-
view to clarify attention processes affected by exposure to natural environments. Journal of En-
vironmental Psychology, 62, 1–13. https://doi.org/10.1016/j.jenvp.2019.01.002
Sweller, J. (2021). Cognitive load theory and educational technology. Educational Technology Research
and Development, 69, 263–272. https://doi.org/10.1007/s11423-021-09922-5
Tokuhama-Espinosa, T. (2011). Mind, brain, and education science: A comprehensive guide to the new
brain-based teaching. W. W. Norton & Company.
pág. 634
Torres Illescas, V. (2024). Charting the Path of Reading Development: A Study on the Importance and
Effective Strategies for Reading in Early Ages Based on Technology. In: Gervasi, O., Murgante,
B., Garau, C., Taniar, D., C. Rocha, A.M.A., Faginas Lago, M.N. (eds) Computational Science
and Its Applications – ICCSA 2024 Workshops. ICCSA 2024. Lecture Notes in Computer Sci-
ence, vol 14820. Springer, Cham. https://doi.org/10.1007/978-3-031-65285-1_2
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard
University Press.
Torres Illescas, V. (2024). Charting the Path of Reading Development: A Study on the Importance and
Effective Strategies for Reading in Early Ages Based on Technology. In: Gervasi, O., Murgante,
B., Garau, C., Taniar, D., C. Rocha, A.M.A., Faginas Lago, M.N. (eds) Computational Science
and Its Applications – ICCSA 2024 Workshops. ICCSA 2024. Lecture Notes in Computer Sci-
ence, vol 14820. Springer, Cham. https://doi.org/10.1007/978-3-031-65285-1_2
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard
University Press.