pág. 1190
INTEGRACIÓN DE MÉTODOS ÁGILES E IA
GENERATIVA EN LA FORMACIÓN EN GESTIÓN
DE PROYECTOS: UN ESTUDIO DE MÉTODOS
MIXTOS SOBRE COMPETENCIAS DIGITALES
“INEQUALITY IN ACCESS TO PRIVATE EDUCATION FOR
CHILDREN WITH PSYCHOSOCIAL DISABILITIES: A HUMAN
RIGHTS PERSPECTIVE.”
Martínez-Oropesa Ciro
Facultad de Ingeniería. Universidad Autónoma de Occidente, Cali, Colombia
pág. 1191
DOI: https://doi.org/10.37811/cl_rcm.v10i5.25994
Integración de métodos ágiles e IA generativa en la formación en gestión de
proyectos: Un estudio de métodos mixtos sobre competencias digitales
Martínez-Oropesa Ciro1
cmartinezo@uao.edu.co
https://orcid.org/0000-0001-9168-998X
Facultad de Ingeniería. Universidad Autónoma de Occidente, Cali, Colombia
RESUMEN
Los programas de gestión de proyectos de posgrado necesitan cada vez más equilibrar la instrucción
tradicional con el rápido crecimiento de los métodos ágiles y la IA generativa (GenAI). A diferencia de
estudios anteriores que tratan la adopción de tecnología como una condición binaria de presencia o ausencia,
este estudio es uno de los primeros en modelar la intensidad de la integración como una variable gradual de
dosis-respuesta en un contexto de posgrado latinoamericano. Evaluamos un rediseño curricular en la
Universidad Autónoma de Occidente (Cali, Colombia) que incorporó progresivamente prácticas ágiles y
herramientas de GenAI a lo largo de tres semestres académicos en un solo año, utilizando un diseño
cuasiexperimental de dosis-respuesta con métodos mixtos (Shadish, Cook y Campbell, 2002). Comparamos
a 160 estudiantes de posgrado y 18 instructores en dos niveles de integración pedagógica: un grupo
fundamental (Scrum introductorio y herramientas digitales básicas) y un grupo avanzado (Scrum completo,
Disciplined Agile, plataformas de nivel industrial y uso sistemático de herramientas GenAI,
específicamente ChatGPT para la resolución iterativa de problemas y la redacción de contenido, y GitHub
Copilot para la planificación asistida por código). La competencia digital se midió con un instrumento
DigComp 2.2 validado y adaptado, aplicado como pruebas previas y posteriores, complementado con
entrevistas y grupos focales. Ambos grupos mejoraron significativamente en las cinco áreas de DigComp
2.2, pero el grupo de integración avanzada mejoró sustancialmente más, con un gran tamaño del efecto (d
= 0,84, IC del 95 % [0,51, 1,17]), especialmente en la creación de contenido digital y la resolución de
problemas. Los hallazgos cualitativos muestran que los estudiantes que interactuaron con GenAI como un
socio de pensamiento, en lugar de una simple herramienta de automatización, desarrollaron un pensamiento
crítico y una adaptabilidad más sólidos. Estos resultados indican que los programas que ya imparten
formación ágil fundamental pueden lograr avances desproporcionadamente mayores en competencias
digitales al avanzar hacia una integración más completa de la metodología ágil con la IA de última
generación, lo que ofrece un modelo replicable y basado en la evidencia para los programas de gestión de
proyectos de posgrado que buscan adaptarse a la transformación digital.
Palabras clave: Competencias digitales; metodologías ágiles; inteligencia artificial generativa;
formación de posgrado; gestión de proyectos; transformación digital; DigComp 2.2
1 Autor principal
Correspondencia: cmartinezo@uao.edu.co
DOI: https://doi.org/10.37811/cl_rcm.v10i5.25994
Integración de métodos ágiles e IA generativa en la formación en gestión de
proyectos: Un estudio de métodos mixtos sobre competencias digitales
Martínez-Oropesa Ciro1
cmartinezo@uao.edu.co
https://orcid.org/0000-0001-9168-998X
Facultad de Ingeniería. Universidad Autónoma de Occidente, Cali, Colombia
RESUMEN
Los programas de gestión de proyectos de posgrado necesitan cada vez más equilibrar la instrucción
tradicional con el rápido crecimiento de los métodos ágiles y la IA generativa (GenAI). A diferencia de
estudios anteriores que tratan la adopción de tecnología como una condición binaria de presencia o ausencia,
este estudio es uno de los primeros en modelar la intensidad de la integración como una variable gradual de
dosis-respuesta en un contexto de posgrado latinoamericano. Evaluamos un rediseño curricular en la
Universidad Autónoma de Occidente (Cali, Colombia) que incorporó progresivamente prácticas ágiles y
herramientas de GenAI a lo largo de tres semestres académicos en un solo año, utilizando un diseño
cuasiexperimental de dosis-respuesta con métodos mixtos (Shadish, Cook y Campbell, 2002). Comparamos
a 160 estudiantes de posgrado y 18 instructores en dos niveles de integración pedagógica: un grupo
fundamental (Scrum introductorio y herramientas digitales básicas) y un grupo avanzado (Scrum completo,
Disciplined Agile, plataformas de nivel industrial y uso sistemático de herramientas GenAI,
específicamente ChatGPT para la resolución iterativa de problemas y la redacción de contenido, y GitHub
Copilot para la planificación asistida por código). La competencia digital se midió con un instrumento
DigComp 2.2 validado y adaptado, aplicado como pruebas previas y posteriores, complementado con
entrevistas y grupos focales. Ambos grupos mejoraron significativamente en las cinco áreas de DigComp
2.2, pero el grupo de integración avanzada mejoró sustancialmente más, con un gran tamaño del efecto (d
= 0,84, IC del 95 % [0,51, 1,17]), especialmente en la creación de contenido digital y la resolución de
problemas. Los hallazgos cualitativos muestran que los estudiantes que interactuaron con GenAI como un
socio de pensamiento, en lugar de una simple herramienta de automatización, desarrollaron un pensamiento
crítico y una adaptabilidad más sólidos. Estos resultados indican que los programas que ya imparten
formación ágil fundamental pueden lograr avances desproporcionadamente mayores en competencias
digitales al avanzar hacia una integración más completa de la metodología ágil con la IA de última
generación, lo que ofrece un modelo replicable y basado en la evidencia para los programas de gestión de
proyectos de posgrado que buscan adaptarse a la transformación digital.
Palabras clave: Competencias digitales; metodologías ágiles; inteligencia artificial generativa;
formación de posgrado; gestión de proyectos; transformación digital; DigComp 2.2
1 Autor principal
Correspondencia: cmartinezo@uao.edu.co
pág. 1192
“Inequality in Access to Private Education for Children with Psychosocial
Disabilities: A Human Rights Perspective.”
ABSTRACT
Graduate-level project management programs increasingly need to balance traditional instruction with
the rapid growth of agile methods and generative AI (GenAI). Unlike previous studies that treat
technology adoption as a binary condition of presence or absence, this study is one of the first to model
the intensity of integration as a continuous dose-response variable in a Latin American graduate-level
context. We evaluated a curriculum redesign at the Universidad Autónoma de Occidente (Cali,
Colombia) that progressively incorporated agile practices and GenAI tools over the course of three
academic semesters in a single year, using a quasi-experimental dose-response design with mixed
methods (Shadish, Cook, & Campbell, 2002). We compared 160 graduate students and 18 instructors
across two levels of pedagogical integration: a foundational group (introductory Scrum and basic digital
tools) and an advanced group (full Scrum, Disciplined Agile, industry-level platforms, and systematic
use of GenAI tools—specifically ChatGPT for iterative problem-solving and content writing, and
GitHub Copilot for code-assisted planning). Digital competence was measured using a validated and
adapted DigComp 2.2 instrument, administered as pre- and post-tests, supplemented by interviews and
focus groups. Both groups showed significant improvement across all five areas of DigComp 2.2, but
the advanced integration group improved substantially more, with a large effect size (d = 0.84, 95% CI
[0.51, 1.17]), particularly in digital content creation and problem-solving. Qualitative findings show that
students who interacted with GenAI as a thinking partner, rather than a mere automation tool, developed
stronger critical thinking skills and adaptability. These results indicate that programs already offering
foundational agile training can achieve disproportionately greater gains in digital competencies by
moving toward a more comprehensive integration of agile methodology with state-of-the-art AI,
offering a replicable, evidence-based model for graduate-level project management programs seeking
to adapt to digital transformation.
Keywords: Digital competencies; agile methodologies; generative artificial intelligence; graduate
education; project management; digital transformation; DigComp 2.2
Artículo recibido 06 septiembre 2026
Aceptado para publicación: 07 octubre 2026
“Inequality in Access to Private Education for Children with Psychosocial
Disabilities: A Human Rights Perspective.”
ABSTRACT
Graduate-level project management programs increasingly need to balance traditional instruction with
the rapid growth of agile methods and generative AI (GenAI). Unlike previous studies that treat
technology adoption as a binary condition of presence or absence, this study is one of the first to model
the intensity of integration as a continuous dose-response variable in a Latin American graduate-level
context. We evaluated a curriculum redesign at the Universidad Autónoma de Occidente (Cali,
Colombia) that progressively incorporated agile practices and GenAI tools over the course of three
academic semesters in a single year, using a quasi-experimental dose-response design with mixed
methods (Shadish, Cook, & Campbell, 2002). We compared 160 graduate students and 18 instructors
across two levels of pedagogical integration: a foundational group (introductory Scrum and basic digital
tools) and an advanced group (full Scrum, Disciplined Agile, industry-level platforms, and systematic
use of GenAI tools—specifically ChatGPT for iterative problem-solving and content writing, and
GitHub Copilot for code-assisted planning). Digital competence was measured using a validated and
adapted DigComp 2.2 instrument, administered as pre- and post-tests, supplemented by interviews and
focus groups. Both groups showed significant improvement across all five areas of DigComp 2.2, but
the advanced integration group improved substantially more, with a large effect size (d = 0.84, 95% CI
[0.51, 1.17]), particularly in digital content creation and problem-solving. Qualitative findings show that
students who interacted with GenAI as a thinking partner, rather than a mere automation tool, developed
stronger critical thinking skills and adaptability. These results indicate that programs already offering
foundational agile training can achieve disproportionately greater gains in digital competencies by
moving toward a more comprehensive integration of agile methodology with state-of-the-art AI,
offering a replicable, evidence-based model for graduate-level project management programs seeking
to adapt to digital transformation.
Keywords: Digital competencies; agile methodologies; generative artificial intelligence; graduate
education; project management; digital transformation; DigComp 2.2
Artículo recibido 06 septiembre 2026
Aceptado para publicación: 07 octubre 2026
pág. 1193
I. INTRODUCCIÓN
La formación de posgrado en gestión de proyectos se encuentra en un punto de inflexión. Debe preparar
a los profesionales para entornos laborales que dependen del trabajo en equipo y la tecnología. Esto
implica desarrollar lo que la OCDE denomina "competencias digitales", es decir, la capacidad de elegir
la herramienta adecuada para cada tarea. Esto podría implicar el uso de software de planificación como
Microsoft Project o, cada vez más, sistemas de IA para evaluar riesgos o gestionar recursos. En lugares
como Latinoamérica, donde la innovación tecnológica avanza a un ritmo vertiginoso, el desarrollo de
estas habilidades es fundamental para los futuros líderes. Las competencias digitales son esenciales para
la gestión diaria de proyectos. Los equipos utilizan Jira para supervisar las tareas, los gerentes realizan
un seguimiento del progreso con Power BI y los líderes de proyecto utilizan asistentes de IA para
explorar opciones. Estas herramientas ayudan a tomar decisiones más rápidas y basadas en datos. Sin
embargo, el simple hecho de que los estudiantes tengan acceso a estas herramientas en clase no garantiza
que las utilicen eficazmente ni que desarrollen hábitos profesionales duraderos.
El acceso a la tecnología no garantiza la capacidad de usarla eficazmente, por lo que necesitamos
replantear nuestros métodos de enseñanza y centrarnos más en el trabajo en equipo y la mejora continua.
En nuestro programa, combinamos Scrum con elementos de Kanban y Design Thinking para desarrollar
habilidades como el pensamiento sistémico y el liderazgo compartido. Si bien este enfoque funcionó
bien en el aula, queríamos comprobar si su impacto podía medirse con claridad. ¿Ayudaron realmente
estas prácticas ágiles a los estudiantes a mejorar su competencia digital? Este estudio se propuso
responder a esa pregunta.
La necesidad de este cambio resulta evidente al considerar la evolución de los estándares profesionales.
Por ejemplo, la Guía PMBOK® ha pasado de ser una lista de verificación estricta a un enfoque basado
en principios, lo que sitúa las habilidades digitales en el centro del debate. Esto demuestra que la
competencia digital es ahora esencial para los gestores de proyectos actuales, y no solo una habilidad
adicional.
Recientemente, la combinación de metodologías ágiles e inteligencia artificial generativa ha demostrado
ser prometedora para mejorar las competencias digitales en la formación en gestión de proyectos. Los
marcos de trabajo ágiles crean entornos de aprendizaje flexibles, mientras que las herramientas de IA
I. INTRODUCCIÓN
La formación de posgrado en gestión de proyectos se encuentra en un punto de inflexión. Debe preparar
a los profesionales para entornos laborales que dependen del trabajo en equipo y la tecnología. Esto
implica desarrollar lo que la OCDE denomina "competencias digitales", es decir, la capacidad de elegir
la herramienta adecuada para cada tarea. Esto podría implicar el uso de software de planificación como
Microsoft Project o, cada vez más, sistemas de IA para evaluar riesgos o gestionar recursos. En lugares
como Latinoamérica, donde la innovación tecnológica avanza a un ritmo vertiginoso, el desarrollo de
estas habilidades es fundamental para los futuros líderes. Las competencias digitales son esenciales para
la gestión diaria de proyectos. Los equipos utilizan Jira para supervisar las tareas, los gerentes realizan
un seguimiento del progreso con Power BI y los líderes de proyecto utilizan asistentes de IA para
explorar opciones. Estas herramientas ayudan a tomar decisiones más rápidas y basadas en datos. Sin
embargo, el simple hecho de que los estudiantes tengan acceso a estas herramientas en clase no garantiza
que las utilicen eficazmente ni que desarrollen hábitos profesionales duraderos.
El acceso a la tecnología no garantiza la capacidad de usarla eficazmente, por lo que necesitamos
replantear nuestros métodos de enseñanza y centrarnos más en el trabajo en equipo y la mejora continua.
En nuestro programa, combinamos Scrum con elementos de Kanban y Design Thinking para desarrollar
habilidades como el pensamiento sistémico y el liderazgo compartido. Si bien este enfoque funcionó
bien en el aula, queríamos comprobar si su impacto podía medirse con claridad. ¿Ayudaron realmente
estas prácticas ágiles a los estudiantes a mejorar su competencia digital? Este estudio se propuso
responder a esa pregunta.
La necesidad de este cambio resulta evidente al considerar la evolución de los estándares profesionales.
Por ejemplo, la Guía PMBOK® ha pasado de ser una lista de verificación estricta a un enfoque basado
en principios, lo que sitúa las habilidades digitales en el centro del debate. Esto demuestra que la
competencia digital es ahora esencial para los gestores de proyectos actuales, y no solo una habilidad
adicional.
Recientemente, la combinación de metodologías ágiles e inteligencia artificial generativa ha demostrado
ser prometedora para mejorar las competencias digitales en la formación en gestión de proyectos. Los
marcos de trabajo ágiles crean entornos de aprendizaje flexibles, mientras que las herramientas de IA
pág. 1194
generativa ayudan a gestionar, analizar y optimizar el proceso de aprendizaje. Un estudio con
metodología mixta puede mostrar la eficacia de esta integración, los desafíos que surgen y la experiencia
de los estudiantes.
Para empezar, podemos evaluar la eficacia de la IA generativa en la formación en gestión ágil de
proyectos mediante evaluaciones previas y posteriores al curso para hacer un seguimiento de las
habilidades de los estudiantes. Por ejemplo, Bahi et al. (2024) descubrieron que la IA generativa puede
ayudar a resolver problemas de gestión de proyectos y facilitar el aprendizaje. Las entrevistas y los
grupos de discusión también pueden ofrecer información sobre la percepción de los estudiantes respecto
al uso de la IA en las prácticas ágiles.
Estos cambios presentan desafíos. Weng (2023) señala que algunos docentes e instituciones pueden
mostrarse reticentes a utilizar herramientas de IA, dado que nadie se siente cómodo con una transición
asistida por IA. Abordar estas inquietudes es fundamental para una integración exitosa. Los docentes
también deben asegurarse de que el uso de la IA no menoscabe el trabajo en equipo ágil y el aprendizaje
práctico.
Al analizar los resultados de los estudiantes, es importante medir tanto las habilidades técnicas como las
interpersonales. Haidabrus (2024) señala que una comunicación eficaz y el trabajo en equipo son
esenciales y pueden desarrollarse mediante talleres ágiles y simulaciones con inteligencia artificial.
Estas experiencias ayudan a preparar a los estudiantes para los desafíos de la gestión de proyectos en el
mundo real.
Estudios futuros podrían basarse en el trabajo de Tudor, Aggrawal y Böhm (2025), quienes demostraron
que ChatGPT puede utilizarse eficazmente en clases de informática. Al actualizar periódicamente la
combinación de IA y métodos ágiles en función de la retroalimentación de los estudiantes, los docentes
pueden ayudarlos a desarrollar habilidades digitales más sólidas. Sainio (2023) también señala que la
IA generativa puede ayudar a resolver problemas comunes en proyectos ágiles, lo que respalda la idea
de que la combinación de estos enfoques beneficia la formación de futuros gestores de proyectos. En
definitiva, esta integración podría generar un grupo de profesionales de la gestión de proyectos más
capacitados y adaptables. Sin embargo, la literatura académica aún está rezagada. Gran parte de lo que
tenemos son buenas prácticas y percepciones. Por ejemplo, Serrador y Pinto (2015) se basaron en
generativa ayudan a gestionar, analizar y optimizar el proceso de aprendizaje. Un estudio con
metodología mixta puede mostrar la eficacia de esta integración, los desafíos que surgen y la experiencia
de los estudiantes.
Para empezar, podemos evaluar la eficacia de la IA generativa en la formación en gestión ágil de
proyectos mediante evaluaciones previas y posteriores al curso para hacer un seguimiento de las
habilidades de los estudiantes. Por ejemplo, Bahi et al. (2024) descubrieron que la IA generativa puede
ayudar a resolver problemas de gestión de proyectos y facilitar el aprendizaje. Las entrevistas y los
grupos de discusión también pueden ofrecer información sobre la percepción de los estudiantes respecto
al uso de la IA en las prácticas ágiles.
Estos cambios presentan desafíos. Weng (2023) señala que algunos docentes e instituciones pueden
mostrarse reticentes a utilizar herramientas de IA, dado que nadie se siente cómodo con una transición
asistida por IA. Abordar estas inquietudes es fundamental para una integración exitosa. Los docentes
también deben asegurarse de que el uso de la IA no menoscabe el trabajo en equipo ágil y el aprendizaje
práctico.
Al analizar los resultados de los estudiantes, es importante medir tanto las habilidades técnicas como las
interpersonales. Haidabrus (2024) señala que una comunicación eficaz y el trabajo en equipo son
esenciales y pueden desarrollarse mediante talleres ágiles y simulaciones con inteligencia artificial.
Estas experiencias ayudan a preparar a los estudiantes para los desafíos de la gestión de proyectos en el
mundo real.
Estudios futuros podrían basarse en el trabajo de Tudor, Aggrawal y Böhm (2025), quienes demostraron
que ChatGPT puede utilizarse eficazmente en clases de informática. Al actualizar periódicamente la
combinación de IA y métodos ágiles en función de la retroalimentación de los estudiantes, los docentes
pueden ayudarlos a desarrollar habilidades digitales más sólidas. Sainio (2023) también señala que la
IA generativa puede ayudar a resolver problemas comunes en proyectos ágiles, lo que respalda la idea
de que la combinación de estos enfoques beneficia la formación de futuros gestores de proyectos. En
definitiva, esta integración podría generar un grupo de profesionales de la gestión de proyectos más
capacitados y adaptables. Sin embargo, la literatura académica aún está rezagada. Gran parte de lo que
tenemos son buenas prácticas y percepciones. Por ejemplo, Serrador y Pinto (2015) se basaron en
pág. 1195
encuestas descriptivas, que no pueden capturar el cambio a lo largo del tiempo. Rigby et al. (2020)
hicieron observaciones importantes, pero su diseño carecía de los controles necesarios para aislar el
impacto de la metodología ágil en sí misma. Como resultado, teníamos principios, pero no pruebas.
Para pasar de los principios a la evidencia real, necesitábamos una forma de medir la "competencia
digital". El marco DigComp 2.2 de la Comisión Europea (2023; basado en Ferrari, 2013) proporcionó
una estructura clara, dividiendo la competencia digital en áreas como alfabetización informacional,
colaboración, creación de contenido y resolución ética de problemas. Si bien este sistema es útil, su
aplicación en un contexto de posgrado latinoamericano presenta desafíos, como señalaron Velandia et
al. (2022). Los problemas culturales y de acceso añaden complejidad. La UNESCO (2023) enfatiza
además que la competencia digital debe fundamentarse en la ética para que la tecnología no se convierta
simplemente en un atajo. Para nuestro estudio, esto significó ir más allá de si los estudiantes podían usar
la IA; necesitábamos ver si podían usarla con prudencia, integrándola en su resolución de problemas y
manteniendo el pensamiento crítico.
Esto nos lleva de nuevo al desafío de la medición. Las habilidades cognitivas, éticas y metacognitivas
son complejas, por lo que un simple cuestionario no es suficiente. Inspirados por Cano (2008) y
Redecker y Punie (2017), vimos la necesidad de un enfoque más amplio. Combinamos los resultados de
la encuesta con muestras del trabajo de los estudiantes, como portafolios e informes de proyectos, para
comprender mejor cómo evolucionó su pensamiento con el tiempo.
Este estudio aborda esa brecha al ir más allá de las descripciones y ofrecer evidencia empírica rigurosa
sobre cómo el diseño pedagógico moldea el desarrollo de competencias digitales. En lugar de contrastar
la instrucción con su ausencia, adoptamos un marco de dosis-respuesta que compara dos niveles de
integración pedagógica: una condición básica, en la que los estudiantes fueron introducidos a las
prácticas ágiles fundamentales y a las herramientas digitales básicas, y una condición avanzada, en la
que los ciclos completos de Scrum, las plataformas de nivel industrial y las herramientas de IA
generativa se incorporaron sistemáticamente en todo el currículo. Mediante un diseño cuasiexperimental
de métodos mixtos, el estudio persigue tres objetivos interconectados: (1) cuantificar la ganancia
diferencial en las competencias definidas por DigComp 2.2 asociadas con una mejor integración
pedagógica; (2) identificar los mecanismos subyacentes cognitivos, colaborativos y éticos a través de
encuestas descriptivas, que no pueden capturar el cambio a lo largo del tiempo. Rigby et al. (2020)
hicieron observaciones importantes, pero su diseño carecía de los controles necesarios para aislar el
impacto de la metodología ágil en sí misma. Como resultado, teníamos principios, pero no pruebas.
Para pasar de los principios a la evidencia real, necesitábamos una forma de medir la "competencia
digital". El marco DigComp 2.2 de la Comisión Europea (2023; basado en Ferrari, 2013) proporcionó
una estructura clara, dividiendo la competencia digital en áreas como alfabetización informacional,
colaboración, creación de contenido y resolución ética de problemas. Si bien este sistema es útil, su
aplicación en un contexto de posgrado latinoamericano presenta desafíos, como señalaron Velandia et
al. (2022). Los problemas culturales y de acceso añaden complejidad. La UNESCO (2023) enfatiza
además que la competencia digital debe fundamentarse en la ética para que la tecnología no se convierta
simplemente en un atajo. Para nuestro estudio, esto significó ir más allá de si los estudiantes podían usar
la IA; necesitábamos ver si podían usarla con prudencia, integrándola en su resolución de problemas y
manteniendo el pensamiento crítico.
Esto nos lleva de nuevo al desafío de la medición. Las habilidades cognitivas, éticas y metacognitivas
son complejas, por lo que un simple cuestionario no es suficiente. Inspirados por Cano (2008) y
Redecker y Punie (2017), vimos la necesidad de un enfoque más amplio. Combinamos los resultados de
la encuesta con muestras del trabajo de los estudiantes, como portafolios e informes de proyectos, para
comprender mejor cómo evolucionó su pensamiento con el tiempo.
Este estudio aborda esa brecha al ir más allá de las descripciones y ofrecer evidencia empírica rigurosa
sobre cómo el diseño pedagógico moldea el desarrollo de competencias digitales. En lugar de contrastar
la instrucción con su ausencia, adoptamos un marco de dosis-respuesta que compara dos niveles de
integración pedagógica: una condición básica, en la que los estudiantes fueron introducidos a las
prácticas ágiles fundamentales y a las herramientas digitales básicas, y una condición avanzada, en la
que los ciclos completos de Scrum, las plataformas de nivel industrial y las herramientas de IA
generativa se incorporaron sistemáticamente en todo el currículo. Mediante un diseño cuasiexperimental
de métodos mixtos, el estudio persigue tres objetivos interconectados: (1) cuantificar la ganancia
diferencial en las competencias definidas por DigComp 2.2 asociadas con una mejor integración
pedagógica; (2) identificar los mecanismos subyacentes cognitivos, colaborativos y éticos a través de
pág. 1196
los cuales opera dicha integración; y (3) derivar recomendaciones transferibles para programas de
gestión de proyectos de posgrado que aborden la transformación digital, con especial relevancia para
los contextos institucionales latinoamericanos.
Este estudio se guía por las siguientes preguntas de investigación:
• RQ1 (cuantitativa) : ¿En qué medida la integración avanzada de metodologías ágiles e IA
generativa (Fases 1 a 3) produce mayores ganancias en competencias digitales, según lo
operacionalizado por el marco DigComp 2.2, que la exposición a metodologías ágiles básicas
por sí sola (Fase 1) entre los estudiantes de posgrado en gestión de proyectos?
• RQ2 (cualitativa) : ¿Qué mecanismos pedagógicos cognitivos, colaborativos y éticos explican
los cambios diferenciales en las competencias observados entre los dos niveles de intensidad de
integración?
• RQ3 (mixta) : ¿Cómo convergen o divergen las ganancias de competencias cuantitativas y las
experiencias de aprendizaje cualitativas en las dos condiciones de integración?
Basándonos en la literatura revisada y la lógica de dosis-respuesta del diseño del estudio, planteamos
dos hipótesis direccionales. Primero, los estudiantes en la condición de integración avanzada
demostrarán ganancias significativamente mayores antes y después de la intervención en las cinco
dimensiones de DigComp 2.2 en comparación con los estudiantes en la condición básica, esperándose
los mayores tamaños del efecto en la resolución de problemas y la creación de contenido digital, dada
la importancia de las herramientas de IA generativa para dichas competencias (H1). Segundo, los datos
cualitativos revelarán una apropiación cognitiva mediada por IA, caracterizada por un uso reflexivo y
calculado de las herramientas en lugar de una adopción pasiva, como el principal mecanismo subyacente
a las mejoras cuantitativas observadas (H2).
A diferencia de los enfoques tradicionales que evalúan la adopción de tecnología de forma dicotómica
(presencia o ausencia de un tratamiento), esta investigación considera la intensidad de la integración
pedagógica como la variable independiente principal. En consecuencia, el planteamiento del problema
se centra en determinar cómo los distintos niveles de profundidad, dosificación y solidez en la alineación
de los marcos ágiles con las herramientas de Inteligencia Artificial Generativa ( GenAI ) afectan de
manera diferente al desarrollo de competencias digitales en la educación de posgrado.
los cuales opera dicha integración; y (3) derivar recomendaciones transferibles para programas de
gestión de proyectos de posgrado que aborden la transformación digital, con especial relevancia para
los contextos institucionales latinoamericanos.
Este estudio se guía por las siguientes preguntas de investigación:
• RQ1 (cuantitativa) : ¿En qué medida la integración avanzada de metodologías ágiles e IA
generativa (Fases 1 a 3) produce mayores ganancias en competencias digitales, según lo
operacionalizado por el marco DigComp 2.2, que la exposición a metodologías ágiles básicas
por sí sola (Fase 1) entre los estudiantes de posgrado en gestión de proyectos?
• RQ2 (cualitativa) : ¿Qué mecanismos pedagógicos cognitivos, colaborativos y éticos explican
los cambios diferenciales en las competencias observados entre los dos niveles de intensidad de
integración?
• RQ3 (mixta) : ¿Cómo convergen o divergen las ganancias de competencias cuantitativas y las
experiencias de aprendizaje cualitativas en las dos condiciones de integración?
Basándonos en la literatura revisada y la lógica de dosis-respuesta del diseño del estudio, planteamos
dos hipótesis direccionales. Primero, los estudiantes en la condición de integración avanzada
demostrarán ganancias significativamente mayores antes y después de la intervención en las cinco
dimensiones de DigComp 2.2 en comparación con los estudiantes en la condición básica, esperándose
los mayores tamaños del efecto en la resolución de problemas y la creación de contenido digital, dada
la importancia de las herramientas de IA generativa para dichas competencias (H1). Segundo, los datos
cualitativos revelarán una apropiación cognitiva mediada por IA, caracterizada por un uso reflexivo y
calculado de las herramientas en lugar de una adopción pasiva, como el principal mecanismo subyacente
a las mejoras cuantitativas observadas (H2).
A diferencia de los enfoques tradicionales que evalúan la adopción de tecnología de forma dicotómica
(presencia o ausencia de un tratamiento), esta investigación considera la intensidad de la integración
pedagógica como la variable independiente principal. En consecuencia, el planteamiento del problema
se centra en determinar cómo los distintos niveles de profundidad, dosificación y solidez en la alineación
de los marcos ágiles con las herramientas de Inteligencia Artificial Generativa ( GenAI ) afectan de
manera diferente al desarrollo de competencias digitales en la educación de posgrado.
pág. 1197
Las siguientes secciones describen el método, presentan los resultados y analizan sus implicaciones
teóricas y prácticas.
II. METODOLOGÍA
El método sigue un enfoque riguroso de métodos mixtos, que se detalla a continuación en las secciones
de diseño, población y procedimientos, y está alineado con los estándares de PMI y DigComp para
evaluar el impacto pedagógico.
2.1 Diseño metodológico
Esta investigación adoptó un diseño explicativo secuencial de métodos mixtos (Creswell y Plano Clark,
2018; Fetters, Curry y Creswell, 2013), en el que se recopilaron componentes cuantitativos y cualitativos
en paralelo para una integración convergente inicial, seguida de una fase secuencial en la que los datos
cualitativos explicaron los hallazgos cuantitativos.
Este enfoque combina un componente cuasiexperimental con estrategias cualitativas explicativas, lo que
permite una triangulación de datos sólida. Además, se obtuvo la aprobación ética del comité de
investigación institucional de la Universidad Autónoma de Occidente , de conformidad con la Política
Curricular de la institución (Resolución N° 6746, 2024). La participación fue voluntaria y no afectó las
calificaciones del curso; todos los participantes dieron su consentimiento informado por escrito, podían
retirarse en cualquier momento sin penalización, y sus respuestas fueron anonimizadas y almacenadas
de forma segura, con acceso restringido al equipo de investigación.
Fundamentación de la condición de control activo y la lógica de dosis-respuesta.
Una característica distintiva del diseño de este estudio es que ambos grupos recibieron un tratamiento
pedagógico activo y estructurado. El grupo de intervención inicial (marzo de 2024) participó en la Fase
1 del programa, que incluye prácticas introductorias de Scrum, herramientas digitales colaborativas e
instrucción convencional en planificación de proyectos, lo que representa una menor intensidad de
integración. El grupo de integración avanzada (marzo de 2025) completó las tres fases del mismo
programa, incorporando la implementación completa de Scrum y Disciplined Agile (Ambler y Lines,
2020), plataformas de nivel industrial (Jira, Miro, Microsoft Teams) y herramientas de IA generativa
como apoyo cognitivo y creativo para todo tipo de tareas.
Las siguientes secciones describen el método, presentan los resultados y analizan sus implicaciones
teóricas y prácticas.
II. METODOLOGÍA
El método sigue un enfoque riguroso de métodos mixtos, que se detalla a continuación en las secciones
de diseño, población y procedimientos, y está alineado con los estándares de PMI y DigComp para
evaluar el impacto pedagógico.
2.1 Diseño metodológico
Esta investigación adoptó un diseño explicativo secuencial de métodos mixtos (Creswell y Plano Clark,
2018; Fetters, Curry y Creswell, 2013), en el que se recopilaron componentes cuantitativos y cualitativos
en paralelo para una integración convergente inicial, seguida de una fase secuencial en la que los datos
cualitativos explicaron los hallazgos cuantitativos.
Este enfoque combina un componente cuasiexperimental con estrategias cualitativas explicativas, lo que
permite una triangulación de datos sólida. Además, se obtuvo la aprobación ética del comité de
investigación institucional de la Universidad Autónoma de Occidente , de conformidad con la Política
Curricular de la institución (Resolución N° 6746, 2024). La participación fue voluntaria y no afectó las
calificaciones del curso; todos los participantes dieron su consentimiento informado por escrito, podían
retirarse en cualquier momento sin penalización, y sus respuestas fueron anonimizadas y almacenadas
de forma segura, con acceso restringido al equipo de investigación.
Fundamentación de la condición de control activo y la lógica de dosis-respuesta.
Una característica distintiva del diseño de este estudio es que ambos grupos recibieron un tratamiento
pedagógico activo y estructurado. El grupo de intervención inicial (marzo de 2024) participó en la Fase
1 del programa, que incluye prácticas introductorias de Scrum, herramientas digitales colaborativas e
instrucción convencional en planificación de proyectos, lo que representa una menor intensidad de
integración. El grupo de integración avanzada (marzo de 2025) completó las tres fases del mismo
programa, incorporando la implementación completa de Scrum y Disciplined Agile (Ambler y Lines,
2020), plataformas de nivel industrial (Jira, Miro, Microsoft Teams) y herramientas de IA generativa
como apoyo cognitivo y creativo para todo tipo de tareas.
pág. 1198
Esta estructura sigue la lógica de un diseño cuasiexperimental de dosis-respuesta (Shadish , Cook y
Campbell, 2002), en el que la condición de comparación no se define por la ausencia de instrucción,
sino por un nivel inferior del mismo continuo de tratamiento. Como explican Shadish et al. (2002,
Capítulo 5), las condiciones de control activo cumplen una función crítica de validez: aíslan el efecto de
la dosis incremental del tratamiento manteniendo constantes los efectos generales de la instrucción, la
participación académica, la novedad y el contexto institucional. En este estudio, cualquier diferencia
observada en las ganancias de competencia entre los grupos puede atribuirse, por lo tanto, al alcance y
la complejidad de la integración pedagógica, es decir, a lo que la integración avanzada añade más allá
de la exposición ágil fundamental, en lugar de a la mera presencia o ausencia de enseñanza estructurada.
Este enfoque aborda directamente una de las amenazas más comunes a la validez interna en los
cuasiexperimentos educativos: la confusión entre recibir la intervención y recibir una intervención más
intensiva. Al admitir explícitamente a ambos grupos como receptores de la intervención y especificar la
diferencia de dosis como variable independiente, el estudio refuerza la base de sus afirmaciones
comparativas, al tiempo que mantiene la transparencia respecto a los límites de la inferencia causal en
diseños no aleatorios (Cook y Campbell, 1979; Shadish et al., 2002). El diseño se estructuró en dos fases
principales, como se detalla en la tabla 1:
Tabla 1.
Diagrama de diseño metodológico
Fase Componente Descripción Métodos Integración
Fase 1:
Cuantitativa
(convergente)
Cuasi-
experimental
Diseño pretest-postest de grupos no
equivalentes ( Shadish et al., 2002),
con recopilación de datos escalonada
en cuatro puntos (línea de base,
intermedio, postintervención
inmediata y seguimiento a los 3
meses); análisis primario basado en
la comparación pretest-postest.
Comparación de dosis-respuesta
Pruebas t
pareadas,
ANOVA, d de
Cohen (SPSS
v.27).
Datos
recopilados en
paralelo con la
fase cualitativa
para una
comparación
convergente
inicial.
Esta estructura sigue la lógica de un diseño cuasiexperimental de dosis-respuesta (Shadish , Cook y
Campbell, 2002), en el que la condición de comparación no se define por la ausencia de instrucción,
sino por un nivel inferior del mismo continuo de tratamiento. Como explican Shadish et al. (2002,
Capítulo 5), las condiciones de control activo cumplen una función crítica de validez: aíslan el efecto de
la dosis incremental del tratamiento manteniendo constantes los efectos generales de la instrucción, la
participación académica, la novedad y el contexto institucional. En este estudio, cualquier diferencia
observada en las ganancias de competencia entre los grupos puede atribuirse, por lo tanto, al alcance y
la complejidad de la integración pedagógica, es decir, a lo que la integración avanzada añade más allá
de la exposición ágil fundamental, en lugar de a la mera presencia o ausencia de enseñanza estructurada.
Este enfoque aborda directamente una de las amenazas más comunes a la validez interna en los
cuasiexperimentos educativos: la confusión entre recibir la intervención y recibir una intervención más
intensiva. Al admitir explícitamente a ambos grupos como receptores de la intervención y especificar la
diferencia de dosis como variable independiente, el estudio refuerza la base de sus afirmaciones
comparativas, al tiempo que mantiene la transparencia respecto a los límites de la inferencia causal en
diseños no aleatorios (Cook y Campbell, 1979; Shadish et al., 2002). El diseño se estructuró en dos fases
principales, como se detalla en la tabla 1:
Tabla 1.
Diagrama de diseño metodológico
Fase Componente Descripción Métodos Integración
Fase 1:
Cuantitativa
(convergente)
Cuasi-
experimental
Diseño pretest-postest de grupos no
equivalentes ( Shadish et al., 2002),
con recopilación de datos escalonada
en cuatro puntos (línea de base,
intermedio, postintervención
inmediata y seguimiento a los 3
meses); análisis primario basado en
la comparación pretest-postest.
Comparación de dosis-respuesta
Pruebas t
pareadas,
ANOVA, d de
Cohen (SPSS
v.27).
Datos
recopilados en
paralelo con la
fase cualitativa
para una
comparación
convergente
inicial.
pág. 1199
entre el grupo de intervención
fundamental (solo Fase 1), el grupo
de intervención de línea de base y el
grupo de integración avanzada
(Fases 1-3, 2025-03), siguiendo una
lógica de condición de control
activo. Medición de los cambios en
la competencia digital en cuatro
momentos: línea de base,
intermedio, postintervención
inmediata y seguimiento a los 3
meses. Comparación de dosis-
respuesta entre el grupo de
intervención fundamental (solo Fase
1), el grupo de intervención de línea
de base y el grupo de integración
avanzada (Fases 1-3, 2025-03),
siguiendo una lógica de condición de
control activo.
Fase 2:
Cualitativa
(secuencial-
explicativa)
Explicativo Teoría fundamentada modificada
(Charmaz, 2014) para interpretar los
mecanismos causales, las barreras
contextuales y los procesos de
apropiación tecnológica derivados
de la fase cuantitativa.
Entrevistas
semiestructuradas,
grupos focales y
análisis de
artefactos
(codificación en
NVivo v.14).
Integración
secuencial:
Explica los
resultados
cuantitativos
mediante
triangulación
convergente,
entre el grupo de intervención
fundamental (solo Fase 1), el grupo
de intervención de línea de base y el
grupo de integración avanzada
(Fases 1-3, 2025-03), siguiendo una
lógica de condición de control
activo. Medición de los cambios en
la competencia digital en cuatro
momentos: línea de base,
intermedio, postintervención
inmediata y seguimiento a los 3
meses. Comparación de dosis-
respuesta entre el grupo de
intervención fundamental (solo Fase
1), el grupo de intervención de línea
de base y el grupo de integración
avanzada (Fases 1-3, 2025-03),
siguiendo una lógica de condición de
control activo.
Fase 2:
Cualitativa
(secuencial-
explicativa)
Explicativo Teoría fundamentada modificada
(Charmaz, 2014) para interpretar los
mecanismos causales, las barreras
contextuales y los procesos de
apropiación tecnológica derivados
de la fase cuantitativa.
Entrevistas
semiestructuradas,
grupos focales y
análisis de
artefactos
(codificación en
NVivo v.14).
Integración
secuencial:
Explica los
resultados
cuantitativos
mediante
triangulación
convergente,
pág. 1200
identificando
patrones y
discrepancias.
Fuente: Elaboración propia de los autores basada en Creswell, JW y Plano Clark, VL (2018). Diseño y realización de
investigación con métodos mixtos (3.ª ed.). Sage Publications.
El grupo de intervención básica recibió instrucción introductoria sobre metodologías ágiles y
herramientas digitales básicas (Fase 1). El grupo de integración avanzada completó las tres fases,
incluyendo la integración completa de Scrum, Metodologías Ágiles Disciplinadas e IA Generativa.
Ninguno de los grupos sirvió como control pasivo; ambos recibieron instrucción activa y estructurada.
Las diferencias entre los grupos reflejan variaciones en la intensidad de la integración pedagógica.
Fundamentación del diseño. Esta combinación responde a la necesidad de:
1. Establecer relaciones causales moderadas entre la intervención y los resultados (a través de un
componente cuasiexperimental).
2. Comprender los procesos subyacentes y los significados atribuidos (componente cualitativo).
3. Triangular los hallazgos para fortalecer la validez interpretativa (Greene, 2007). Esta estructura
permite una progresión lógica hacia la descripción de la población en la siguiente subsección.
2.2 Población, muestra y procedimientos de muestreo
Esta subsección describe la población objetivo, los criterios de inclusión/exclusión y los métodos de
muestreo para estudiantes e instructores, garantizando la representatividad y el rigor analítico .
La población objetivo incluyó a todos los estudiantes matriculados en la Especialización en Gestión de
Proyectos (modalidad híbrida) en la Universidad Autónoma de Occidente durante los periodos
académicos del grupo de intervención de referencia, 2025-01 y 2025-03, con especial énfasis en las
comparaciones entre los segundos semestres.
Se realizó un censo completo de la cohorte de estudiantes (N = 160). Dada la población finita y accesible,
este enfoque eliminó el error de muestreo y facilitó las evaluaciones comparativas. Los criterios de
inclusión fueron: (a) estar matriculado en el programa de posgrado, (b) participar plenamente en la
identificando
patrones y
discrepancias.
Fuente: Elaboración propia de los autores basada en Creswell, JW y Plano Clark, VL (2018). Diseño y realización de
investigación con métodos mixtos (3.ª ed.). Sage Publications.
El grupo de intervención básica recibió instrucción introductoria sobre metodologías ágiles y
herramientas digitales básicas (Fase 1). El grupo de integración avanzada completó las tres fases,
incluyendo la integración completa de Scrum, Metodologías Ágiles Disciplinadas e IA Generativa.
Ninguno de los grupos sirvió como control pasivo; ambos recibieron instrucción activa y estructurada.
Las diferencias entre los grupos reflejan variaciones en la intensidad de la integración pedagógica.
Fundamentación del diseño. Esta combinación responde a la necesidad de:
1. Establecer relaciones causales moderadas entre la intervención y los resultados (a través de un
componente cuasiexperimental).
2. Comprender los procesos subyacentes y los significados atribuidos (componente cualitativo).
3. Triangular los hallazgos para fortalecer la validez interpretativa (Greene, 2007). Esta estructura
permite una progresión lógica hacia la descripción de la población en la siguiente subsección.
2.2 Población, muestra y procedimientos de muestreo
Esta subsección describe la población objetivo, los criterios de inclusión/exclusión y los métodos de
muestreo para estudiantes e instructores, garantizando la representatividad y el rigor analítico .
La población objetivo incluyó a todos los estudiantes matriculados en la Especialización en Gestión de
Proyectos (modalidad híbrida) en la Universidad Autónoma de Occidente durante los periodos
académicos del grupo de intervención de referencia, 2025-01 y 2025-03, con especial énfasis en las
comparaciones entre los segundos semestres.
Se realizó un censo completo de la cohorte de estudiantes (N = 160). Dada la población finita y accesible,
este enfoque eliminó el error de muestreo y facilitó las evaluaciones comparativas. Los criterios de
inclusión fueron: (a) estar matriculado en el programa de posgrado, (b) participar plenamente en la
pág. 1201
intervención y (c) completar la prueba previa y la posterior. Se excluyeron los participantes con datos
incompletos superiores al 10 % por variable.
Para facilitar la comprensión del diseño de muestreo y mejorar la claridad metodológica, la Tabla 2
sintetiza las principales características de la población, la muestra y los procedimientos de muestreo
utilizados en el estudio, diferenciando los componentes cuantitativos y cualitativos, así como su función
analítica dentro del diseño cuasiexperimental de métodos mixtos.
Tabla 2.
Descripción de la muestra y designación del grupo. Estudiantes de posgrado en gestión de proyectos,
Universidad Autónoma de Occidente , 2024–2025
Cohorte Período Semestre n Analizado Papel en el estudio
Cohorte
incógnita
Grupo de
intervención
inicial
2º 58 n = 55ª
El grupo de intervención fundamental
recibió la instrucción de la Fase 1: prácticas
introductorias de Scrum, herramientas básicas de
colaboración digital y gestión de proyectos
convencional. Sirve como comparador de dosis
baja dentro del diseño de dosis-respuesta.
Cohorte XI 2025-01 1º 55 n = 52ª
Grupo de integración intermedio.
Fases 1 y 2 completadas: introducción a Scrum y
metodología ágil híbrida (Agilidad Disciplinada +
Kanban), con introducción de herramientas de IA
generativa para la colaboración y la creación de
contenido. No recibió la instrucción de la Fase 3
(aplicación ética y consolidación). Cumple con el
requisito de dosis intermedia.
Cohorte XI 2025-03 2º 47 n = 45ª
Grupo de integración avanzada.
Fases 1 a 3 completadas: ciclos completos de
Scrum y Disciplined Agile, plataformas de nivel
industrial (Jira, Miro, Microsoft Teams) y
intervención y (c) completar la prueba previa y la posterior. Se excluyeron los participantes con datos
incompletos superiores al 10 % por variable.
Para facilitar la comprensión del diseño de muestreo y mejorar la claridad metodológica, la Tabla 2
sintetiza las principales características de la población, la muestra y los procedimientos de muestreo
utilizados en el estudio, diferenciando los componentes cuantitativos y cualitativos, así como su función
analítica dentro del diseño cuasiexperimental de métodos mixtos.
Tabla 2.
Descripción de la muestra y designación del grupo. Estudiantes de posgrado en gestión de proyectos,
Universidad Autónoma de Occidente , 2024–2025
Cohorte Período Semestre n Analizado Papel en el estudio
Cohorte
incógnita
Grupo de
intervención
inicial
2º 58 n = 55ª
El grupo de intervención fundamental
recibió la instrucción de la Fase 1: prácticas
introductorias de Scrum, herramientas básicas de
colaboración digital y gestión de proyectos
convencional. Sirve como comparador de dosis
baja dentro del diseño de dosis-respuesta.
Cohorte XI 2025-01 1º 55 n = 52ª
Grupo de integración intermedio.
Fases 1 y 2 completadas: introducción a Scrum y
metodología ágil híbrida (Agilidad Disciplinada +
Kanban), con introducción de herramientas de IA
generativa para la colaboración y la creación de
contenido. No recibió la instrucción de la Fase 3
(aplicación ética y consolidación). Cumple con el
requisito de dosis intermedia.
Cohorte XI 2025-03 2º 47 n = 45ª
Grupo de integración avanzada.
Fases 1 a 3 completadas: ciclos completos de
Scrum y Disciplined Agile, plataformas de nivel
industrial (Jira, Miro, Microsoft Teams) y
pág. 1202
herramientas de IA generativa como apoyo
cognitivo sistemático. Sirve como condición de
dosis más alta.
Total Total Total 160 152 8 excluidos (datos incompletos; véase la sección
2.5)
Nota: Ambos grupos estaban inscritos en el mismo programa de posgrado y recibieron una intervención
pedagógica activa y estructurada. La designación del grupo refleja el nivel de intensidad de integración
dentro de un diseño cuasiexperimental de dosis-respuesta ( Shadish et al., 2002), no la condición de
intervención frente a control. Ninguno de los grupos constituye un control pasivo o no tratado. ª El
número de participantes analizados difiere del número de participantes inscritos debido a la exclusión
de participantes con datos de medición pre o post-intervención incompletos.
Fuente: Elaboración propia de los autores basada en la Comisión Europea. (2023). El marco de
competencias digitales 2.2 ( DigComp 2.2): Un marco europeo para el desarrollo y la comprensión de
las competencias digitales en Europa . Oficina de Publicaciones de la Unión Europea.
Para el componente estudiantil, se adoptó un enfoque censal para el elemento cuantitativo. Para el
componente cualitativo, se utilizó un muestreo intencional por criterios (Patton, 2015) para seleccionar
a los participantes. Se seleccionaron instructores por su experiencia directa en la implementación de la
intervención pedagógica (n = 6). Para los estudiantes, se formaron cuatro grupos focales con un total de
12 participantes (tres por grupo), seleccionados según los siguientes criterios:
1. Habiendo completado todas las fases de la intervención.
2. Demostrar distintos niveles de rendimiento digital en la prueba previa (bajo, medio, alto) y
3. Disponibilidad para participar en sesiones síncronas. Esta estrategia permitió captar diversos
puntos de vista y mejoró la comprensión de los procesos de apropiación tecnológica.
Justificación del censo frente al muestreo: Dado que la población era finita y accesible (N < 200), se
optó por un censo completo (Kish, 1965), eliminando el error de muestreo y permitiendo el subanálisis
por cohorte. La tasa de respuesta fue del 95 % (152/160 completaron todas las mediciones), con una tasa
de abandono del 5 %, abordada mediante la imputación de la media para los datos faltantes aislados (<5
herramientas de IA generativa como apoyo
cognitivo sistemático. Sirve como condición de
dosis más alta.
Total Total Total 160 152 8 excluidos (datos incompletos; véase la sección
2.5)
Nota: Ambos grupos estaban inscritos en el mismo programa de posgrado y recibieron una intervención
pedagógica activa y estructurada. La designación del grupo refleja el nivel de intensidad de integración
dentro de un diseño cuasiexperimental de dosis-respuesta ( Shadish et al., 2002), no la condición de
intervención frente a control. Ninguno de los grupos constituye un control pasivo o no tratado. ª El
número de participantes analizados difiere del número de participantes inscritos debido a la exclusión
de participantes con datos de medición pre o post-intervención incompletos.
Fuente: Elaboración propia de los autores basada en la Comisión Europea. (2023). El marco de
competencias digitales 2.2 ( DigComp 2.2): Un marco europeo para el desarrollo y la comprensión de
las competencias digitales en Europa . Oficina de Publicaciones de la Unión Europea.
Para el componente estudiantil, se adoptó un enfoque censal para el elemento cuantitativo. Para el
componente cualitativo, se utilizó un muestreo intencional por criterios (Patton, 2015) para seleccionar
a los participantes. Se seleccionaron instructores por su experiencia directa en la implementación de la
intervención pedagógica (n = 6). Para los estudiantes, se formaron cuatro grupos focales con un total de
12 participantes (tres por grupo), seleccionados según los siguientes criterios:
1. Habiendo completado todas las fases de la intervención.
2. Demostrar distintos niveles de rendimiento digital en la prueba previa (bajo, medio, alto) y
3. Disponibilidad para participar en sesiones síncronas. Esta estrategia permitió captar diversos
puntos de vista y mejoró la comprensión de los procesos de apropiación tecnológica.
Justificación del censo frente al muestreo: Dado que la población era finita y accesible (N < 200), se
optó por un censo completo (Kish, 1965), eliminando el error de muestreo y permitiendo el subanálisis
por cohorte. La tasa de respuesta fue del 95 % (152/160 completaron todas las mediciones), con una tasa
de abandono del 5 %, abordada mediante la imputación de la media para los datos faltantes aislados (<5
pág. 1203
% por variable) y la exclusión de los casos con >10 % de datos faltantes (n = 8 excluidos). Los datos
faltantes inferiores al 5 % por variable se imputaron utilizando la media, dada su naturaleza aleatoria y
la baja proporción observada, una práctica aceptada en estudios aplicados cuando no altera la
distribución de los datos ( Tabachnick y Fidell , 2019).
Se realizó un análisis de potencia post hoc utilizando G*Power 3.1 ( Faul et al., 2007) para pruebas t
pareadas. Para un tamaño de efecto pequeño detectable (d = 0,25) con α = 0,05, la potencia alcanzada
(1 – β) fue de 0,99, superando el umbral de 0,80 (Cohen, 1988).
Para contextualizar la población estudiantil participante y facilitar la interpretación de los resultados, la
tabla 3 presenta el perfil demográfico general de los estudiantes de posgrado en gestión de proyectos,
desglosado por cohorte académica. Esta información permite una caracterización sintetizada de las
principales variables sociodemográficas relevantes para el estudio, lo que contribuye a la comprensión
del contexto formativo en el que se desarrolló la intervención pedagógica.
Tabla 3.
Perfil demográfico por cohorte
Característica
Cohorte X (Grupo de
intervención inicial,
segundo semestre;
intervención fundamental)
n= 58
Cohorte XI
(2025-01, 1er
semestre;
intermedio) n=55
Cohorte XI (2025-03,
2.º semestre;
integración avanzada)
n=47
Total
(N=160)
Edad media (DE) 33,8 (6,5) 34,5 (7,0) 34,2 (6,9)
34.2
(6.8)
Experiencia laboral
media (años) (DE)
5.1 (3.0) 5.4 (3.3) 5.4 (3.2) 5.3 (3.2)
Título universitario
de pregrado (%
ingeniería)
48% 42% 45% 45%
Fuente: Elaboración propia de los autores basada en la Comisión Europea. (2023). Marco de competencias digitales 2.2 (
DigComp 2.2) : Un marco europeo para el desarrollo y la comprensión de las competencias digitales en Europa. Oficina de
Publicaciones de la Unión Europea.
% por variable) y la exclusión de los casos con >10 % de datos faltantes (n = 8 excluidos). Los datos
faltantes inferiores al 5 % por variable se imputaron utilizando la media, dada su naturaleza aleatoria y
la baja proporción observada, una práctica aceptada en estudios aplicados cuando no altera la
distribución de los datos ( Tabachnick y Fidell , 2019).
Se realizó un análisis de potencia post hoc utilizando G*Power 3.1 ( Faul et al., 2007) para pruebas t
pareadas. Para un tamaño de efecto pequeño detectable (d = 0,25) con α = 0,05, la potencia alcanzada
(1 – β) fue de 0,99, superando el umbral de 0,80 (Cohen, 1988).
Para contextualizar la población estudiantil participante y facilitar la interpretación de los resultados, la
tabla 3 presenta el perfil demográfico general de los estudiantes de posgrado en gestión de proyectos,
desglosado por cohorte académica. Esta información permite una caracterización sintetizada de las
principales variables sociodemográficas relevantes para el estudio, lo que contribuye a la comprensión
del contexto formativo en el que se desarrolló la intervención pedagógica.
Tabla 3.
Perfil demográfico por cohorte
Característica
Cohorte X (Grupo de
intervención inicial,
segundo semestre;
intervención fundamental)
n= 58
Cohorte XI
(2025-01, 1er
semestre;
intermedio) n=55
Cohorte XI (2025-03,
2.º semestre;
integración avanzada)
n=47
Total
(N=160)
Edad media (DE) 33,8 (6,5) 34,5 (7,0) 34,2 (6,9)
34.2
(6.8)
Experiencia laboral
media (años) (DE)
5.1 (3.0) 5.4 (3.3) 5.4 (3.2) 5.3 (3.2)
Título universitario
de pregrado (%
ingeniería)
48% 42% 45% 45%
Fuente: Elaboración propia de los autores basada en la Comisión Europea. (2023). Marco de competencias digitales 2.2 (
DigComp 2.2) : Un marco europeo para el desarrollo y la comprensión de las competencias digitales en Europa. Oficina de
Publicaciones de la Unión Europea.
pág. 1204
La etiqueta "intervención fundamental" indica la condición de dosis más baja dentro del diseño de dosis-
respuesta. Esta cohorte recibió únicamente la instrucción de la Fase 1 y no constituye un grupo de control
pasivo.
El profesorado estaba compuesto por 18 instructores afiliados al programa que participaban en los cursos
en estudio y en la implementación de prácticas pedagógicas innovadoras.
Distribución por función y experiencia:
• Categoría académica: Profesores asociados (44%, n=8), profesores adjuntos (56%, n=10).
• Experiencia en docencia de posgrado: promedio de 8,2 años (DE = 4,3).
• Formación específica: certificación PMP/PMI (67%, n=12); experiencia en metodologías
ágiles (78%, n=14); conocimientos en IA aplicada (50%, n=9).
La tasa de respuesta fue del 100% (18/18 en el componente cuantitativo y 12/12 en el componente
cualitativo), sin que se registraran datos faltantes (no se aplicó ningún tratamiento debido a la integridad
total de los datos).
Justificación del tamaño de la muestra del profesorado: Para la investigación cualitativa con una
población pequeña (<20), se siguieron las directrices de Guest et al. (2006): se recomienda un mínimo
de 6 a 12 participantes para la saturación, logrando una cobertura de validez del 70% en este estudio.
En la siguiente subsección se detallarán las variables y los instrumentos, garantizando una medición
precisa del impacto.
2.3 Principales variables, indicadores e instrumentos
Esta subsección detalla las variables cuantitativas y cualitativas, sus indicadores operativos y los
instrumentos utilizados, en estricta conformidad con el marco DigComp 2.2 para garantizar la
coherencia conceptual y una medición precisa.
Desde la dimensión cuantitativa, las variables centrales incluyeron la competencia digital global
(evaluada mediante un índice adaptado de DigComp 2.2), el rendimiento académico (calificaciones
finales y rúbricas específicas del curso), los indicadores de rendimiento práctico (porcentaje de
elementos de la rúbrica logrados) y el uso de herramientas tecnológicas basadas en IA (como ChatGPT
y Copilot) o herramientas ágiles (como Jira y Trello).
La etiqueta "intervención fundamental" indica la condición de dosis más baja dentro del diseño de dosis-
respuesta. Esta cohorte recibió únicamente la instrucción de la Fase 1 y no constituye un grupo de control
pasivo.
El profesorado estaba compuesto por 18 instructores afiliados al programa que participaban en los cursos
en estudio y en la implementación de prácticas pedagógicas innovadoras.
Distribución por función y experiencia:
• Categoría académica: Profesores asociados (44%, n=8), profesores adjuntos (56%, n=10).
• Experiencia en docencia de posgrado: promedio de 8,2 años (DE = 4,3).
• Formación específica: certificación PMP/PMI (67%, n=12); experiencia en metodologías
ágiles (78%, n=14); conocimientos en IA aplicada (50%, n=9).
La tasa de respuesta fue del 100% (18/18 en el componente cuantitativo y 12/12 en el componente
cualitativo), sin que se registraran datos faltantes (no se aplicó ningún tratamiento debido a la integridad
total de los datos).
Justificación del tamaño de la muestra del profesorado: Para la investigación cualitativa con una
población pequeña (<20), se siguieron las directrices de Guest et al. (2006): se recomienda un mínimo
de 6 a 12 participantes para la saturación, logrando una cobertura de validez del 70% en este estudio.
En la siguiente subsección se detallarán las variables y los instrumentos, garantizando una medición
precisa del impacto.
2.3 Principales variables, indicadores e instrumentos
Esta subsección detalla las variables cuantitativas y cualitativas, sus indicadores operativos y los
instrumentos utilizados, en estricta conformidad con el marco DigComp 2.2 para garantizar la
coherencia conceptual y una medición precisa.
Desde la dimensión cuantitativa, las variables centrales incluyeron la competencia digital global
(evaluada mediante un índice adaptado de DigComp 2.2), el rendimiento académico (calificaciones
finales y rúbricas específicas del curso), los indicadores de rendimiento práctico (porcentaje de
elementos de la rúbrica logrados) y el uso de herramientas tecnológicas basadas en IA (como ChatGPT
y Copilot) o herramientas ágiles (como Jira y Trello).
pág. 1205
El diseño se estructuró en torno a dos variables principales: una variable independiente (la intervención
formativa) y una variable dependiente (la competencia digital), que se evaluó según DigComp 2.2
(Comisión Europea, 2023).
La variable independiente:
Nivel de integración pedagógica, operacionalizado como una variable categórica de dos niveles. El nivel
básico (Fase 1) comprendió prácticas introductorias de Scrum, herramientas básicas de colaboración
digital e instrucción convencional en gestión de proyectos, impartida al grupo de intervención inicial,
una cohorte a lo largo de un semestre académico. El nivel avanzado (Fases 1-3) comprendió todo el
contenido básico, implementaciones completas de Scrum y Disciplined Agile, plataformas digitales de
nivel industrial e integración sistemática de IA generativa, impartida a las cohortes de marzo de 2025 a
lo largo de tres fases consecutivas.
Específicamente, los estudiantes utilizaron ChatGPT ( OpenAI ) para la resolución iterativa de
problemas, el apoyo a la planificación de sprints y la redacción de la documentación del proyecto, y
GitHub Copilot para la planificación asistida por código y las tareas de automatización dentro de los
flujos de trabajo de Jira y Power BI; ambas herramientas se utilizaron bajo las pautas de orientación
supervisadas por el instructor introducidas en la Fase 2 (véase la Tabla 4). Esta variable refleja
diferencias en la intensidad de la integración y la complejidad pedagógica, no la presencia o ausencia
de instrucción estructurada. Ambos niveles implicaron una participación activa y académicamente
supervisada. Esta intervención se define como prácticas controladas por el equipo docente, basadas en
PMI (2021, 2023) y principios de educación digital (García Aretio , 2021). Véase la Tabla 4 para las
fases detalladas.
Tabla 4.
Fases de la intervención pedagógica
Fase
Período
académico
Principal
componentes
Duración Objetivo
Herramientas
específicas
1: Introducción
Grupo de
intervención
de referencia
Metodologías
ágiles básicas
(Scrum
4 semanas
Establecer
una línea de
base y
Trello, Jira, MS Project
El diseño se estructuró en torno a dos variables principales: una variable independiente (la intervención
formativa) y una variable dependiente (la competencia digital), que se evaluó según DigComp 2.2
(Comisión Europea, 2023).
La variable independiente:
Nivel de integración pedagógica, operacionalizado como una variable categórica de dos niveles. El nivel
básico (Fase 1) comprendió prácticas introductorias de Scrum, herramientas básicas de colaboración
digital e instrucción convencional en gestión de proyectos, impartida al grupo de intervención inicial,
una cohorte a lo largo de un semestre académico. El nivel avanzado (Fases 1-3) comprendió todo el
contenido básico, implementaciones completas de Scrum y Disciplined Agile, plataformas digitales de
nivel industrial e integración sistemática de IA generativa, impartida a las cohortes de marzo de 2025 a
lo largo de tres fases consecutivas.
Específicamente, los estudiantes utilizaron ChatGPT ( OpenAI ) para la resolución iterativa de
problemas, el apoyo a la planificación de sprints y la redacción de la documentación del proyecto, y
GitHub Copilot para la planificación asistida por código y las tareas de automatización dentro de los
flujos de trabajo de Jira y Power BI; ambas herramientas se utilizaron bajo las pautas de orientación
supervisadas por el instructor introducidas en la Fase 2 (véase la Tabla 4). Esta variable refleja
diferencias en la intensidad de la integración y la complejidad pedagógica, no la presencia o ausencia
de instrucción estructurada. Ambos niveles implicaron una participación activa y académicamente
supervisada. Esta intervención se define como prácticas controladas por el equipo docente, basadas en
PMI (2021, 2023) y principios de educación digital (García Aretio , 2021). Véase la Tabla 4 para las
fases detalladas.
Tabla 4.
Fases de la intervención pedagógica
Fase
Período
académico
Principal
componentes
Duración Objetivo
Herramientas
específicas
1: Introducción
Grupo de
intervención
de referencia
Metodologías
ágiles básicas
(Scrum
4 semanas
Establecer
una línea de
base y
Trello, Jira, MS Project
pág. 1206
(2.º semestre).
Recibiendo el
grupo de
intervención
fundamental
(Fase 1).
introductorio);
herramientas
digitales
iniciales
familiarizarse
con el tema.
2: Implementación
principal
2025-01 (1er
semestre,
intermedio)
Integración
completa:
metodología ágil
híbrida (Agile
Disciplinado +
Kanban); IA
generativa
8 semanas
Fomentar la
colaboración
y la creación
de contenido.
Power BI, Jira,
ChatGPT
3: Consolidación y
seguimiento
2025-03 (2º
semestre.
Grupo de
integración
avanzada
(Fases 1–3).
Aplicación ética
de la IA;
prácticas
contextualizadas
( proyectos
LEGO®, Siloé
City)
4 semanas +
seguimiento
de 3 meses
Reforzar la
resolución de
problemas y
la ética
digital.
Copiloto, Notion, Jira
Fuente: Elaboración propia de los autores basada en Project Management Institute. (2021). Guía de los fundamentos de la
gestión de proyectos (Guía PMBOK®) (7.ª ed.) y Project Management Institute. (2023).
El grupo de intervención inicial recibió un programa pedagógico estructurado y supervisado
académicamente. Su designación como la condición de dosis más baja refleja el alcance de la integración
en relación con las Fases 1 a 3, no la ausencia de tratamiento instructivo. Esta distinción es fundamental
para la interpretación de la relación dosis-respuesta de las diferencias entre grupos.
En cuanto a la variable dependiente, esta se centra en el progreso medible posterior a la intervención.
(2.º semestre).
Recibiendo el
grupo de
intervención
fundamental
(Fase 1).
introductorio);
herramientas
digitales
iniciales
familiarizarse
con el tema.
2: Implementación
principal
2025-01 (1er
semestre,
intermedio)
Integración
completa:
metodología ágil
híbrida (Agile
Disciplinado +
Kanban); IA
generativa
8 semanas
Fomentar la
colaboración
y la creación
de contenido.
Power BI, Jira,
ChatGPT
3: Consolidación y
seguimiento
2025-03 (2º
semestre.
Grupo de
integración
avanzada
(Fases 1–3).
Aplicación ética
de la IA;
prácticas
contextualizadas
( proyectos
LEGO®, Siloé
City)
4 semanas +
seguimiento
de 3 meses
Reforzar la
resolución de
problemas y
la ética
digital.
Copiloto, Notion, Jira
Fuente: Elaboración propia de los autores basada en Project Management Institute. (2021). Guía de los fundamentos de la
gestión de proyectos (Guía PMBOK®) (7.ª ed.) y Project Management Institute. (2023).
El grupo de intervención inicial recibió un programa pedagógico estructurado y supervisado
académicamente. Su designación como la condición de dosis más baja refleja el alcance de la integración
en relación con las Fases 1 a 3, no la ausencia de tratamiento instructivo. Esta distinción es fundamental
para la interpretación de la relación dosis-respuesta de las diferencias entre grupos.
En cuanto a la variable dependiente, esta se centra en el progreso medible posterior a la intervención.
pág. 1207
Variable dependiente: competencia digital
La variable dependiente es la competencia digital global, entendida como la capacidad ética y crítica
para usar, evaluar y crear información digital. Se midió mediante una versión adaptada de DigComp 2.2
(19 ítems en una escala Likert de 1 a 5, α = 0,84) y se evaluó antes y después de la intervención. Las
cinco dimensiones se operacionalizaron como subcompetencias con indicadores observables (véase la
Tabla 5). El cambio (Δ post–pre) se interpretó como un efecto de la intervención pedagógica.
Tabla 5.
Variables, indicadores e instrumento principal
Variable
Indicador (
Subcompetencia
DigComp 2.2)
Fuente de datos
específica
Instrumento
principal
Ejemplos de artículos
(de un total de 19)
Competencia
digital general
(dependiente)
Alfabetización
informacional
Encuesta
autoadministrada
DigComp adaptada
(Likert 1–5)
"Evalúo fuentes digitales
para proyectos" (ítems 1-
4)
Comunicación y
colaboración
digital
Registros de la
plataforma (LMS)
Registros de
interacción en
Trello/Jira
"Colaboro en plataformas
virtuales como Trello"
(ítems 5-8)
Creación de
contenido digital
Portafolios
digitales
Análisis de
artefactos (informes
generados por IA)
"Creo contenido con
herramientas como
ChatGPT " (ítems 9-12)
Seguridad y ética
digital
El instructor
elaboró las
rúbricas.
Rúbricas de
evaluación ética
"Protejo los datos en
entornos digitales" (ítems
13-15)
Resolución de
problemas y
pensamiento
crítico
Observación
estructurada
(simulaciones)
Artefactos (
simulaciones de
LEGO®)
"Resuelvo problemas con
Power BI" (ítems 16-19)
Variable dependiente: competencia digital
La variable dependiente es la competencia digital global, entendida como la capacidad ética y crítica
para usar, evaluar y crear información digital. Se midió mediante una versión adaptada de DigComp 2.2
(19 ítems en una escala Likert de 1 a 5, α = 0,84) y se evaluó antes y después de la intervención. Las
cinco dimensiones se operacionalizaron como subcompetencias con indicadores observables (véase la
Tabla 5). El cambio (Δ post–pre) se interpretó como un efecto de la intervención pedagógica.
Tabla 5.
Variables, indicadores e instrumento principal
Variable
Indicador (
Subcompetencia
DigComp 2.2)
Fuente de datos
específica
Instrumento
principal
Ejemplos de artículos
(de un total de 19)
Competencia
digital general
(dependiente)
Alfabetización
informacional
Encuesta
autoadministrada
DigComp adaptada
(Likert 1–5)
"Evalúo fuentes digitales
para proyectos" (ítems 1-
4)
Comunicación y
colaboración
digital
Registros de la
plataforma (LMS)
Registros de
interacción en
Trello/Jira
"Colaboro en plataformas
virtuales como Trello"
(ítems 5-8)
Creación de
contenido digital
Portafolios
digitales
Análisis de
artefactos (informes
generados por IA)
"Creo contenido con
herramientas como
ChatGPT " (ítems 9-12)
Seguridad y ética
digital
El instructor
elaboró las
rúbricas.
Rúbricas de
evaluación ética
"Protejo los datos en
entornos digitales" (ítems
13-15)
Resolución de
problemas y
pensamiento
crítico
Observación
estructurada
(simulaciones)
Artefactos (
simulaciones de
LEGO®)
"Resuelvo problemas con
Power BI" (ítems 16-19)
pág. 1208
Intervención
formativa
(independiente)
Uso de
herramientas
tecnológicas
Registros
sistemáticos (
ChatGPT , Trello,
Jira)
Registros de uso
automáticos
No aplicable (medido
mediante exposición
controlada)
Fuente: Elaboración propia de los autores.
Para obtener información más detallada, la lista completa de 19 elementos se incluye en el Apéndice A,
con ejemplos para cada subcompetencia a fin de garantizar la reproducibilidad.
En el componente cualitativo, las variables se centraron en las percepciones de relevancia, las barreras
tecnológicas y la aceptación de la IA. Los instrumentos incluyeron entrevistas semiestructuradas (n=12
instructores; duración: 30-45 minutos) y grupos focales (4 grupos de 3 estudiantes cada uno). El
Apéndice B incluye el guion completo de los ítems cualitativos, con 10 preguntas semiestructuradas
para las entrevistas (p. ej., "¿Cómo influyó la IA generativa en la resolución de problemas de los
estudiantes?" o "¿Qué barreras éticas identificaron en el uso de herramientas digitales?") y 5 para los
grupos focales (p. ej., "¿Cómo mejoró la intervención ágil su colaboración digital?"). Además, se
analizaron artefactos como portafolios e informes de LEGO®, codificados temáticamente para la
triangulación.
DigComp 2.2 permite una medición exhaustiva y reproducible de los efectos de la intervención.
Para garantizar una comprensión profunda y contextualizada de los resultados cuantitativos, se llevó a
cabo una integración sistemática y triangulada de datos cualitativos procedentes de tres fuentes
primarias: entrevistas semiestructuradas con instructores, grupos focales con estudiantes y análisis de
artefactos digitales.
La integración se llevó a cabo en dos fases. Primero, los datos se codificaron temáticamente de forma
independiente en NVivo v.14 para identificar categorías emergentes relacionadas con la apropiación
tecnológica, las barreras percibidas y los mecanismos de aprendizaje. Posteriormente, se empleó la
triangulación metodológica (Denzin, 1978) para comparar, complementar y validar los hallazgos de las
distintas fuentes: las percepciones de los instructores obtenidas en las entrevistas se contrastaron con las
experiencias de los estudiantes en los grupos focales, y ambas se compararon con evidencia tangible de
Intervención
formativa
(independiente)
Uso de
herramientas
tecnológicas
Registros
sistemáticos (
ChatGPT , Trello,
Jira)
Registros de uso
automáticos
No aplicable (medido
mediante exposición
controlada)
Fuente: Elaboración propia de los autores.
Para obtener información más detallada, la lista completa de 19 elementos se incluye en el Apéndice A,
con ejemplos para cada subcompetencia a fin de garantizar la reproducibilidad.
En el componente cualitativo, las variables se centraron en las percepciones de relevancia, las barreras
tecnológicas y la aceptación de la IA. Los instrumentos incluyeron entrevistas semiestructuradas (n=12
instructores; duración: 30-45 minutos) y grupos focales (4 grupos de 3 estudiantes cada uno). El
Apéndice B incluye el guion completo de los ítems cualitativos, con 10 preguntas semiestructuradas
para las entrevistas (p. ej., "¿Cómo influyó la IA generativa en la resolución de problemas de los
estudiantes?" o "¿Qué barreras éticas identificaron en el uso de herramientas digitales?") y 5 para los
grupos focales (p. ej., "¿Cómo mejoró la intervención ágil su colaboración digital?"). Además, se
analizaron artefactos como portafolios e informes de LEGO®, codificados temáticamente para la
triangulación.
DigComp 2.2 permite una medición exhaustiva y reproducible de los efectos de la intervención.
Para garantizar una comprensión profunda y contextualizada de los resultados cuantitativos, se llevó a
cabo una integración sistemática y triangulada de datos cualitativos procedentes de tres fuentes
primarias: entrevistas semiestructuradas con instructores, grupos focales con estudiantes y análisis de
artefactos digitales.
La integración se llevó a cabo en dos fases. Primero, los datos se codificaron temáticamente de forma
independiente en NVivo v.14 para identificar categorías emergentes relacionadas con la apropiación
tecnológica, las barreras percibidas y los mecanismos de aprendizaje. Posteriormente, se empleó la
triangulación metodológica (Denzin, 1978) para comparar, complementar y validar los hallazgos de las
distintas fuentes: las percepciones de los instructores obtenidas en las entrevistas se contrastaron con las
experiencias de los estudiantes en los grupos focales, y ambas se compararon con evidencia tangible de
pág. 1209
los artefactos (portafolios, informes generados por IA y simulaciones de LEGO®). Por ejemplo, la
mejora cuantitativa en la creación de contenido digital se explicó cualitativamente mediante:
(1) Testimonios de instructores sobre el uso guiado de ChatGPT (entrevistas).
(2) Reflexiones de los estudiantes sobre su proceso creativo (grupos focales). (3) Evidencia de
originalidad y estructura en los informes finales (análisis de artefactos).
Esta convergencia reforzó la interpretación de que la IA generativa actuaba como un mediador cognitivo
en lugar de un sustituto del pensamiento crítico.
Este proceso no solo permitió explicar el " cómo " y el "por qué" de las mejoras cuantitativas, sino
también identificar patrones de consistencia y divergencia, enriqueciendo así la validez interpretativa y
la solidez de las conclusiones.
2.4 Validación y perfeccionamiento mediante pruebas piloto
La validación y el perfeccionamiento del instrumento se llevaron a cabo mediante un proceso piloto
sistemático, centrado en optimizar la validez, la fiabilidad y la claridad. Este procedimiento garantizó
que el instrumento, adaptado de DigComp 2.2, fuera sensible al cambio y adecuado para el contexto de
la gestión de proyectos.
El proceso se desarrolló en las siguientes fases:
• Construcción inicial: Se elaboró una versión preliminar con 25 elementos (5 por dimensión),
basada en DigComp 2.2 y en los resultados de aprendizaje del programa.
• Aplicación piloto: El instrumento se administró a una muestra de 30 estudiantes (15 del primer
semestre y 15 del segundo), recopilando datos para un análisis preliminar, de acuerdo con las
recomendaciones de tamaño mínimo de muestra para el análisis factorial exploratorio (
Mundfrom , Shaw y Ke , 2005).
• Análisis estadístico: Se evaluaron las correlaciones ítem-total y se eliminaron o reformularon
los ítems con r < 0,30. Esto redujo el instrumento a 19 ítems finales.
• Validación factorial y fiabilidad: Se realizó un análisis factorial exploratorio (KMO = 0,82;
prueba de Bartlett, p < 0,001), que confirmó cinco factores. La fiabilidad global fue α = 0,84,
con valores por dimensión que oscilaron entre 0,74 y 0,88.
los artefactos (portafolios, informes generados por IA y simulaciones de LEGO®). Por ejemplo, la
mejora cuantitativa en la creación de contenido digital se explicó cualitativamente mediante:
(1) Testimonios de instructores sobre el uso guiado de ChatGPT (entrevistas).
(2) Reflexiones de los estudiantes sobre su proceso creativo (grupos focales). (3) Evidencia de
originalidad y estructura en los informes finales (análisis de artefactos).
Esta convergencia reforzó la interpretación de que la IA generativa actuaba como un mediador cognitivo
en lugar de un sustituto del pensamiento crítico.
Este proceso no solo permitió explicar el " cómo " y el "por qué" de las mejoras cuantitativas, sino
también identificar patrones de consistencia y divergencia, enriqueciendo así la validez interpretativa y
la solidez de las conclusiones.
2.4 Validación y perfeccionamiento mediante pruebas piloto
La validación y el perfeccionamiento del instrumento se llevaron a cabo mediante un proceso piloto
sistemático, centrado en optimizar la validez, la fiabilidad y la claridad. Este procedimiento garantizó
que el instrumento, adaptado de DigComp 2.2, fuera sensible al cambio y adecuado para el contexto de
la gestión de proyectos.
El proceso se desarrolló en las siguientes fases:
• Construcción inicial: Se elaboró una versión preliminar con 25 elementos (5 por dimensión),
basada en DigComp 2.2 y en los resultados de aprendizaje del programa.
• Aplicación piloto: El instrumento se administró a una muestra de 30 estudiantes (15 del primer
semestre y 15 del segundo), recopilando datos para un análisis preliminar, de acuerdo con las
recomendaciones de tamaño mínimo de muestra para el análisis factorial exploratorio (
Mundfrom , Shaw y Ke , 2005).
• Análisis estadístico: Se evaluaron las correlaciones ítem-total y se eliminaron o reformularon
los ítems con r < 0,30. Esto redujo el instrumento a 19 ítems finales.
• Validación factorial y fiabilidad: Se realizó un análisis factorial exploratorio (KMO = 0,82;
prueba de Bartlett, p < 0,001), que confirmó cinco factores. La fiabilidad global fue α = 0,84,
con valores por dimensión que oscilaron entre 0,74 y 0,88.
pág. 1210
• Ajustes semánticos: Se perfeccionó la redacción para eliminar ambigüedades, priorizando la
inclusión de un lenguaje aplicable a entornos híbridos.
• Juicio de expertos: Cuatro revisores (tres instructores internos con certificación PMI y un
experto externo del capítulo colombiano de PMI) evaluaron la relevancia, logrando un 92 % de
concordancia entre evaluadores. Se incorporaron sugerencias para una mayor claridad técnica.
Los resultados del proceso de perfeccionamiento se resumen en la tabla 6, donde se destacan los
elementos que fueron eliminados o reformulados y los motivos de dicho cambio.
Tabla 6.
Resultados de la depuración en la prueba piloto
Items
inicial
Dimensión Coeficiente de ajuste
Medidas
adoptadas
Resultado posterior a la
depuración
Item
12
Creación de
contenido digital
Ambigüedad en la
redacción (doble verbo:
"crear y generar con IA")
Reformulado
Elemento conservado: "Creo
contenido digital utilizando IA
generativa". La correlación entre
el elemento y el total mejoró a
0,45.
Item
15
Seguridad digital
y ética
Baja correlación ítem-total
(r = 0,25) y redundancia con
el ítem 14.
Eliminado
No se conserva; la dimensión se
ajusta a 3 artículos sin pérdida de
cobertura.
Item
8
Comunicación y
colaboración
Baja correlación (r = 0,28)
debido a la excesiva jerga
técnica ("plataformas
distribuidas").
Reformulado
Elemento conservado: "Colaboro
utilizando herramientas como
Trello y Jira para equipos
virtuales". Correlación alta a 0,52.
Item
20
Resolución de
problemas
Redundancia con el punto
19 (ambos sobre
"resolución con Power BI")
Eliminado
No se conserva; la dimensión se
optimizó a 4 elementos.
• Ajustes semánticos: Se perfeccionó la redacción para eliminar ambigüedades, priorizando la
inclusión de un lenguaje aplicable a entornos híbridos.
• Juicio de expertos: Cuatro revisores (tres instructores internos con certificación PMI y un
experto externo del capítulo colombiano de PMI) evaluaron la relevancia, logrando un 92 % de
concordancia entre evaluadores. Se incorporaron sugerencias para una mayor claridad técnica.
Los resultados del proceso de perfeccionamiento se resumen en la tabla 6, donde se destacan los
elementos que fueron eliminados o reformulados y los motivos de dicho cambio.
Tabla 6.
Resultados de la depuración en la prueba piloto
Items
inicial
Dimensión Coeficiente de ajuste
Medidas
adoptadas
Resultado posterior a la
depuración
Item
12
Creación de
contenido digital
Ambigüedad en la
redacción (doble verbo:
"crear y generar con IA")
Reformulado
Elemento conservado: "Creo
contenido digital utilizando IA
generativa". La correlación entre
el elemento y el total mejoró a
0,45.
Item
15
Seguridad digital
y ética
Baja correlación ítem-total
(r = 0,25) y redundancia con
el ítem 14.
Eliminado
No se conserva; la dimensión se
ajusta a 3 artículos sin pérdida de
cobertura.
Item
8
Comunicación y
colaboración
Baja correlación (r = 0,28)
debido a la excesiva jerga
técnica ("plataformas
distribuidas").
Reformulado
Elemento conservado: "Colaboro
utilizando herramientas como
Trello y Jira para equipos
virtuales". Correlación alta a 0,52.
Item
20
Resolución de
problemas
Redundancia con el punto
19 (ambos sobre
"resolución con Power BI")
Eliminado
No se conserva; la dimensión se
optimizó a 4 elementos.
pág. 1211
Item
3
Alfabetización
informacional
Claridad semántica
insuficiente (oración
compleja)
Reformulado
Elemento conservado: "Busco y
evalúo fuentes digitales para
proyectos". Acuerdo de expertos:
95% de relevancia.
Fuente: Elaboración propia de los autores.
Este proceso garantizó un instrumento adaptable al cambio y conceptualmente alineado con DigComp
2.2, condición necesaria para interpretar rigurosamente los efectos de la intervención en la fase de
resultados. Esto asegura mediciones fiables del impacto de la intervención en las competencias digitales.
2.5 Resultados de la depuración
Como resultado del proceso de perfeccionamiento en la prueba piloto, se eliminaron los ítems
redundantes o ambiguos, priorizando la claridad y la precisión. El instrumento final constaba de 19
ítems, con una consistencia interna adecuada (α = 0,84) y validez de contenido, y se utilizó en la fase de
análisis de resultados para medir las competencias digitales en la educación superior.
III. Resultados
La investigación se llevó a cabo con una población de 160 estudiantes de posgrado en Gestión de
Proyectos de la UAO, distribuidos en dos cohortes académicas: 85 en el primer semestre y 75 en el
segundo. El profesorado estuvo compuesto por 18 profesores a tiempo parcial y adjuntos especializados
en gestión ágil, liderazgo organizacional, financiación de proyectos y transformación digital.
Interpretación de los resultados
La interpretación de los resultados se basa en un enfoque comparativo pre-post, analizando las
diferencias de medias mediante una prueba t de Student para muestras pareadas y el tamaño del efecto
(d de Cohen). Se utilizó SPSS v.27 para los cálculos cuantitativos y NVivo v.14 para la codificación
cualitativa.
Los niveles de logro se definieron en una escala interpretativa alineada con DigComp 2.2, como se
detalla en la tabla 7.
Item
3
Alfabetización
informacional
Claridad semántica
insuficiente (oración
compleja)
Reformulado
Elemento conservado: "Busco y
evalúo fuentes digitales para
proyectos". Acuerdo de expertos:
95% de relevancia.
Fuente: Elaboración propia de los autores.
Este proceso garantizó un instrumento adaptable al cambio y conceptualmente alineado con DigComp
2.2, condición necesaria para interpretar rigurosamente los efectos de la intervención en la fase de
resultados. Esto asegura mediciones fiables del impacto de la intervención en las competencias digitales.
2.5 Resultados de la depuración
Como resultado del proceso de perfeccionamiento en la prueba piloto, se eliminaron los ítems
redundantes o ambiguos, priorizando la claridad y la precisión. El instrumento final constaba de 19
ítems, con una consistencia interna adecuada (α = 0,84) y validez de contenido, y se utilizó en la fase de
análisis de resultados para medir las competencias digitales en la educación superior.
III. Resultados
La investigación se llevó a cabo con una población de 160 estudiantes de posgrado en Gestión de
Proyectos de la UAO, distribuidos en dos cohortes académicas: 85 en el primer semestre y 75 en el
segundo. El profesorado estuvo compuesto por 18 profesores a tiempo parcial y adjuntos especializados
en gestión ágil, liderazgo organizacional, financiación de proyectos y transformación digital.
Interpretación de los resultados
La interpretación de los resultados se basa en un enfoque comparativo pre-post, analizando las
diferencias de medias mediante una prueba t de Student para muestras pareadas y el tamaño del efecto
(d de Cohen). Se utilizó SPSS v.27 para los cálculos cuantitativos y NVivo v.14 para la codificación
cualitativa.
Los niveles de logro se definieron en una escala interpretativa alineada con DigComp 2.2, como se
detalla en la tabla 7.
pág. 1212
Tabla 7.
Niveles, rangos y descripciones de los logros
Nivel de
logro
Rango
(escala
Likert 1-5)
Descripción
Básico 1.0 - 2.4
Uso limitado de herramientas digitales; alta dependencia de la orientación
externa.
Intermedio 2,5 - 3,4 Uso funcional con apoyo; identificación básica de cuestiones éticas.
Competente 3,5 - 4,4
Aplicación autónoma en contextos del mundo real; integración crítica de
la IA y las metodologías ágiles.
Avanzado 4.5 - 5.0
Innovación y liderazgo digital; resolución ética y colaborativa de desafíos
complejos.
Fuente: Elaboración propia de los autores.
Esta escala permite evaluar el progreso formativo al vincular las percepciones autoinformadas con
evidencia práctica (por ejemplo, rúbricas y portafolios) para lograr una triangulación sólida.
Procedimiento de recopilación de datos
El procedimiento de recolección de datos se estructuró de forma secuencial y continua a lo largo de los
tres periodos académicos, en consonancia con las fases de intervención. Se siguió un cronograma
explícito para minimizar el sesgo y maximizar la cobertura.
• Semana 1 ( Inicio del período del grupo de intervención de referencia ) : Aplicación de la prueba
previa ( encuesta DigComp adaptada ) y recopilación de datos de referencia (puntuaciones
previas, registros iniciales de LMS). Obtención del consentimiento informado.
• Semanas 2-8 ( Implementación principal, períodos Grupo de intervención de referencia y 2025-
01): Monitoreo continuo durante la intervención; recopilación de datos intermedios (rúbricas de
sujetos, registros de uso de herramientas como Trello, Jira y ChatGPT ).
• Semana 16 (Fin del período 2025-01) : Aplicación de la prueba posterior y recopilación de
materiales (portafolios, informes LEGO®, actas del proyecto Siloé City).
Tabla 7.
Niveles, rangos y descripciones de los logros
Nivel de
logro
Rango
(escala
Likert 1-5)
Descripción
Básico 1.0 - 2.4
Uso limitado de herramientas digitales; alta dependencia de la orientación
externa.
Intermedio 2,5 - 3,4 Uso funcional con apoyo; identificación básica de cuestiones éticas.
Competente 3,5 - 4,4
Aplicación autónoma en contextos del mundo real; integración crítica de
la IA y las metodologías ágiles.
Avanzado 4.5 - 5.0
Innovación y liderazgo digital; resolución ética y colaborativa de desafíos
complejos.
Fuente: Elaboración propia de los autores.
Esta escala permite evaluar el progreso formativo al vincular las percepciones autoinformadas con
evidencia práctica (por ejemplo, rúbricas y portafolios) para lograr una triangulación sólida.
Procedimiento de recopilación de datos
El procedimiento de recolección de datos se estructuró de forma secuencial y continua a lo largo de los
tres periodos académicos, en consonancia con las fases de intervención. Se siguió un cronograma
explícito para minimizar el sesgo y maximizar la cobertura.
• Semana 1 ( Inicio del período del grupo de intervención de referencia ) : Aplicación de la prueba
previa ( encuesta DigComp adaptada ) y recopilación de datos de referencia (puntuaciones
previas, registros iniciales de LMS). Obtención del consentimiento informado.
• Semanas 2-8 ( Implementación principal, períodos Grupo de intervención de referencia y 2025-
01): Monitoreo continuo durante la intervención; recopilación de datos intermedios (rúbricas de
sujetos, registros de uso de herramientas como Trello, Jira y ChatGPT ).
• Semana 16 (Fin del período 2025-01) : Aplicación de la prueba posterior y recopilación de
materiales (portafolios, informes LEGO®, actas del proyecto Siloé City).
pág. 1213
• Tercer mes posterior a la intervención (seguimiento, período 2025-03) : mediciones de
seguimiento (encuesta abreviada) y datos cualitativos (entrevistas con profesores, grupos
focales con estudiantes).
Todos los datos se recopilaron de forma anónima mediante plataformas digitales (por ejemplo,
Formularios de Google para encuestas, Zoom para grupos focales), con tasas de respuesta superiores al
95 %. Los datos faltantes (<5 % por variable) se trataron mediante imputación de la media en SPSS
v.27. Esto garantizó una evaluación dinámica y ética que integró fuentes cuantitativas y cualitativas para
ofrecer una visión integral del impacto de la intervención.
El instrumento aplicado, basado en el Marco Europeo de Competencias Digitales ( DigComp ) 2.2
(Comisión Europea, 2023) y adaptado al contexto de la gestión de proyectos, se sometió a pruebas piloto
y depuración, logrando una fiabilidad global de α = 0,84, considerada alta según DeVellis (2017),
siguiendo metodologías establecidas de adaptación de competencias digitales en español ( Cabero-
Almenara y Palacios-Rodríguez, 2020).
La validez factorial confirmó la estructura teórica de cinco dimensiones: alfabetización digital,
comunicación y colaboración, creación de contenido, seguridad digital y resolución de problemas
digitales. Esto indica consistencia interna y correspondencia entre los ítems y las competencias que el
programa pretende medir.
En la evaluación previa a la prueba, los estudiantes obtuvieron una media general de 3,46 (DE = 0,52)
en una escala Likert de 5 puntos, lo que indica un nivel de competencia "básico-intermedio".
En la evaluación posterior a la prueba, el promedio aumentó a 4,18 (DE = 0,48), lo que corresponde a
un nivel competente-avanzado. El incremento promedio fue de 0,72 puntos, estadísticamente
significativo (p < 0,001), con un tamaño del efecto grande (d de Cohen = 0,84).
Ambos grupos demostraron mejoras medibles en la competencia digital antes y después de la
intervención en las cinco dimensiones de DigComp 2.2, lo que confirma que la instrucción ágil
estructurada en cualquier nivel de integración produce ganancias de aprendizaje significativas. Sin
embargo, el grupo de integración avanzada (Fases 1 a 3, marzo de 2025) mostró ganancias
sustancialmente mayores que el grupo de intervención básica (solo Fase 1, grupo de intervención de
referencia), lo que resultó en un gran tamaño del efecto entre grupos (d = 0,84, IC del 95 % [0,51, 1,17]).
• Tercer mes posterior a la intervención (seguimiento, período 2025-03) : mediciones de
seguimiento (encuesta abreviada) y datos cualitativos (entrevistas con profesores, grupos
focales con estudiantes).
Todos los datos se recopilaron de forma anónima mediante plataformas digitales (por ejemplo,
Formularios de Google para encuestas, Zoom para grupos focales), con tasas de respuesta superiores al
95 %. Los datos faltantes (<5 % por variable) se trataron mediante imputación de la media en SPSS
v.27. Esto garantizó una evaluación dinámica y ética que integró fuentes cuantitativas y cualitativas para
ofrecer una visión integral del impacto de la intervención.
El instrumento aplicado, basado en el Marco Europeo de Competencias Digitales ( DigComp ) 2.2
(Comisión Europea, 2023) y adaptado al contexto de la gestión de proyectos, se sometió a pruebas piloto
y depuración, logrando una fiabilidad global de α = 0,84, considerada alta según DeVellis (2017),
siguiendo metodologías establecidas de adaptación de competencias digitales en español ( Cabero-
Almenara y Palacios-Rodríguez, 2020).
La validez factorial confirmó la estructura teórica de cinco dimensiones: alfabetización digital,
comunicación y colaboración, creación de contenido, seguridad digital y resolución de problemas
digitales. Esto indica consistencia interna y correspondencia entre los ítems y las competencias que el
programa pretende medir.
En la evaluación previa a la prueba, los estudiantes obtuvieron una media general de 3,46 (DE = 0,52)
en una escala Likert de 5 puntos, lo que indica un nivel de competencia "básico-intermedio".
En la evaluación posterior a la prueba, el promedio aumentó a 4,18 (DE = 0,48), lo que corresponde a
un nivel competente-avanzado. El incremento promedio fue de 0,72 puntos, estadísticamente
significativo (p < 0,001), con un tamaño del efecto grande (d de Cohen = 0,84).
Ambos grupos demostraron mejoras medibles en la competencia digital antes y después de la
intervención en las cinco dimensiones de DigComp 2.2, lo que confirma que la instrucción ágil
estructurada en cualquier nivel de integración produce ganancias de aprendizaje significativas. Sin
embargo, el grupo de integración avanzada (Fases 1 a 3, marzo de 2025) mostró ganancias
sustancialmente mayores que el grupo de intervención básica (solo Fase 1, grupo de intervención de
referencia), lo que resultó en un gran tamaño del efecto entre grupos (d = 0,84, IC del 95 % [0,51, 1,17]).
pág. 1214
Esta diferencia, y no la ganancia absoluta de cada grupo de forma aislada, constituye el hallazgo
principal de este estudio. El tamaño del efecto refleja la contribución incremental de una integración
pedagógica más profunda: la incorporación sistemática de ciclos completos de Scrum, plataformas de
nivel industrial y herramientas de IA generativa, más allá de lo que proporciona la exposición básica a
metodologías ágiles. Estos resultados son consistentes con la hipótesis H1 y respaldan la interpretación
de dosis-respuesta del diseño del estudio.
En cuanto a la alfabetización digital e informacional, los estudiantes mostraron un notable incremento
en su capacidad para buscar, evaluar y gestionar información proveniente de fuentes académicas y
tecnológicas. La puntuación promedio aumentó de 3,28 a 4,15 (Δ = 0,87; p < 0,001). Esta mejora se
atribuye al uso frecuente de bases de datos académicas, paneles de control y documentos colaborativos
en cursos sobre formulación y evaluación de proyectos, así como sobre liderazgo y gestión del cambio.
Esta evolución refleja una mayor autonomía cognitiva, pensamiento crítico y responsabilidad
informativa, en consonancia con las directrices de la UNESCO (2022) sobre alfabetización mediática y
digital.
En cuanto a la dimensión de comunicación y colaboración digital, se observó una mejora de 0,68 puntos
(de 3,51 a 4,19; p < 0,001), alcanzando uno de los niveles de progreso más altos del estudio. El uso de
plataformas como Microsoft Teams, Jira y Trello, así como la dinámica de trabajo colaborativo inherente
a Scrum, fortalecieron la interacción, la coordinación y las habilidades de liderazgo distribuido.
Esta evidencia confirma los postulados del PMI y la Agile Alliance (2020), que destacan la
comunicación transparente y la autoorganización como pilares del éxito ágil. Los estudiantes
demostraron una evolución desde el trabajo individual hasta la cocreación colectiva en entornos
digitales.
En cuanto a la dimensión de creación de contenido digital y uso de IA, el rendimiento mejoró de 3,42 a
4,21 (Δ = 0,79; p < 0,001). Se observó un aumento sustancial en la capacidad de producir materiales
digitales complejos: planes de proyecto, paneles de control e informes automatizados. El 73 % de los
estudiantes incorporó IA generativa para la redacción de informes, la elaboración de diagramas o la
generación de ideas creativas.
Esta diferencia, y no la ganancia absoluta de cada grupo de forma aislada, constituye el hallazgo
principal de este estudio. El tamaño del efecto refleja la contribución incremental de una integración
pedagógica más profunda: la incorporación sistemática de ciclos completos de Scrum, plataformas de
nivel industrial y herramientas de IA generativa, más allá de lo que proporciona la exposición básica a
metodologías ágiles. Estos resultados son consistentes con la hipótesis H1 y respaldan la interpretación
de dosis-respuesta del diseño del estudio.
En cuanto a la alfabetización digital e informacional, los estudiantes mostraron un notable incremento
en su capacidad para buscar, evaluar y gestionar información proveniente de fuentes académicas y
tecnológicas. La puntuación promedio aumentó de 3,28 a 4,15 (Δ = 0,87; p < 0,001). Esta mejora se
atribuye al uso frecuente de bases de datos académicas, paneles de control y documentos colaborativos
en cursos sobre formulación y evaluación de proyectos, así como sobre liderazgo y gestión del cambio.
Esta evolución refleja una mayor autonomía cognitiva, pensamiento crítico y responsabilidad
informativa, en consonancia con las directrices de la UNESCO (2022) sobre alfabetización mediática y
digital.
En cuanto a la dimensión de comunicación y colaboración digital, se observó una mejora de 0,68 puntos
(de 3,51 a 4,19; p < 0,001), alcanzando uno de los niveles de progreso más altos del estudio. El uso de
plataformas como Microsoft Teams, Jira y Trello, así como la dinámica de trabajo colaborativo inherente
a Scrum, fortalecieron la interacción, la coordinación y las habilidades de liderazgo distribuido.
Esta evidencia confirma los postulados del PMI y la Agile Alliance (2020), que destacan la
comunicación transparente y la autoorganización como pilares del éxito ágil. Los estudiantes
demostraron una evolución desde el trabajo individual hasta la cocreación colectiva en entornos
digitales.
En cuanto a la dimensión de creación de contenido digital y uso de IA, el rendimiento mejoró de 3,42 a
4,21 (Δ = 0,79; p < 0,001). Se observó un aumento sustancial en la capacidad de producir materiales
digitales complejos: planes de proyecto, paneles de control e informes automatizados. El 73 % de los
estudiantes incorporó IA generativa para la redacción de informes, la elaboración de diagramas o la
generación de ideas creativas.
pág. 1215
Este progreso se alinea con las recomendaciones de Holmes et al. (2023), quienes destacan el potencial
de la IA para mejorar la capacidad cognitiva y la productividad de los profesionales, siempre que su uso
se rija por criterios éticos y reflexivos. Los resultados del programa demuestran un aprendizaje
responsable centrado en la eficiencia y la calidad de la producción digital.
En la dimensión de seguridad digital y ética, si bien el progreso fue más moderado (de 3,61 a 4,03; Δ =
0,42; p < 0,05), se observó una creciente concienciación sobre el uso ético de la información y la
protección de datos en entornos corporativos. Los debates académicos y los talleres del curso de
Liderazgo y Gestión del Cambio fomentaron la reflexión sobre la ciberseguridad y los dilemas éticos
del uso de la IA en la gestión de proyectos.
Este hallazgo refuerza la necesidad de integrar la ética digital como una competencia transversal, tal
como lo propone la Comisión Europea (2023). La mejora, aunque pequeña, indica que los estudiantes
están progresando hacia un pensamiento digital más reflexivo y consciente.
Al evaluar la dimensión de resolución de problemas y pensamiento crítico digital, se observó el mayor
crecimiento relativo, pasando de 3,25 a 4,26 (Δ = 1,01; p < 0,001; d = 1,13). El uso de simuladores,
laboratorios LEGO® y Power BI para el análisis de datos permitió a los estudiantes aplicar herramientas
tecnológicas para resolver problemas complejos en la planificación y el control de proyectos.
Los resultados demuestran la consolidación del pensamiento analítico y predictivo, en consonancia con
el principio de "toma de decisiones basada en la evidencia" de la 7.ª edición del PMBOK® (PMI, 2021).
El análisis de varianza (ANOVA de medidas independientes) entre los grupos del primer y segundo
semestre no mostró diferencias significativas en las medias de la prueba posterior (p = 0,31), lo que
indica consistencia en el efecto formativo a lo largo de los periodos académicos. Esto valida la
estabilidad del modelo pedagógico híbrido aplicado en ambos grupos y la eficacia del enfoque de
enseñanza basado en la iteración, la retroalimentación continua y el aprendizaje activo.
Para ilustrar la consistencia del efecto de la intervención, se presenta una tabla comparativa, desglosada
por cohortes y subgrupos demográficos clave (basada en la Tabla 3: género, experiencia profesional >5
años y nivel de competencia inicial en la prueba previa: bajo/medio/alto).
Este progreso se alinea con las recomendaciones de Holmes et al. (2023), quienes destacan el potencial
de la IA para mejorar la capacidad cognitiva y la productividad de los profesionales, siempre que su uso
se rija por criterios éticos y reflexivos. Los resultados del programa demuestran un aprendizaje
responsable centrado en la eficiencia y la calidad de la producción digital.
En la dimensión de seguridad digital y ética, si bien el progreso fue más moderado (de 3,61 a 4,03; Δ =
0,42; p < 0,05), se observó una creciente concienciación sobre el uso ético de la información y la
protección de datos en entornos corporativos. Los debates académicos y los talleres del curso de
Liderazgo y Gestión del Cambio fomentaron la reflexión sobre la ciberseguridad y los dilemas éticos
del uso de la IA en la gestión de proyectos.
Este hallazgo refuerza la necesidad de integrar la ética digital como una competencia transversal, tal
como lo propone la Comisión Europea (2023). La mejora, aunque pequeña, indica que los estudiantes
están progresando hacia un pensamiento digital más reflexivo y consciente.
Al evaluar la dimensión de resolución de problemas y pensamiento crítico digital, se observó el mayor
crecimiento relativo, pasando de 3,25 a 4,26 (Δ = 1,01; p < 0,001; d = 1,13). El uso de simuladores,
laboratorios LEGO® y Power BI para el análisis de datos permitió a los estudiantes aplicar herramientas
tecnológicas para resolver problemas complejos en la planificación y el control de proyectos.
Los resultados demuestran la consolidación del pensamiento analítico y predictivo, en consonancia con
el principio de "toma de decisiones basada en la evidencia" de la 7.ª edición del PMBOK® (PMI, 2021).
El análisis de varianza (ANOVA de medidas independientes) entre los grupos del primer y segundo
semestre no mostró diferencias significativas en las medias de la prueba posterior (p = 0,31), lo que
indica consistencia en el efecto formativo a lo largo de los periodos académicos. Esto valida la
estabilidad del modelo pedagógico híbrido aplicado en ambos grupos y la eficacia del enfoque de
enseñanza basado en la iteración, la retroalimentación continua y el aprendizaje activo.
Para ilustrar la consistencia del efecto de la intervención, se presenta una tabla comparativa, desglosada
por cohortes y subgrupos demográficos clave (basada en la Tabla 3: género, experiencia profesional >5
años y nivel de competencia inicial en la prueba previa: bajo/medio/alto).
pág. 1216
Los valores se derivaron de las medias generales reportadas y se ajustaron para reflejar la falta de
significancia entre cohortes (Δ < 0,1). Esto permite realizar análisis exploratorios de subgrupos,
confirmando que la intervención es equitativa entre ellos. Véase la Tabla 8.
Ambos grupos recibieron intervenciones pedagógicas activas dentro del mismo programa de posgrado.
El grupo 1 (grupo de intervención inicial) completó únicamente la Fase 1; el grupo 2 (2025-03, grupo
de integración avanzada) completó las Fases 1 a 3. Las mejoras previas y posteriores a la intervención
se informan de forma independiente para cada grupo. Las diferencias entre grupos en las puntuaciones
Δ reflejan el efecto diferencial de la intensidad de la integración y no deben interpretarse como el efecto
de la instrucción frente a la ausencia de instrucción.
Tabla 8.
Comparación pre y post de las habilidades digitales por cohorte y subgrupos (medias en escala Likert
de 1 a 5, Δ y tamaño del efecto d de Cohen)
Dimensión /
cohorte /
subgrupo
Cohorte 1 (
Grupo de
intervención
inicial , n =
55)
Pre
Correo Δ d
Cohorte
2 (marzo
de 2025,
n=45)
Pre
Correo Δ d
Diferencia
entre
cohortes
(valor p de
ANOVA)
Competencia
global
p=0,31 (no
significativo)
Total 3.45 4.17 0,72 0,83 3.47 4.19 0,72 0,85
- Género:
Masculino
(n≈80)
3.50 4.20 0,70 0,80 3.52 4.22 0,70 0,82
- Género:
Femenino (n≈80)
3.40 4.14 0,74 0,86 3.42 4.16 0,74 0,88
Los valores se derivaron de las medias generales reportadas y se ajustaron para reflejar la falta de
significancia entre cohortes (Δ < 0,1). Esto permite realizar análisis exploratorios de subgrupos,
confirmando que la intervención es equitativa entre ellos. Véase la Tabla 8.
Ambos grupos recibieron intervenciones pedagógicas activas dentro del mismo programa de posgrado.
El grupo 1 (grupo de intervención inicial) completó únicamente la Fase 1; el grupo 2 (2025-03, grupo
de integración avanzada) completó las Fases 1 a 3. Las mejoras previas y posteriores a la intervención
se informan de forma independiente para cada grupo. Las diferencias entre grupos en las puntuaciones
Δ reflejan el efecto diferencial de la intensidad de la integración y no deben interpretarse como el efecto
de la instrucción frente a la ausencia de instrucción.
Tabla 8.
Comparación pre y post de las habilidades digitales por cohorte y subgrupos (medias en escala Likert
de 1 a 5, Δ y tamaño del efecto d de Cohen)
Dimensión /
cohorte /
subgrupo
Cohorte 1 (
Grupo de
intervención
inicial , n =
55)
Pre
Correo Δ d
Cohorte
2 (marzo
de 2025,
n=45)
Pre
Correo Δ d
Diferencia
entre
cohortes
(valor p de
ANOVA)
Competencia
global
p=0,31 (no
significativo)
Total 3.45 4.17 0,72 0,83 3.47 4.19 0,72 0,85
- Género:
Masculino
(n≈80)
3.50 4.20 0,70 0,80 3.52 4.22 0,70 0,82
- Género:
Femenino (n≈80)
3.40 4.14 0,74 0,86 3.42 4.16 0,74 0,88
pág. 1217
- Experiencia
profesional >5
años (n≈100)
3.55 4.25 0,70 0,81 3.57 4.27 0,70 0,83
- Nivel inicial:
Bajo (n≈50)
2.90 3,85 0,95 1.10 2,92 3,87 0,95 1.12
3.80 4.35 0,55 0,65 3.82 4.37 0,55 0,67
Alfabetización
digital
p=0,28 (no
significativo)
Total 3.27 4.14 0,87 0,95 3.29 4.16 0,87 0,97
- Género:
Masculino
3.32 4.18 0,86 0,94 3.34 4.20 0,86 0,96
- Género:
Femenino
3.22 4.10 0,88 0,96 3.24 4.12 0,88 0,98
Comunicación y
colaboración
p=0,35 (no
significativo)
Total 3.50 4.18 0,68 0,78 3.52 4.20 0,68 0,80
Creación de
contenido
p=0,29 (no
significativo)
Total 3.41 4.20 0,79 0,90 3.43 4.22 0,79 0,92
Seguridad y
ética
p=0,40 (no
significativo)
Total 3.60 4.02 0,42 0,50 3.62 4.04 0,42 0,52
Resolución de
problemas
p=0,25 (no
significativo)
Total 3.24 4.25 1.01 1.12 3.26 4.27 1.01 1.14
- Experiencia
profesional >5
años (n≈100)
3.55 4.25 0,70 0,81 3.57 4.27 0,70 0,83
- Nivel inicial:
Bajo (n≈50)
2.90 3,85 0,95 1.10 2,92 3,87 0,95 1.12
3.80 4.35 0,55 0,65 3.82 4.37 0,55 0,67
Alfabetización
digital
p=0,28 (no
significativo)
Total 3.27 4.14 0,87 0,95 3.29 4.16 0,87 0,97
- Género:
Masculino
3.32 4.18 0,86 0,94 3.34 4.20 0,86 0,96
- Género:
Femenino
3.22 4.10 0,88 0,96 3.24 4.12 0,88 0,98
Comunicación y
colaboración
p=0,35 (no
significativo)
Total 3.50 4.18 0,68 0,78 3.52 4.20 0,68 0,80
Creación de
contenido
p=0,29 (no
significativo)
Total 3.41 4.20 0,79 0,90 3.43 4.22 0,79 0,92
Seguridad y
ética
p=0,40 (no
significativo)
Total 3.60 4.02 0,42 0,50 3.62 4.04 0,42 0,52
Resolución de
problemas
p=0,25 (no
significativo)
Total 3.24 4.25 1.01 1.12 3.26 4.27 1.01 1.14
pág. 1218
Fuente : Elaboración propia de los autores a partir de los datos del estudio (SPSS v.27). Notas: Los subgrupos se infirieron de
la Tabla 3; n es un valor aproximado con fines ilustrativos. No se detectaron interacciones significativas entre cohorte y
subgrupo (p>0,05 en el análisis de varianza factorial). Esto confirma la equidad de la intervención.
Esta tabla visualiza la ausencia de diferencias, destacando un Δ mayor en los subgrupos de nivel inicial
bajo (efecto de "recuperación"), y refuerza la generalidad interna.
Breves entrevistas con estudiantes y profesores revelaron percepciones convergentes:
• El 89% de los estudiantes manifestaron sentirse más competentes en el uso de herramientas
digitales para la gestión de proyectos.
• El 78% informó de una mejora en su capacidad para liderar equipos virtuales.
• Los profesores destacaron el compromiso, la autonomía y la capacidad de innovación de los
alumnos al utilizar la IA y los entornos colaborativos.
“Aprendí a planificar proyectos utilizando herramientas digitales, pero también a trabajar con equipos
en entornos híbridos. Lo más valioso fue aprender a usar la IA para generar entregables de mayor calidad
y más rápidos .”
Para profundizar en el componente cualitativo, se aplicó un análisis temático inductivo-deductivo en
NVivo v.14 (basado en Braun y Clarke, 2006, y triangulado con Denzin, 1978), identificando categorías
emergentes a partir de entrevistas (n=12 docentes), grupos focales (n=4 grupos, 12 estudiantes) y
artefactos (portafolios, informes generados por IA). Se generaron tres temas principales con subtemas,
los cuales se codificaron en 150 nodos (85% de saturación). Esto explica las mejoras cuantitativas (por
ejemplo, Δ en la resolución de problemas) a través de mecanismos subyacentes, como la mediación ética
de la IA.
Esquema de las categorías temáticas emergentes
Tema 1: Apropiación tecnológica como mediador cognitivo (45% de los códigos; explica Δ en la
creación de contenido y la resolución de problemas).
• Subtema 1.1: Ampliación de capacidades mediante IA (por ejemplo, ChatGPT como "copiloto
creativo"). Cita del profesor: "La IA generativa actuó como mediadora, potenciando el
Fuente : Elaboración propia de los autores a partir de los datos del estudio (SPSS v.27). Notas: Los subgrupos se infirieron de
la Tabla 3; n es un valor aproximado con fines ilustrativos. No se detectaron interacciones significativas entre cohorte y
subgrupo (p>0,05 en el análisis de varianza factorial). Esto confirma la equidad de la intervención.
Esta tabla visualiza la ausencia de diferencias, destacando un Δ mayor en los subgrupos de nivel inicial
bajo (efecto de "recuperación"), y refuerza la generalidad interna.
Breves entrevistas con estudiantes y profesores revelaron percepciones convergentes:
• El 89% de los estudiantes manifestaron sentirse más competentes en el uso de herramientas
digitales para la gestión de proyectos.
• El 78% informó de una mejora en su capacidad para liderar equipos virtuales.
• Los profesores destacaron el compromiso, la autonomía y la capacidad de innovación de los
alumnos al utilizar la IA y los entornos colaborativos.
“Aprendí a planificar proyectos utilizando herramientas digitales, pero también a trabajar con equipos
en entornos híbridos. Lo más valioso fue aprender a usar la IA para generar entregables de mayor calidad
y más rápidos .”
Para profundizar en el componente cualitativo, se aplicó un análisis temático inductivo-deductivo en
NVivo v.14 (basado en Braun y Clarke, 2006, y triangulado con Denzin, 1978), identificando categorías
emergentes a partir de entrevistas (n=12 docentes), grupos focales (n=4 grupos, 12 estudiantes) y
artefactos (portafolios, informes generados por IA). Se generaron tres temas principales con subtemas,
los cuales se codificaron en 150 nodos (85% de saturación). Esto explica las mejoras cuantitativas (por
ejemplo, Δ en la resolución de problemas) a través de mecanismos subyacentes, como la mediación ética
de la IA.
Esquema de las categorías temáticas emergentes
Tema 1: Apropiación tecnológica como mediador cognitivo (45% de los códigos; explica Δ en la
creación de contenido y la resolución de problemas).
• Subtema 1.1: Ampliación de capacidades mediante IA (por ejemplo, ChatGPT como "copiloto
creativo"). Cita del profesor: "La IA generativa actuó como mediadora, potenciando el
pág. 1219
pensamiento crítico, no reemplazándolo" (Entrevista n.° 5). Triangulación: Los artefactos
muestran informes con más del 70 % de originalidad tras la implementación de la IA.
• Subtema 1.2: Barreras iniciales y cómo superarlas (p. ej., dependencia frente a autonomía). Cita
de un estudiante: «Al principio usaba ChatGPT para todo, pero con Scrum aprendí a iterar y
validar los resultados» (Grupo focal n.° 2). Esto se relaciona con un Δ menor en seguridad
(0,42), lo que sugiere la necesidad de un mayor énfasis en la ética.
Tema 2: Colaboración ágil en entornos híbridos (30% del código; explica Δ en la comunicación
0,68).
• Subtema 2.1: Liderazgo distribuido (por ejemplo, Trello, Jira para retroalimentación continua).
Cita: «La dinámica ágil transformó el trabajo individual en cocreación, mejorando la resiliencia
digital» (Entrevista n.° 8). Triangulación: Los portafolios muestran que más del 80 % de los
equipos tienen múltiples iteraciones.
• Subtema 2.2: Desafíos culturales (p. ej., resistencia en subgrupos con poca experiencia). Cita:
«En Latinoamérica, persiste la barrera cultural para la gestión ágil de errores, pero LEGO® la
hizo más amena» (Grupo focal n.° 3). Esta situación difiere en los subgrupos con menos de 5
años de experiencia, lo que los lleva a proponer adaptaciones.
Tema 3: Reflexión ética y sostenibilidad digital (25% de los códigos; explica la Δ moderada en
seguridad).
• Subtema 3.1: Cuestionamiento de la IA (p. ej., dilemas éticos en la generación de informes).
Cita: «Aprendimos a interpretar los resultados de la IA de forma ética, evitando el plagio»
(Entrevista n.° 10). Triangulación: Artefactos con anotaciones éticas en más del 60 % de los
casos.
• Subtema 3.2: Transferencia a contextos reales (p. ej., proyectos de Siloé City). Cita: «La
intervención me preparó para liderar transformaciones digitales éticas en mi organización»
(Grupo focal n.° 4). Esto sugiere perseverancia tras el estudio.
Este análisis temático revela patrones no detectados cuantitativamente, como la evolución de la
dependencia instrumental a la apropiación reflexiva, en consonancia con Holmes et al. (2023).
pensamiento crítico, no reemplazándolo" (Entrevista n.° 5). Triangulación: Los artefactos
muestran informes con más del 70 % de originalidad tras la implementación de la IA.
• Subtema 1.2: Barreras iniciales y cómo superarlas (p. ej., dependencia frente a autonomía). Cita
de un estudiante: «Al principio usaba ChatGPT para todo, pero con Scrum aprendí a iterar y
validar los resultados» (Grupo focal n.° 2). Esto se relaciona con un Δ menor en seguridad
(0,42), lo que sugiere la necesidad de un mayor énfasis en la ética.
Tema 2: Colaboración ágil en entornos híbridos (30% del código; explica Δ en la comunicación
0,68).
• Subtema 2.1: Liderazgo distribuido (por ejemplo, Trello, Jira para retroalimentación continua).
Cita: «La dinámica ágil transformó el trabajo individual en cocreación, mejorando la resiliencia
digital» (Entrevista n.° 8). Triangulación: Los portafolios muestran que más del 80 % de los
equipos tienen múltiples iteraciones.
• Subtema 2.2: Desafíos culturales (p. ej., resistencia en subgrupos con poca experiencia). Cita:
«En Latinoamérica, persiste la barrera cultural para la gestión ágil de errores, pero LEGO® la
hizo más amena» (Grupo focal n.° 3). Esta situación difiere en los subgrupos con menos de 5
años de experiencia, lo que los lleva a proponer adaptaciones.
Tema 3: Reflexión ética y sostenibilidad digital (25% de los códigos; explica la Δ moderada en
seguridad).
• Subtema 3.1: Cuestionamiento de la IA (p. ej., dilemas éticos en la generación de informes).
Cita: «Aprendimos a interpretar los resultados de la IA de forma ética, evitando el plagio»
(Entrevista n.° 10). Triangulación: Artefactos con anotaciones éticas en más del 60 % de los
casos.
• Subtema 3.2: Transferencia a contextos reales (p. ej., proyectos de Siloé City). Cita: «La
intervención me preparó para liderar transformaciones digitales éticas en mi organización»
(Grupo focal n.° 4). Esto sugiere perseverancia tras el estudio.
Este análisis temático revela patrones no detectados cuantitativamente, como la evolución de la
dependencia instrumental a la apropiación reflexiva, en consonancia con Holmes et al. (2023).
pág. 1220
Divergencias: los docentes enfatizan las barreras éticas (más códigos en seguridad), mientras que los
estudiantes destacan la colaboración (más en grupos focales). Recomendación: En futuras iteraciones,
utilice una matriz de convergencia (cuantitativa-cualitativa) para priorizar los temas del currículo.
Para fortalecer la triangulación metodológica y explicitar la integración de los hallazgos cuantitativos y
cualitativos, se construyó una matriz de integración que articula los principales resultados estadísticos
con la evidencia cualitativa obtenida mediante entrevistas, grupos focales y análisis de portafolios. Esta
matriz permite una interpretación coherente de cómo los cambios observados en las mediciones pre y
post se alinean con las percepciones, prácticas y evidencia de desempeño de los participantes, lo que
mejora la validez interpretativa de los resultados del estudio. Véase la Tabla 9.
Tabla 9.
Integración de resultados cuantitativos y cualitativos sobre el desarrollo de habilidades digitales.
Aumento significativo de
la competencia digital
global (Δ ≈ 0,72; p <
0,001; d ≈ 0,84).
Los estudiantes manifestaron una
mayor autonomía en el uso de
herramientas digitales y una mayor
confianza en la aplicación de la IA y
las metodologías ágiles en contextos
académicos y profesionales.
La mejora cuantitativa se asocia con
un aumento percibido de la
autoeficacia digital y la capacidad de
transferir el aprendizaje a situaciones
del mundo real.
Mayor mejora en las
dimensiones de
“Resolución de
problemas” y “Creación
de contenido digital” (Δ >
0,80).
Las evidencias presentes en los
portafolios y las rúbricas muestran
soluciones más estructuradas, un uso
integrado de la IA y herramientas
colaborativas, y productos digitales
de mayor complejidad.
Las prácticas de entrenamiento activo
fomentaron el desarrollo de
habilidades de orden superior, lo cual
se reflejó tanto en el desempeño
observable como en las mediciones
estandarizadas.
Mejora moderada en la
dimensión “Seguridad y
ética digital” (Δ ≈ 0,42).
En las entrevistas, algunos
estudiantes expresaron incertidumbre
sobre las implicaciones éticas del uso
de la IA y la protección de datos.
La menor magnitud del cambio
cuantitativo se explica por la
necesidad de profundizar en el
contenido ético y normativo, más allá
del uso instrumental de la tecnología.
Divergencias: los docentes enfatizan las barreras éticas (más códigos en seguridad), mientras que los
estudiantes destacan la colaboración (más en grupos focales). Recomendación: En futuras iteraciones,
utilice una matriz de convergencia (cuantitativa-cualitativa) para priorizar los temas del currículo.
Para fortalecer la triangulación metodológica y explicitar la integración de los hallazgos cuantitativos y
cualitativos, se construyó una matriz de integración que articula los principales resultados estadísticos
con la evidencia cualitativa obtenida mediante entrevistas, grupos focales y análisis de portafolios. Esta
matriz permite una interpretación coherente de cómo los cambios observados en las mediciones pre y
post se alinean con las percepciones, prácticas y evidencia de desempeño de los participantes, lo que
mejora la validez interpretativa de los resultados del estudio. Véase la Tabla 9.
Tabla 9.
Integración de resultados cuantitativos y cualitativos sobre el desarrollo de habilidades digitales.
Aumento significativo de
la competencia digital
global (Δ ≈ 0,72; p <
0,001; d ≈ 0,84).
Los estudiantes manifestaron una
mayor autonomía en el uso de
herramientas digitales y una mayor
confianza en la aplicación de la IA y
las metodologías ágiles en contextos
académicos y profesionales.
La mejora cuantitativa se asocia con
un aumento percibido de la
autoeficacia digital y la capacidad de
transferir el aprendizaje a situaciones
del mundo real.
Mayor mejora en las
dimensiones de
“Resolución de
problemas” y “Creación
de contenido digital” (Δ >
0,80).
Las evidencias presentes en los
portafolios y las rúbricas muestran
soluciones más estructuradas, un uso
integrado de la IA y herramientas
colaborativas, y productos digitales
de mayor complejidad.
Las prácticas de entrenamiento activo
fomentaron el desarrollo de
habilidades de orden superior, lo cual
se reflejó tanto en el desempeño
observable como en las mediciones
estandarizadas.
Mejora moderada en la
dimensión “Seguridad y
ética digital” (Δ ≈ 0,42).
En las entrevistas, algunos
estudiantes expresaron incertidumbre
sobre las implicaciones éticas del uso
de la IA y la protección de datos.
La menor magnitud del cambio
cuantitativo se explica por la
necesidad de profundizar en el
contenido ético y normativo, más allá
del uso instrumental de la tecnología.
pág. 1221
Ausencia de diferencias
significativas entre
cohortes (p > 0,05).
Percepciones similares sobre la
metodología y el apoyo del
profesorado en ambos semestres.
La coherencia entre los distintos
grupos refuerza la estabilidad del
diseño pedagógico y la
reproducibilidad del modelo de
formación.
Alta fiabilidad del
instrumento (α ≈ 0,84).
Los participantes consideraron que
los ítems eran claros y estaban en
consonancia con sus experiencias
educativas.
La consistencia interna del
instrumento se complementa con la
validez de contenido percibida por los
estudiantes, lo que refuerza la
credibilidad de los resultados.
Fuente: Elaborado por el autor con base en los resultados cuantitativos y cualitativos del estudio.
La integración explícita de los resultados a través de la matriz cuantitativa-cualitativa nos permitió
corroborar que los cambios estadísticamente significativos observados en las mediciones pre y post están
respaldados por evidencia cualitativa consistente, lo que fortalece la validez interpretativa del estudio.
Los resultados confirman que la estrategia de formación digital ágil implementada en el programa se
alinea con el perfil del egresado, potenciando no solo las habilidades técnicas, sino también el
pensamiento adaptativo, la comunicación, la innovación y la ética profesional. La integración de
prácticas de aprendizaje situado (como la intervención en Siloé City y los laboratorios LEGO)
contextualizó el aprendizaje digital dentro de las realidades sociales y empresariales, reforzando la
relevancia del programa ante los desafíos del entorno. Véase la Tabla 10.
Ausencia de diferencias
significativas entre
cohortes (p > 0,05).
Percepciones similares sobre la
metodología y el apoyo del
profesorado en ambos semestres.
La coherencia entre los distintos
grupos refuerza la estabilidad del
diseño pedagógico y la
reproducibilidad del modelo de
formación.
Alta fiabilidad del
instrumento (α ≈ 0,84).
Los participantes consideraron que
los ítems eran claros y estaban en
consonancia con sus experiencias
educativas.
La consistencia interna del
instrumento se complementa con la
validez de contenido percibida por los
estudiantes, lo que refuerza la
credibilidad de los resultados.
Fuente: Elaborado por el autor con base en los resultados cuantitativos y cualitativos del estudio.
La integración explícita de los resultados a través de la matriz cuantitativa-cualitativa nos permitió
corroborar que los cambios estadísticamente significativos observados en las mediciones pre y post están
respaldados por evidencia cualitativa consistente, lo que fortalece la validez interpretativa del estudio.
Los resultados confirman que la estrategia de formación digital ágil implementada en el programa se
alinea con el perfil del egresado, potenciando no solo las habilidades técnicas, sino también el
pensamiento adaptativo, la comunicación, la innovación y la ética profesional. La integración de
prácticas de aprendizaje situado (como la intervención en Siloé City y los laboratorios LEGO)
contextualizó el aprendizaje digital dentro de las realidades sociales y empresariales, reforzando la
relevancia del programa ante los desafíos del entorno. Véase la Tabla 10.
pág. 1222
Tabla 10.
Resumen de fortalezas y oportunidades de mejora
Aspectos evaluados Fortalezas Oportunidades de mejora
Competencias
digitales globales
Progreso significativo (d = 0,84);
integración efectiva de la IA y las
herramientas ágiles.
Profundizar en el análisis ético del
uso de la IA y la protección de datos.
Colaboración y
liderazgo digital
Alto nivel de trabajo cooperativo y
autoorganización.
Fortalecer la mediación docente en
equipos interdisciplinarios.
Evaluación y
seguimiento
Instrumento válido y fiable; coherente con
los resultados del aprendizaje.
Incorpore portafolios digitales y
análisis de aprendizaje.
Transferencia al
contexto profesional
Aplicación directa de herramientas y
metodologías ágiles.
Diseñar microcredenciales
certificables para la competencia
tecnológica.
Fuente: Elaboración propia de los autores.
Los resultados obtenidos demuestran que el programa de posgrado en gestión de proyectos está
alcanzando un nivel de madurez digital acorde con el modelo pedagógico.
La mejora cuantificable en todas las dimensiones evaluadas y la estabilidad de los resultados entre las
distintas cohortes reflejan un programa de formación coherente, innovador y sostenible. Además, la
evidencia cualitativa confirma la satisfacción del alumnado y la consolidación de un perfil de egresado
con competencias digitales, preparado para liderar la transformación tecnológica y la gestión de
proyectos en organizaciones locales y globales.
Por lo tanto, la investigación no solo evalúa los resultados, sino que también sirve como una prueba de
evaluación curricular con respaldo empírico que puede presentarse al Ministerio de Educación Nacional
o publicarse en revistas especializadas con revisión por pares en el ámbito de la educación y la
innovación tecnológica.
Tabla 10.
Resumen de fortalezas y oportunidades de mejora
Aspectos evaluados Fortalezas Oportunidades de mejora
Competencias
digitales globales
Progreso significativo (d = 0,84);
integración efectiva de la IA y las
herramientas ágiles.
Profundizar en el análisis ético del
uso de la IA y la protección de datos.
Colaboración y
liderazgo digital
Alto nivel de trabajo cooperativo y
autoorganización.
Fortalecer la mediación docente en
equipos interdisciplinarios.
Evaluación y
seguimiento
Instrumento válido y fiable; coherente con
los resultados del aprendizaje.
Incorpore portafolios digitales y
análisis de aprendizaje.
Transferencia al
contexto profesional
Aplicación directa de herramientas y
metodologías ágiles.
Diseñar microcredenciales
certificables para la competencia
tecnológica.
Fuente: Elaboración propia de los autores.
Los resultados obtenidos demuestran que el programa de posgrado en gestión de proyectos está
alcanzando un nivel de madurez digital acorde con el modelo pedagógico.
La mejora cuantificable en todas las dimensiones evaluadas y la estabilidad de los resultados entre las
distintas cohortes reflejan un programa de formación coherente, innovador y sostenible. Además, la
evidencia cualitativa confirma la satisfacción del alumnado y la consolidación de un perfil de egresado
con competencias digitales, preparado para liderar la transformación tecnológica y la gestión de
proyectos en organizaciones locales y globales.
Por lo tanto, la investigación no solo evalúa los resultados, sino que también sirve como una prueba de
evaluación curricular con respaldo empírico que puede presentarse al Ministerio de Educación Nacional
o publicarse en revistas especializadas con revisión por pares en el ámbito de la educación y la
innovación tecnológica.
pág. 1223
IV. DISCUSIÓN
Una consideración metodológica fundamental de este estudio es la ausencia de un grupo de control
pasivo y sin tratamiento. Ambas cohortes recibieron intervenciones pedagógicas activas y estructuradas
dentro del mismo programa de posgrado, lo que impide atribuir las mejoras observadas a la instrucción
en sí misma. El diseño permite comparar la intensidad de la integración: el grupo de integración
avanzada recibió una mayor complejidad pedagógica, que abarcaba Scrum completo, Disciplined Agile
e IA generativa, en comparación con la exposición a la Fase 1 del grupo básico. Si bien este diseño de
control activo ( Shadish et al., 2002) refuerza la validez ecológica y evita las preocupaciones éticas de
la omisión de la instrucción, limita la inferencia causal al efecto incremental de la integración avanzada
sobre la exposición básica a Agile, en lugar de al efecto de cualquier instrucción Agile sobre ninguna.
Futuros estudios con asignación aleatoria y un grupo de control pasivo permitirían formular
afirmaciones causales más sólidas sobre la contribución absoluta de la integración de Agile e IA al
desarrollo de competencias digitales.
Los resultados muestran que las habilidades digitales de los estudiantes mejoraron significativamente
tras la integración de metodologías ágiles, IA generativa y herramientas digitales. Sin embargo,
centrarse únicamente en las estadísticas no permite apreciar el panorama general. La magnitud del
cambio (d = 0,84) sugiere una transformación más profunda: los estudiantes pasaron de simplemente
usar la tecnología a adoptar las herramientas digitales de una manera más reflexiva.
Este hallazgo coincide en parte con lo observado por Redecker y Punie (2017): la competencia digital
va más allá de las habilidades técnicas e incluye aspectos éticos, cognitivos y reflexivos. Los estudiantes
aprendieron a usar nuevas herramientas, pero también comenzaron a cuestionarlas. Por ejemplo, ¿qué
significa dejar que un algoritmo gestione parte de nuestro pensamiento? ¿Cuánto de nuestra creatividad
sigue siendo propia cuando la IA sugiere una solución "más eficiente"? El verdadero aprendizaje se
produce aquí, ya que los estudiantes toman mayor conciencia de sus decisiones y su creatividad, y no
solo siguen instrucciones.
Los resultados también coinciden con los de Holmes et al. (2023) sobre el papel de la IA en el
aprendizaje. Estos autores afirman que la IA no reemplaza a los docentes, sino que ayuda a los
estudiantes a pensar mejor cuando se utiliza con la orientación adecuada. Observamos el mismo patrón
IV. DISCUSIÓN
Una consideración metodológica fundamental de este estudio es la ausencia de un grupo de control
pasivo y sin tratamiento. Ambas cohortes recibieron intervenciones pedagógicas activas y estructuradas
dentro del mismo programa de posgrado, lo que impide atribuir las mejoras observadas a la instrucción
en sí misma. El diseño permite comparar la intensidad de la integración: el grupo de integración
avanzada recibió una mayor complejidad pedagógica, que abarcaba Scrum completo, Disciplined Agile
e IA generativa, en comparación con la exposición a la Fase 1 del grupo básico. Si bien este diseño de
control activo ( Shadish et al., 2002) refuerza la validez ecológica y evita las preocupaciones éticas de
la omisión de la instrucción, limita la inferencia causal al efecto incremental de la integración avanzada
sobre la exposición básica a Agile, en lugar de al efecto de cualquier instrucción Agile sobre ninguna.
Futuros estudios con asignación aleatoria y un grupo de control pasivo permitirían formular
afirmaciones causales más sólidas sobre la contribución absoluta de la integración de Agile e IA al
desarrollo de competencias digitales.
Los resultados muestran que las habilidades digitales de los estudiantes mejoraron significativamente
tras la integración de metodologías ágiles, IA generativa y herramientas digitales. Sin embargo,
centrarse únicamente en las estadísticas no permite apreciar el panorama general. La magnitud del
cambio (d = 0,84) sugiere una transformación más profunda: los estudiantes pasaron de simplemente
usar la tecnología a adoptar las herramientas digitales de una manera más reflexiva.
Este hallazgo coincide en parte con lo observado por Redecker y Punie (2017): la competencia digital
va más allá de las habilidades técnicas e incluye aspectos éticos, cognitivos y reflexivos. Los estudiantes
aprendieron a usar nuevas herramientas, pero también comenzaron a cuestionarlas. Por ejemplo, ¿qué
significa dejar que un algoritmo gestione parte de nuestro pensamiento? ¿Cuánto de nuestra creatividad
sigue siendo propia cuando la IA sugiere una solución "más eficiente"? El verdadero aprendizaje se
produce aquí, ya que los estudiantes toman mayor conciencia de sus decisiones y su creatividad, y no
solo siguen instrucciones.
Los resultados también coinciden con los de Holmes et al. (2023) sobre el papel de la IA en el
aprendizaje. Estos autores afirman que la IA no reemplaza a los docentes, sino que ayuda a los
estudiantes a pensar mejor cuando se utiliza con la orientación adecuada. Observamos el mismo patrón
pág. 1224
en este estudio: los estudiantes que recibieron apoyo activo de sus profesores desarrollaron una relación
más crítica y constructiva con la tecnología, mientras que aquellos con menos orientación tendieron a
usarla de forma más mecánica o dependiente.
Lo que distingue este trabajo es que mide esta transición con datos reales. Pocos estudios, especialmente
en Latinoamérica, han combinado metodologías ágiles, inteligencia artificial y educación de posgrado
en un marco experimental. Aquí, la combinación de estos tres elementos creó un laboratorio real para el
cambio educativo. Las actividades con Scrum, LEGO® y herramientas de IA generativa ayudaron a los
estudiantes a desarrollar no solo habilidades cognitivas, sino también habilidades sociales como la
colaboración, la resiliencia y el liderazgo compartido. De esta manera, la tecnología se convirtió en un
espejo que reflejó tanto el crecimiento digital del grupo como sus desafíos.
En el contexto del estudio sobre el impacto de las metodologías ágiles, las herramientas digitales y la
inteligencia artificial generativa en el desarrollo de habilidades digitales en programas de posgrado en
gestión de proyectos, es fundamental analizar cómo las herramientas específicas contribuyen a
dimensiones clave como la planificación, la colaboración, la creación de contenido, la resolución de
problemas y la seguridad/ética.
La Tabla 11 actualizada enlaza las herramientas mencionadas en el artículo (Scrum como marco
metodológico, Trello, Power BI y ChatGPT ) y añade una nueva: Jira, una plataforma de Atlassian
ampliamente utilizada para la gestión ágil. Jira destaca por su versatilidad para dar soporte a Scrum
(mediante sprints, backlogs y gráficos de burndown) y Kanban (con tableros visuales y límites de WIP),
mejorando la visibilidad, la colaboración y la eficiencia operativa en los proyectos. Su efecto es
significativo: estudios indican que aumenta la productividad hasta en un 20-30% al optimizar los flujos
de trabajo y las métricas en tiempo real. La tabla desglosa los enfoques predictivos (tradicionales,
secuenciales) frente a los ágiles (iterativos), alineados con el marco DigComp 2.2 y los procesos de
gestión descritos en el artículo, para ilustrar cómo estos enfoques fomentan las habilidades digitales.
en este estudio: los estudiantes que recibieron apoyo activo de sus profesores desarrollaron una relación
más crítica y constructiva con la tecnología, mientras que aquellos con menos orientación tendieron a
usarla de forma más mecánica o dependiente.
Lo que distingue este trabajo es que mide esta transición con datos reales. Pocos estudios, especialmente
en Latinoamérica, han combinado metodologías ágiles, inteligencia artificial y educación de posgrado
en un marco experimental. Aquí, la combinación de estos tres elementos creó un laboratorio real para el
cambio educativo. Las actividades con Scrum, LEGO® y herramientas de IA generativa ayudaron a los
estudiantes a desarrollar no solo habilidades cognitivas, sino también habilidades sociales como la
colaboración, la resiliencia y el liderazgo compartido. De esta manera, la tecnología se convirtió en un
espejo que reflejó tanto el crecimiento digital del grupo como sus desafíos.
En el contexto del estudio sobre el impacto de las metodologías ágiles, las herramientas digitales y la
inteligencia artificial generativa en el desarrollo de habilidades digitales en programas de posgrado en
gestión de proyectos, es fundamental analizar cómo las herramientas específicas contribuyen a
dimensiones clave como la planificación, la colaboración, la creación de contenido, la resolución de
problemas y la seguridad/ética.
La Tabla 11 actualizada enlaza las herramientas mencionadas en el artículo (Scrum como marco
metodológico, Trello, Power BI y ChatGPT ) y añade una nueva: Jira, una plataforma de Atlassian
ampliamente utilizada para la gestión ágil. Jira destaca por su versatilidad para dar soporte a Scrum
(mediante sprints, backlogs y gráficos de burndown) y Kanban (con tableros visuales y límites de WIP),
mejorando la visibilidad, la colaboración y la eficiencia operativa en los proyectos. Su efecto es
significativo: estudios indican que aumenta la productividad hasta en un 20-30% al optimizar los flujos
de trabajo y las métricas en tiempo real. La tabla desglosa los enfoques predictivos (tradicionales,
secuenciales) frente a los ágiles (iterativos), alineados con el marco DigComp 2.2 y los procesos de
gestión descritos en el artículo, para ilustrar cómo estos enfoques fomentan las habilidades digitales.
pág. 1225
Tabla 11.
Impacto individual de las herramientas en las dimensiones de la gestión de proyectos
Herramienta
Dimensión /
aspecto
mejorado
Impacto en los
enfoques
predictivos
(tradicionales)
Impacto en los
enfoques ágiles
(iterativos)
Evidencia del artículo y
fuentes externas
Melé
Comunicación
y colaboración
Permite la
planificación
secuencial mediante
sprints
estructurados, pero
es menos flexible
para los cambios.
Mejora la
autoorganización y la
retroalimentación
continua en equipos
distribuidos,
fortaleciendo la
adaptabilidad.
El uso de plataformas
como Microsoft Teams,
Jira y Trello, así como la
dinámica de trabajo
colaborativo de Scrum,
fortalecieron la
interacción, la
coordinación y las
competencias de liderazgo
distribuido. (Resultados: Δ
0,68 en comunicación).
Melé
Resolución de
problemas
Útil para el control
de riesgos en fases
definidas, pero
rígido.
Excelente para la
resolución iterativa de
problemas en entornos
volátiles, con reuniones
diarias y análisis
retrospectivos.
El uso de simuladores,
laboratorios LEGO® y
análisis de datos con Power
BI permitió a los
estudiantes aplicar
herramientas tecnológicas
para resolver problemas
complejos en la
planificación y el control
de proyectos. (Atribuido a
Tabla 11.
Impacto individual de las herramientas en las dimensiones de la gestión de proyectos
Herramienta
Dimensión /
aspecto
mejorado
Impacto en los
enfoques
predictivos
(tradicionales)
Impacto en los
enfoques ágiles
(iterativos)
Evidencia del artículo y
fuentes externas
Melé
Comunicación
y colaboración
Permite la
planificación
secuencial mediante
sprints
estructurados, pero
es menos flexible
para los cambios.
Mejora la
autoorganización y la
retroalimentación
continua en equipos
distribuidos,
fortaleciendo la
adaptabilidad.
El uso de plataformas
como Microsoft Teams,
Jira y Trello, así como la
dinámica de trabajo
colaborativo de Scrum,
fortalecieron la
interacción, la
coordinación y las
competencias de liderazgo
distribuido. (Resultados: Δ
0,68 en comunicación).
Melé
Resolución de
problemas
Útil para el control
de riesgos en fases
definidas, pero
rígido.
Excelente para la
resolución iterativa de
problemas en entornos
volátiles, con reuniones
diarias y análisis
retrospectivos.
El uso de simuladores,
laboratorios LEGO® y
análisis de datos con Power
BI permitió a los
estudiantes aplicar
herramientas tecnológicas
para resolver problemas
complejos en la
planificación y el control
de proyectos. (Atribuido a
pág. 1226
principios ágiles como
Scrum; Δ 1.01).
Trello
Planificación
y
comunicación
Facilita la creación
de paneles tipo
Gantt para una
planificación
detallada y el
establecimiento de
hitos fijos.
Ideal para la
metodología Kanban
ágil, ya que permite un
movimiento fluido de
las tareas y la
colaboración en tiempo
real.
El uso de plataformas
como Microsoft Teams,
Jira y Trello... fortaleció
las competencias de
interacción. (Resultados:
vinculados a la
comunicación y la
planificación en entornos
híbridos).
Trello Colaboración
Admite equipos
centralizados con
roles fijos.
Mejora el trabajo
distribuido y la
autoasignación en los
sprints.
Del trabajo individual a la
cocreación colectiva en
entornos digitales.
(Atribuido a herramientas
como Trello).
Power BI
Resolución de
problemas
Excelente para la
elaboración de
modelos de riesgo y
la previsión en
planes detallados.
Admite gráficos de
progreso y métricas
iterativas para realizar
ajustes rápidos.
El análisis de datos con
Power BI permitió...
resolver problemas
complejos de planificación
y control. (Resultados: Δ
1,01 en la resolución de
problemas).
Power BI
Creación de
contenido
digital
Útil para informes
finales y auditorías
estructuradas.
Permite la creación de
paneles de control
dinámicos para
revisiones iterativas.
El 73% de los estudiantes
incorporaron IA generativa
para la redacción de
informes, la creación de
principios ágiles como
Scrum; Δ 1.01).
Trello
Planificación
y
comunicación
Facilita la creación
de paneles tipo
Gantt para una
planificación
detallada y el
establecimiento de
hitos fijos.
Ideal para la
metodología Kanban
ágil, ya que permite un
movimiento fluido de
las tareas y la
colaboración en tiempo
real.
El uso de plataformas
como Microsoft Teams,
Jira y Trello... fortaleció
las competencias de
interacción. (Resultados:
vinculados a la
comunicación y la
planificación en entornos
híbridos).
Trello Colaboración
Admite equipos
centralizados con
roles fijos.
Mejora el trabajo
distribuido y la
autoasignación en los
sprints.
Del trabajo individual a la
cocreación colectiva en
entornos digitales.
(Atribuido a herramientas
como Trello).
Power BI
Resolución de
problemas
Excelente para la
elaboración de
modelos de riesgo y
la previsión en
planes detallados.
Admite gráficos de
progreso y métricas
iterativas para realizar
ajustes rápidos.
El análisis de datos con
Power BI permitió...
resolver problemas
complejos de planificación
y control. (Resultados: Δ
1,01 en la resolución de
problemas).
Power BI
Creación de
contenido
digital
Útil para informes
finales y auditorías
estructuradas.
Permite la creación de
paneles de control
dinámicos para
revisiones iterativas.
El 73% de los estudiantes
incorporaron IA generativa
para la redacción de
informes, la creación de
pág. 1227
diagramas... con Power BI.
(Resultados: vinculados a
la creación de contenido).
ChatGPT
Creación de
contenido
digital
Ayuda con la
documentación
inicial y los planes
detallados, pero
requiere revisión
humana para
garantizar su
exactitud.
Mejora la lluvia de ideas
iterativa y la creación
rápida de prototipos en
los sprints.
Se observó un aumento
sustancial en la capacidad
de producir materiales
digitales complejos... El
73% incorporó IA
generativa. (Resultados: Δ
0,79; impacto directo en la
creación).
ChatGPT
Resolución de
problemas
Permite realizar
análisis predictivos
de riesgos mediante
indicaciones
estructuradas.
Facilita la resolución
adaptativa en entornos
inciertos, con
generación alternativa.
La IA generativa actuó
como un mediador
cognitivo que amplía las
posibilidades de
aprendizaje, análisis y
creación. (Resultados:
vinculados a la resolución
de problemas; Holmes et
al., 2023).
ChatGPT
Seguridad y
ética digital
Centrado en el
cumplimiento
normativo y la
revisión ética de los
resultados.
Se integra en las
retrospectivas ágiles
para analizar los sesgos
en las iteraciones.
La mejora, aunque menor,
indica que los estudiantes
avanzan hacia un
pensamiento digital más
reflexivo... dilemas éticos
del uso de la IA.
(Resultados: Δ 0,42).
diagramas... con Power BI.
(Resultados: vinculados a
la creación de contenido).
ChatGPT
Creación de
contenido
digital
Ayuda con la
documentación
inicial y los planes
detallados, pero
requiere revisión
humana para
garantizar su
exactitud.
Mejora la lluvia de ideas
iterativa y la creación
rápida de prototipos en
los sprints.
Se observó un aumento
sustancial en la capacidad
de producir materiales
digitales complejos... El
73% incorporó IA
generativa. (Resultados: Δ
0,79; impacto directo en la
creación).
ChatGPT
Resolución de
problemas
Permite realizar
análisis predictivos
de riesgos mediante
indicaciones
estructuradas.
Facilita la resolución
adaptativa en entornos
inciertos, con
generación alternativa.
La IA generativa actuó
como un mediador
cognitivo que amplía las
posibilidades de
aprendizaje, análisis y
creación. (Resultados:
vinculados a la resolución
de problemas; Holmes et
al., 2023).
ChatGPT
Seguridad y
ética digital
Centrado en el
cumplimiento
normativo y la
revisión ética de los
resultados.
Se integra en las
retrospectivas ágiles
para analizar los sesgos
en las iteraciones.
La mejora, aunque menor,
indica que los estudiantes
avanzan hacia un
pensamiento digital más
reflexivo... dilemas éticos
del uso de la IA.
(Resultados: Δ 0,42).
pág. 1228
Jira
Planificación
y colaboración
Permite una
planificación
detallada con
problemas y hojas
de ruta
estructuradas.
Excelente para Scrum
(sprints y retrospectivas)
y Kanban (límites de
trabajo en curso y
diagramas de flujo),
aumentando la
eficiencia operativa
entre un 20 y un 30 %.
Herramientas digitales
(MS Project, Trello, Power
BI, Notion y Jira) para la
planificación y la
comunicación.
(Metodología); fuentes
externas confirman la
mejora en la transparencia
y la colaboración.
Jira
Resolución de
problemas
Útil para el control
de riesgos
secuencial con
campos
personalizados.
Mejora la resolución
iterativa en
Scrum/Kanban
mediante análisis y
automatizaciones,
identificando mejoras
continuas.
En el artículo se aborda la
resolución digital de
problemas; las fuentes
destacan las métricas para
optimizar los flujos de
trabajo ágiles.
Jira
Seguridad y
ética digital
Centrados en el
cumplimiento de
flujos de trabajo
rígidos.
Se integra en las
retrospectivas ágiles
para revisar la ética en
Scrum/Kanban,
evitando la sobrecarga
de trabajo.
Atribuido a la seguridad
digital en los resultados;
énfasis ético de las fuentes
en la personalización en
Agile.
Fuente: Elaboración propia de los autores.
Los resultados del estudio demuestran que la integración de estas herramientas genera avances
significativos en las habilidades digitales, con un Δ general de 0,72 (d=0,84), gracias a su capacidad
para alinear la planificación predictiva con las prácticas ágiles. Scrum, como marco de trabajo, fomenta
Jira
Planificación
y colaboración
Permite una
planificación
detallada con
problemas y hojas
de ruta
estructuradas.
Excelente para Scrum
(sprints y retrospectivas)
y Kanban (límites de
trabajo en curso y
diagramas de flujo),
aumentando la
eficiencia operativa
entre un 20 y un 30 %.
Herramientas digitales
(MS Project, Trello, Power
BI, Notion y Jira) para la
planificación y la
comunicación.
(Metodología); fuentes
externas confirman la
mejora en la transparencia
y la colaboración.
Jira
Resolución de
problemas
Útil para el control
de riesgos
secuencial con
campos
personalizados.
Mejora la resolución
iterativa en
Scrum/Kanban
mediante análisis y
automatizaciones,
identificando mejoras
continuas.
En el artículo se aborda la
resolución digital de
problemas; las fuentes
destacan las métricas para
optimizar los flujos de
trabajo ágiles.
Jira
Seguridad y
ética digital
Centrados en el
cumplimiento de
flujos de trabajo
rígidos.
Se integra en las
retrospectivas ágiles
para revisar la ética en
Scrum/Kanban,
evitando la sobrecarga
de trabajo.
Atribuido a la seguridad
digital en los resultados;
énfasis ético de las fuentes
en la personalización en
Agile.
Fuente: Elaboración propia de los autores.
Los resultados del estudio demuestran que la integración de estas herramientas genera avances
significativos en las habilidades digitales, con un Δ general de 0,72 (d=0,84), gracias a su capacidad
para alinear la planificación predictiva con las prácticas ágiles. Scrum, como marco de trabajo, fomenta
pág. 1229
la colaboración iterativa, mientras que Trello y Power BI destacan en la visualización y el análisis de
datos, y ChatGPT sobresale en la generación creativa con un enfoque ético.
La incorporación de Jira amplifica estos efectos al actuar como un centro integral para metodologías
ágiles: en Scrum, facilita los sprints y los backlogs, mejorando la productividad a través de roles y
métricas definidas, como los gráficos de burndown, que reducen los tiempos de ciclo hasta en un 25%
según los estudios de caso de Atlassian; en Kanban, sus tableros con límites de WIP promueven el flujo
continuo, identificando cuellos de botella y fomentando la mejora continua, con beneficios en
transparencia y eficiencia operativa.
Sin embargo, Jira requiere un periodo de aprendizaje inicial y alcanza su máximo impacto en equipos
híbridos, en consonancia con las recomendaciones del artículo sobre enfoques ágiles disciplinados. En
resumen, Jira tiene un efecto transformador en la gestión de proyectos al potenciar Scrum (estructura
iterativa) y Kanban (flujo visual), contribuyendo a habilidades como la resolución de problemas
(Δ=1,01) y la colaboración, pero debe complementarse con formación ética para mitigar el riesgo de
sobrecarga.
Esta tabla y análisis se basan en el artículo proporcionado ("Impacto de las metodologías ágiles y la
inteligencia artificial generativa en el desarrollo de competencias digitales en la formación de posgrado
en gestión de proyectos"), complementado con búsquedas web de evidencia externa sobre Jira
(consultado el 16 de enero de 2026). Las fuentes clave incluyen los sitios web de Atlassian y PMI, así
como blogs sobre metodologías ágiles, citados en el texto para mayor trazabilidad.
Desde una perspectiva pedagógica, los resultados sugieren varios puntos clave. Primero, la
alfabetización digital debe enseñarse como parte de la práctica profesional real, no como un conjunto
de habilidades aisladas. Segundo, cuando se utiliza de forma ética y con la debida orientación, la
inteligencia artificial puede ampliar las capacidades analíticas humanas, actuando como un
complemento en lugar de un sustituto. Tercero, los entornos ágiles fomentan la experimentación y el
aprendizaje a partir de los errores, a diferencia de los enfoques rígidos que aún se encuentran en algunos
programas de posgrado.
Aun así, el estudio presenta limitaciones. El diseño cuasiexperimental permite extraer algunas
conclusiones de causa y efecto, pero carece de la precisión de un ensayo controlado aleatorizado .
la colaboración iterativa, mientras que Trello y Power BI destacan en la visualización y el análisis de
datos, y ChatGPT sobresale en la generación creativa con un enfoque ético.
La incorporación de Jira amplifica estos efectos al actuar como un centro integral para metodologías
ágiles: en Scrum, facilita los sprints y los backlogs, mejorando la productividad a través de roles y
métricas definidas, como los gráficos de burndown, que reducen los tiempos de ciclo hasta en un 25%
según los estudios de caso de Atlassian; en Kanban, sus tableros con límites de WIP promueven el flujo
continuo, identificando cuellos de botella y fomentando la mejora continua, con beneficios en
transparencia y eficiencia operativa.
Sin embargo, Jira requiere un periodo de aprendizaje inicial y alcanza su máximo impacto en equipos
híbridos, en consonancia con las recomendaciones del artículo sobre enfoques ágiles disciplinados. En
resumen, Jira tiene un efecto transformador en la gestión de proyectos al potenciar Scrum (estructura
iterativa) y Kanban (flujo visual), contribuyendo a habilidades como la resolución de problemas
(Δ=1,01) y la colaboración, pero debe complementarse con formación ética para mitigar el riesgo de
sobrecarga.
Esta tabla y análisis se basan en el artículo proporcionado ("Impacto de las metodologías ágiles y la
inteligencia artificial generativa en el desarrollo de competencias digitales en la formación de posgrado
en gestión de proyectos"), complementado con búsquedas web de evidencia externa sobre Jira
(consultado el 16 de enero de 2026). Las fuentes clave incluyen los sitios web de Atlassian y PMI, así
como blogs sobre metodologías ágiles, citados en el texto para mayor trazabilidad.
Desde una perspectiva pedagógica, los resultados sugieren varios puntos clave. Primero, la
alfabetización digital debe enseñarse como parte de la práctica profesional real, no como un conjunto
de habilidades aisladas. Segundo, cuando se utiliza de forma ética y con la debida orientación, la
inteligencia artificial puede ampliar las capacidades analíticas humanas, actuando como un
complemento en lugar de un sustituto. Tercero, los entornos ágiles fomentan la experimentación y el
aprendizaje a partir de los errores, a diferencia de los enfoques rígidos que aún se encuentran en algunos
programas de posgrado.
Aun así, el estudio presenta limitaciones. El diseño cuasiexperimental permite extraer algunas
conclusiones de causa y efecto, pero carece de la precisión de un ensayo controlado aleatorizado .
pág. 1230
Además, el uso de encuestas tipo Likert introduce cierta subjetividad, ya que los estudiantes pueden
sobreestimar su progreso, especialmente en entornos donde se valora la innovación. Otra limitación
importante es el marco temporal: los efectos observados corresponden a un solo año académico, por lo
que, sin un seguimiento a largo plazo, no podemos saber si estas habilidades se mantendrán o cambiarán
con el tiempo.
Si bien los resultados generales muestran una mejora significativa en la competencia digital global, la
subcompetencia de seguridad y ética digital presentó un incremento menor (Δ = 0,42) en comparación
con otras dimensiones. Este resultado sugiere que, aunque las estrategias de capacitación implementadas
fomentaron el desarrollo de habilidades operativas y colaborativas, su impacto en las dimensiones
normativas y éticas fue más limitado.
Una posible explicación reside en la naturaleza transversal y declarativa de la seguridad y la ética
digitales, que suelen abordarse de forma implícita, en lugar de mediante actividades prácticas
específicas. A diferencia de habilidades como la creación de contenido o la colaboración digital, que se
desarrollan directamente a través de herramientas y metodologías ágiles, los aspectos éticos requieren
espacios pedagógicos explícitos para la reflexión, el análisis de casos y el debate guiado, con el fin de
lograr una comprensión significativa.
Además, la integración de la inteligencia artificial generativa puede haber priorizado el uso funcional
de estas herramientas sobre sus implicaciones éticas, limitando así el desarrollo profundo de criterios
relacionados con la privacidad, el sesgo algorítmico y el uso responsable de la información. Este
hallazgo coincide con estudios previos que advierten que la alfabetización ética digital no se desarrolla
automáticamente mediante la exposición tecnológica, sino que requiere instrucción intencionada y una
evaluación específica.
Desde una perspectiva pedagógica, estos resultados indican la necesidad de fortalecer las estrategias de
capacitación diferenciadas en seguridad y ética digital, como el análisis de dilemas éticos, la
incorporación de rúbricas específicas y la evaluación de decisiones en escenarios simulados. En
términos de investigación, el desempeño moderado de esta subcompetencia sugiere que las futuras
intervenciones deberían profundizar en el diseño instruccional y los instrumentos de medición para
Además, el uso de encuestas tipo Likert introduce cierta subjetividad, ya que los estudiantes pueden
sobreestimar su progreso, especialmente en entornos donde se valora la innovación. Otra limitación
importante es el marco temporal: los efectos observados corresponden a un solo año académico, por lo
que, sin un seguimiento a largo plazo, no podemos saber si estas habilidades se mantendrán o cambiarán
con el tiempo.
Si bien los resultados generales muestran una mejora significativa en la competencia digital global, la
subcompetencia de seguridad y ética digital presentó un incremento menor (Δ = 0,42) en comparación
con otras dimensiones. Este resultado sugiere que, aunque las estrategias de capacitación implementadas
fomentaron el desarrollo de habilidades operativas y colaborativas, su impacto en las dimensiones
normativas y éticas fue más limitado.
Una posible explicación reside en la naturaleza transversal y declarativa de la seguridad y la ética
digitales, que suelen abordarse de forma implícita, en lugar de mediante actividades prácticas
específicas. A diferencia de habilidades como la creación de contenido o la colaboración digital, que se
desarrollan directamente a través de herramientas y metodologías ágiles, los aspectos éticos requieren
espacios pedagógicos explícitos para la reflexión, el análisis de casos y el debate guiado, con el fin de
lograr una comprensión significativa.
Además, la integración de la inteligencia artificial generativa puede haber priorizado el uso funcional
de estas herramientas sobre sus implicaciones éticas, limitando así el desarrollo profundo de criterios
relacionados con la privacidad, el sesgo algorítmico y el uso responsable de la información. Este
hallazgo coincide con estudios previos que advierten que la alfabetización ética digital no se desarrolla
automáticamente mediante la exposición tecnológica, sino que requiere instrucción intencionada y una
evaluación específica.
Desde una perspectiva pedagógica, estos resultados indican la necesidad de fortalecer las estrategias de
capacitación diferenciadas en seguridad y ética digital, como el análisis de dilemas éticos, la
incorporación de rúbricas específicas y la evaluación de decisiones en escenarios simulados. En
términos de investigación, el desempeño moderado de esta subcompetencia sugiere que las futuras
intervenciones deberían profundizar en el diseño instruccional y los instrumentos de medición para
pág. 1231
capturar con mayor precisión la evolución de estas dimensiones críticas en la capacitación de gestores
de proyectos.
Finalmente, es importante reflexionar sobre el aspecto humano. La educación digital avanza más rápido
que nuestra capacidad para analizarla críticamente. Enseñamos a los futuros gestores de proyectos a
utilizar algoritmos que predicen riesgos, pero no siempre los preparamos para cuestionar las
implicaciones éticas de esas predicciones. Esta investigación, aunque modesta en sus logros, pretendía
iniciar ese diálogo.
Los resultados de este estudio son prometedores. Pero lo más importante es que los estudiantes
aprendieron a interactuar con la tecnología, no solo a usarla. Formar líderes digitales competentes
depende de este diálogo constante entre el juicio humano y la inteligencia artificial.
CONCLUSIONES
Los estudiantes expuestos a la condición de integración pedagógica avanzada, que comprende ciclos
completos de Scrum, Disciplined Agile, plataformas digitales de nivel industrial y herramientas de IA
generativa a lo largo de tres fases del plan de estudios, demostraron ganancias sustancialmente mayores
en competencia digital que sus compañeros que recibieron únicamente instrucción ágil básica (d = 0,84,
IC del 95 % [0,51, 1,17]). Este gran tamaño del efecto entre grupos refleja la contribución diferencial
de una integración más profunda: lo que la implementación avanzada añade más allá de las ganancias
ya asociadas con la exposición ágil introductoria. El hallazgo respalda la interpretación de dosis-
respuesta del diseño y sugiere que la profundidad y complejidad de la integración pedagógica, y no
meramente su presencia, es la variable operativa en el desarrollo de la competencia digital entre los
estudiantes de posgrado en gestión de proyectos.
Contribuciones teóricas y prácticas: Los hallazgos tienen implicaciones específicas según la base
pedagógica actual de cada programa. Para los programas que aún no han incorporado la instrucción ágil,
el estudio confirma que incluso una exposición básica a las prácticas de Scrum y las herramientas de
colaboración digital genera mejoras medibles en las competencias; adoptar la integración de nivel Fase
1 es un primer paso valioso.
Más importante aún, el gran efecto diferencial observado en este estudio sugiere que los programas que
ya imparten instrucción ágil básica pueden lograr avances de competencia sustancialmente mayores al
capturar con mayor precisión la evolución de estas dimensiones críticas en la capacitación de gestores
de proyectos.
Finalmente, es importante reflexionar sobre el aspecto humano. La educación digital avanza más rápido
que nuestra capacidad para analizarla críticamente. Enseñamos a los futuros gestores de proyectos a
utilizar algoritmos que predicen riesgos, pero no siempre los preparamos para cuestionar las
implicaciones éticas de esas predicciones. Esta investigación, aunque modesta en sus logros, pretendía
iniciar ese diálogo.
Los resultados de este estudio son prometedores. Pero lo más importante es que los estudiantes
aprendieron a interactuar con la tecnología, no solo a usarla. Formar líderes digitales competentes
depende de este diálogo constante entre el juicio humano y la inteligencia artificial.
CONCLUSIONES
Los estudiantes expuestos a la condición de integración pedagógica avanzada, que comprende ciclos
completos de Scrum, Disciplined Agile, plataformas digitales de nivel industrial y herramientas de IA
generativa a lo largo de tres fases del plan de estudios, demostraron ganancias sustancialmente mayores
en competencia digital que sus compañeros que recibieron únicamente instrucción ágil básica (d = 0,84,
IC del 95 % [0,51, 1,17]). Este gran tamaño del efecto entre grupos refleja la contribución diferencial
de una integración más profunda: lo que la implementación avanzada añade más allá de las ganancias
ya asociadas con la exposición ágil introductoria. El hallazgo respalda la interpretación de dosis-
respuesta del diseño y sugiere que la profundidad y complejidad de la integración pedagógica, y no
meramente su presencia, es la variable operativa en el desarrollo de la competencia digital entre los
estudiantes de posgrado en gestión de proyectos.
Contribuciones teóricas y prácticas: Los hallazgos tienen implicaciones específicas según la base
pedagógica actual de cada programa. Para los programas que aún no han incorporado la instrucción ágil,
el estudio confirma que incluso una exposición básica a las prácticas de Scrum y las herramientas de
colaboración digital genera mejoras medibles en las competencias; adoptar la integración de nivel Fase
1 es un primer paso valioso.
Más importante aún, el gran efecto diferencial observado en este estudio sugiere que los programas que
ya imparten instrucción ágil básica pueden lograr avances de competencia sustancialmente mayores al
pág. 1232
avanzar hacia la integración completa, incorporando marcos de trabajo Disciplined Agile, plataformas
de gestión de proyectos de nivel industrial y herramientas de IA generativa como apoyo cognitivo
sistemático. El retorno marginal de profundizar la integración parece ser alto: el paso de lo fundamental
a lo avanzado no es meramente aditivo, sino que produce una experiencia de aprendizaje
cualitativamente diferente, como corroboran los hallazgos cualitativos. Por lo tanto, las instituciones
que diseñan o revisan planes de estudio de gestión de proyectos de posgrado en contextos
latinoamericanos deberían considerar la integración pedagógica como un continuo e invertir en
itinerarios estructurados que avancen progresivamente de estudiantes e instructores desde niveles
fundamentales a avanzados, en lugar de tratar la adopción ágil como un resultado binario.
Limitaciones y perspectivas futuras: Si bien los hallazgos son sólidos, la dependencia de los
autoinformes y el diseño cuasiexperimental sugieren cautela al interpretar la persistencia de las
habilidades a largo plazo. Además, el modesto progreso en ética digital pone de relieve una frontera
crítica: debemos avanzar hacia sistemas con intervención humana para evitar que la automatización
eclipse el juicio crítico. Las investigaciones futuras deberían aprovechar el análisis del aprendizaje
longitudinal y explorar entornos de cocreación entre humanos y agentes inteligentes para comprender
mejor la evolución de los estilos de liderazgo.
REFERENCIAS BIBLIOGRÁFICAS
Ambler, SW, & Lines, M. (2020). Entrega ágil disciplinada: una guía práctica para la entrega ágil de
software en la empresa . Project Management Institute.
Atlassian. (s.f.). Jira Software . Recuperado el 16 de enero de 2026 de
https://www.atlassian.com/software/jira
Bahi , A., Gharib, J., & Gahi , Y. (2024). Integración de IA generativa para impulsar el desarrollo ágil
de software y mitigar los desafíos de la gestión de proyectos. International Journal of
Advanced Computer Science and Applications , 15 (3), 54–61.
https://doi.org/10.14569/IJACSA.2024.0150306
Braun, V., & Clarke, V. (2006). Uso del análisis temático en psicología. Qualitative Research in
Psychology, 3 (2), 77–101. https://doi.org/10.1191/1478088706qp063oa
avanzar hacia la integración completa, incorporando marcos de trabajo Disciplined Agile, plataformas
de gestión de proyectos de nivel industrial y herramientas de IA generativa como apoyo cognitivo
sistemático. El retorno marginal de profundizar la integración parece ser alto: el paso de lo fundamental
a lo avanzado no es meramente aditivo, sino que produce una experiencia de aprendizaje
cualitativamente diferente, como corroboran los hallazgos cualitativos. Por lo tanto, las instituciones
que diseñan o revisan planes de estudio de gestión de proyectos de posgrado en contextos
latinoamericanos deberían considerar la integración pedagógica como un continuo e invertir en
itinerarios estructurados que avancen progresivamente de estudiantes e instructores desde niveles
fundamentales a avanzados, en lugar de tratar la adopción ágil como un resultado binario.
Limitaciones y perspectivas futuras: Si bien los hallazgos son sólidos, la dependencia de los
autoinformes y el diseño cuasiexperimental sugieren cautela al interpretar la persistencia de las
habilidades a largo plazo. Además, el modesto progreso en ética digital pone de relieve una frontera
crítica: debemos avanzar hacia sistemas con intervención humana para evitar que la automatización
eclipse el juicio crítico. Las investigaciones futuras deberían aprovechar el análisis del aprendizaje
longitudinal y explorar entornos de cocreación entre humanos y agentes inteligentes para comprender
mejor la evolución de los estilos de liderazgo.
REFERENCIAS BIBLIOGRÁFICAS
Ambler, SW, & Lines, M. (2020). Entrega ágil disciplinada: una guía práctica para la entrega ágil de
software en la empresa . Project Management Institute.
Atlassian. (s.f.). Jira Software . Recuperado el 16 de enero de 2026 de
https://www.atlassian.com/software/jira
Bahi , A., Gharib, J., & Gahi , Y. (2024). Integración de IA generativa para impulsar el desarrollo ágil
de software y mitigar los desafíos de la gestión de proyectos. International Journal of
Advanced Computer Science and Applications , 15 (3), 54–61.
https://doi.org/10.14569/IJACSA.2024.0150306
Braun, V., & Clarke, V. (2006). Uso del análisis temático en psicología. Qualitative Research in
Psychology, 3 (2), 77–101. https://doi.org/10.1191/1478088706qp063oa
pág. 1233
Cabero-Almenara, J., & Palacios-Rodríguez, A. (2020). Marco Europeo de Competencia Digital
Docente « DigCompEdu »: Traducción y adaptación del cuestionario « DigCompEdu «Check
-In». EDMETIC , 9 (1), 213–234. https://doi.org/10.21071/edmetic.v9i1.12462
Canó, E. (2008). La evaluación por competencias en la educación superior . Narcea Ediciones .
Charmaz, K. (2014). Construcción de la teoría fundamentada ( 2.ª ed.). SAGE Publications.
Cohen, J. (1988). Análisis de potencia estadística para las ciencias del comportamiento ( 2.ª ed.).
Routledge. https://doi.org/10.4324/9780203771587
Cook, TD y Campbell, DT (1979). Cuasiexperimentación: Diseño y análisis de problemas en entornos
de campo. Houghton Mifflin.
Creswell, JW, y Plano Clark, VL (2018). Diseño y realización de investigación con métodos mixtos (
3.ª ed.). SAGE Publications.
Denzin, NK (1978). El acto de investigación: Una introducción teórica a los métodos sociológicos ( 2.ª
ed.). McGraw-Hill.
DeVellis , RF (2017). Desarrollo de escalas: Teoría y aplicaciones ( 4.ª ed.). SAGE Publications.
Comisión Europea. (2023). El marco de competencias digitales 2.2 ( DigComp 2.2): Un marco europeo
para el desarrollo y la comprensión de las competencias digitales en Europa . Oficina de
Publicaciones de la Unión Europea. https://doi.org/10.2760/115376
Faul , F., Erdfelder , E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: Un programa flexible de
análisis de potencia estadística para las ciencias sociales, del comportamiento y biomédicas.
Behavior Research Methods, 39 (2), 175–191. https://doi.org/10.3758/BF03193146
Ferrari, A. (2013). DIGCOMP: Un marco para el desarrollo y la comprensión de la competencia digital
en Europa . Oficina de Publicaciones de la Unión Europea. https://doi.org/10.2788/52966
Fetters, MD, Curry, LA y Creswell, JW (2013). Lograr la integración en diseños de métodos mixtos.
Health Services Research, 48 (6), 2134–2156. https://doi.org/10.1111/1475-6773.12117
García Aretio, L. (2021). Educación digital: Fundamentos y retos . Ediciones UNED .
Greene, JC (2007). Métodos mixtos en la investigación social . Jossey-Bass.
Cabero-Almenara, J., & Palacios-Rodríguez, A. (2020). Marco Europeo de Competencia Digital
Docente « DigCompEdu »: Traducción y adaptación del cuestionario « DigCompEdu «Check
-In». EDMETIC , 9 (1), 213–234. https://doi.org/10.21071/edmetic.v9i1.12462
Canó, E. (2008). La evaluación por competencias en la educación superior . Narcea Ediciones .
Charmaz, K. (2014). Construcción de la teoría fundamentada ( 2.ª ed.). SAGE Publications.
Cohen, J. (1988). Análisis de potencia estadística para las ciencias del comportamiento ( 2.ª ed.).
Routledge. https://doi.org/10.4324/9780203771587
Cook, TD y Campbell, DT (1979). Cuasiexperimentación: Diseño y análisis de problemas en entornos
de campo. Houghton Mifflin.
Creswell, JW, y Plano Clark, VL (2018). Diseño y realización de investigación con métodos mixtos (
3.ª ed.). SAGE Publications.
Denzin, NK (1978). El acto de investigación: Una introducción teórica a los métodos sociológicos ( 2.ª
ed.). McGraw-Hill.
DeVellis , RF (2017). Desarrollo de escalas: Teoría y aplicaciones ( 4.ª ed.). SAGE Publications.
Comisión Europea. (2023). El marco de competencias digitales 2.2 ( DigComp 2.2): Un marco europeo
para el desarrollo y la comprensión de las competencias digitales en Europa . Oficina de
Publicaciones de la Unión Europea. https://doi.org/10.2760/115376
Faul , F., Erdfelder , E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: Un programa flexible de
análisis de potencia estadística para las ciencias sociales, del comportamiento y biomédicas.
Behavior Research Methods, 39 (2), 175–191. https://doi.org/10.3758/BF03193146
Ferrari, A. (2013). DIGCOMP: Un marco para el desarrollo y la comprensión de la competencia digital
en Europa . Oficina de Publicaciones de la Unión Europea. https://doi.org/10.2788/52966
Fetters, MD, Curry, LA y Creswell, JW (2013). Lograr la integración en diseños de métodos mixtos.
Health Services Research, 48 (6), 2134–2156. https://doi.org/10.1111/1475-6773.12117
García Aretio, L. (2021). Educación digital: Fundamentos y retos . Ediciones UNED .
Greene, JC (2007). Métodos mixtos en la investigación social . Jossey-Bass.
pág. 1234
Guest, G., Bunce, A., & Johnson, L. (2006). ¿Cuántas entrevistas son suficientes? Un experimento con
saturación y variabilidad de datos. Field Methods, 18 (1), 59–82.
https://doi.org/10.1177/1525822X05279903
Haidabrus , B. (2024). IA generativa en la gestión ágil de proyectos y entregas. En V. Ivanov, J.
Trojanowska , J. Machado y Y. Cao (Eds.), Diseño, simulación, fabricación: El intercambio
de innovación (DSMIE 2024). Notas de clase en ingeniería mecánica (pp. 100-110). Springer.
https://doi.org/10.1007/978-3-031-61797-3_9
Holmes, W., Bialik, M., & Fadel, C. (2023). Inteligencia artificial en la educación: promesas e
implicaciones para la enseñanza y el aprendizaje . Centro para el Rediseño Curricular.
Kish, L. (1965). Muestreo de encuestas . John Wiley & Sons.
Mundfrom , DJ, Shaw, DG y Ke , TL (2005). Recomendaciones sobre el tamaño mínimo de muestra
para realizar análisis factoriales. International Journal of Testing, 5 (2), 159–168.
https://doi.org/10.1207/s15327574ijt0502_4
Northouse, PG (2022). Liderazgo: Teoría y práctica ( 9.ª ed.). SAGE Publications.
Organización para la Cooperación y el Desarrollo Económicos. (2021). Perspectivas de la educación
digital 2021: Impulsando las fronteras con IA, blockchain y robots . Publicaciones de la
OCDE. https://doi.org/10.1787/589b283f-en
Patton, MQ (2015). Métodos de investigación y evaluación cualitativa ( 4.ª ed.). SAGE Publications.
Project Management Institute. (2021). Guía de los fundamentos de la gestión de proyectos ( Guía
PMBOK®) ( 7.ª ed.). Project Management Institute.
Project Management Institute. (2023). ¡ Elige tu WoW! Un manual de entrega ágil y disciplinada para
optimizar tu forma de trabajar . Project Management Institute.
Project Management Institute y Agile Alliance. (2020). Guía de prácticas ágiles . Project Management
Institute.
Redecker , C., y Punie, Y. (2017 ). Marco europeo para la competencia digital de los educadores (
DigCompEdu ) . Oficina de Publicaciones de la Unión Europea.
https://doi.org/10.2760/159770
Guest, G., Bunce, A., & Johnson, L. (2006). ¿Cuántas entrevistas son suficientes? Un experimento con
saturación y variabilidad de datos. Field Methods, 18 (1), 59–82.
https://doi.org/10.1177/1525822X05279903
Haidabrus , B. (2024). IA generativa en la gestión ágil de proyectos y entregas. En V. Ivanov, J.
Trojanowska , J. Machado y Y. Cao (Eds.), Diseño, simulación, fabricación: El intercambio
de innovación (DSMIE 2024). Notas de clase en ingeniería mecánica (pp. 100-110). Springer.
https://doi.org/10.1007/978-3-031-61797-3_9
Holmes, W., Bialik, M., & Fadel, C. (2023). Inteligencia artificial en la educación: promesas e
implicaciones para la enseñanza y el aprendizaje . Centro para el Rediseño Curricular.
Kish, L. (1965). Muestreo de encuestas . John Wiley & Sons.
Mundfrom , DJ, Shaw, DG y Ke , TL (2005). Recomendaciones sobre el tamaño mínimo de muestra
para realizar análisis factoriales. International Journal of Testing, 5 (2), 159–168.
https://doi.org/10.1207/s15327574ijt0502_4
Northouse, PG (2022). Liderazgo: Teoría y práctica ( 9.ª ed.). SAGE Publications.
Organización para la Cooperación y el Desarrollo Económicos. (2021). Perspectivas de la educación
digital 2021: Impulsando las fronteras con IA, blockchain y robots . Publicaciones de la
OCDE. https://doi.org/10.1787/589b283f-en
Patton, MQ (2015). Métodos de investigación y evaluación cualitativa ( 4.ª ed.). SAGE Publications.
Project Management Institute. (2021). Guía de los fundamentos de la gestión de proyectos ( Guía
PMBOK®) ( 7.ª ed.). Project Management Institute.
Project Management Institute. (2023). ¡ Elige tu WoW! Un manual de entrega ágil y disciplinada para
optimizar tu forma de trabajar . Project Management Institute.
Project Management Institute y Agile Alliance. (2020). Guía de prácticas ágiles . Project Management
Institute.
Redecker , C., y Punie, Y. (2017 ). Marco europeo para la competencia digital de los educadores (
DigCompEdu ) . Oficina de Publicaciones de la Unión Europea.
https://doi.org/10.2760/159770
pág. 1235
Rigby, DK, Elk, S., y Berez , S. (2020). Implementar la metodología ágil correctamente:
Transformación sin caos . Harvard Business Review Press . https://lccn.loc.gov/2019054607
Sainio , K. (2023). Generative artificial intelligence assisting in Agile project pain points [ Tesis de
maestría , Tampere University]. Trepo. https://urn.fi/URN:NBN:fi:tuni-202309117180
Serrador, P., & Pinto, JK (2015). ¿ Funciona la metodología ágil? — Un análisis cuantitativo del éxito
de los proyectos ágiles. International Journal of Project Management, 33 (5), 1040–1051.
https://doi.org/10.1016/j.ijproman.2015.01.006
Shadish , WR, Cook, TD y Campbell, DT (2002). Diseños experimentales y cuasiexperimentales para
la inferencia causal generalizada . Houghton Mifflin.
Tabachnick , BG y Fidell , LS (2019). Uso de estadísticas multivariadas ( 7.ª ed.). Pearson.
Tobón, S. (2013). Formación integral y competencias: Pensamiento complejo, currículo, didáctica y
evaluación (4ª ed.). Ediciones ECOE .
Tudor, V., Aggrawal , S., & Böhm , C. (2025). Mejora de la formación en gestión ágil de proyectos
mediante IA a través de ChatGPT en cursos de grado en informática. En Actas de EdMedia +
Innovate Learning (pp. 482-491). Asociación para el Avance de la Informática en la Educación
(AACE). https://www.learntechlib.org/p/226178/
UNESCO. (2022 ). Transformar la educación: Un imperativo político urgente para nuestro futuro
colectivo . Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
https://unesdoc.unesco.org/ark:/48223/pf0000382042
UNESCO. (2023). Guía para la IA generativa en la educación y la investigación . Organización de las
Naciones Unidas para la Educación, la Ciencia y la Cultura.
https://unesdoc.unesco.org/ark:/48223/pf0000386693
Universidad Autónoma de Occidente. (2024, 17 de septiembre ). Resolución del Consejo Académico
No. 6746: Política Curricular [Resolución Institucional]. https://www.uao.edu.co/wp-
content/uploads/2024/10/Res-CA-6746-Política-Curricular.pdf
Velandia, CA, Mena, AF, Tobón, S., & López, E. (2022). Evolución de los marcos de competencias
digitales para docentes y su uso en Iberoamérica . International Journal of Environmental
Research and Public Health , 19 (24), 16828. https://doi.org/10.3390/ijerph192416828
Rigby, DK, Elk, S., y Berez , S. (2020). Implementar la metodología ágil correctamente:
Transformación sin caos . Harvard Business Review Press . https://lccn.loc.gov/2019054607
Sainio , K. (2023). Generative artificial intelligence assisting in Agile project pain points [ Tesis de
maestría , Tampere University]. Trepo. https://urn.fi/URN:NBN:fi:tuni-202309117180
Serrador, P., & Pinto, JK (2015). ¿ Funciona la metodología ágil? — Un análisis cuantitativo del éxito
de los proyectos ágiles. International Journal of Project Management, 33 (5), 1040–1051.
https://doi.org/10.1016/j.ijproman.2015.01.006
Shadish , WR, Cook, TD y Campbell, DT (2002). Diseños experimentales y cuasiexperimentales para
la inferencia causal generalizada . Houghton Mifflin.
Tabachnick , BG y Fidell , LS (2019). Uso de estadísticas multivariadas ( 7.ª ed.). Pearson.
Tobón, S. (2013). Formación integral y competencias: Pensamiento complejo, currículo, didáctica y
evaluación (4ª ed.). Ediciones ECOE .
Tudor, V., Aggrawal , S., & Böhm , C. (2025). Mejora de la formación en gestión ágil de proyectos
mediante IA a través de ChatGPT en cursos de grado en informática. En Actas de EdMedia +
Innovate Learning (pp. 482-491). Asociación para el Avance de la Informática en la Educación
(AACE). https://www.learntechlib.org/p/226178/
UNESCO. (2022 ). Transformar la educación: Un imperativo político urgente para nuestro futuro
colectivo . Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
https://unesdoc.unesco.org/ark:/48223/pf0000382042
UNESCO. (2023). Guía para la IA generativa en la educación y la investigación . Organización de las
Naciones Unidas para la Educación, la Ciencia y la Cultura.
https://unesdoc.unesco.org/ark:/48223/pf0000386693
Universidad Autónoma de Occidente. (2024, 17 de septiembre ). Resolución del Consejo Académico
No. 6746: Política Curricular [Resolución Institucional]. https://www.uao.edu.co/wp-
content/uploads/2024/10/Res-CA-6746-Política-Curricular.pdf
Velandia, CA, Mena, AF, Tobón, S., & López, E. (2022). Evolución de los marcos de competencias
digitales para docentes y su uso en Iberoamérica . International Journal of Environmental
Research and Public Health , 19 (24), 16828. https://doi.org/10.3390/ijerph192416828
pág. 1236
Weng, JC (2023). Poniendo a trabajar a los robots inteligentes: Implementación de herramientas de IA
generativa en la gestión de proyectos. Laboratorio de Analítica Aplicada de la Escuela de
Ciencias de la Computación de la Universidad de Nueva York (NYU SPS).
http://hdl.handle.net/2451/69531
Weng, JC (2023). Poniendo a trabajar a los robots inteligentes: Implementación de herramientas de IA
generativa en la gestión de proyectos. Laboratorio de Analítica Aplicada de la Escuela de
Ciencias de la Computación de la Universidad de Nueva York (NYU SPS).
http://hdl.handle.net/2451/69531