Nota Editorial DOI: https://doi.org/10.61154/holopraxis.v10i2.4800
La reconfiguración epistémica de las ciencias de la tierra: ecosistemas virtuales inteligentes y la emancipación del aprendizaje geocientífico.
The Epistemic Reconfiguration of the Earth Sciences: Intelligent Virtual Ecosystems and the Emancipation of Geoscience Learning.
José Albino Newman-Fernándeza, Lilian Nayive Angulo-de-Contrerasb
a Universidade Federal de Espirito Santo (UFES). Vitoria, Espírito Santo, Brasil. Email: jose.fernandez@ufes.br, Orcid: https://orcid.org/0009-0001-8920-6712
b Universidad de Los Andes (ULA). Mérida, Mérida, Venezuela. Email:liliannayiveangulo@gmail.com, Orcid: https://orcid.org/0000-0002-0569-2347
Una de las grandes funciones de la universidad es la formación de profesionales de acuerdo con los requerimientos que se tienen para el desarrollo de las sociedades. Son diversos los documentos de organismos internacionales que indican la necesidad que las universidades asuman el compromiso estratégico de diseñar y consolidar carreras vinculadas al campo de las Ciencias de la Tierra debido a las transformaciones globales contemporáneas. La UNESCO (2026) aboga por la transformación curricular y exige que la educación superior rompa con la enseñanza teórica tradicional y priorice disciplinas que doten a los futuros profesionales de competencias prácticas para actuar sobre el planeta.
En el caso del área de Ciencias de la Tierra que aglutina un conjunto de disciplinas (geología, geofísica, geoquímica, meteorología, oceanografía astronomía, entre otras) no se constituyen únicamente como parcelas de conocimiento técnico, sino que representan un pilar fundamental para la supervivencia y el desarrollo sostenible de las naciones. La formación en estas áreas dota a la sociedad de científicos capaces de interpretar de manera rigurosa las dinámicas del cambio planetario proporcionando los datos predictivos esenciales para el diseño de políticas públicas orientadas a la resiliencia comunitaria y la preservación ecológica frente a los desafíos del siglo XXI.
En el caso específico de la configuración del perfil profesional en estas áreas, depende de manera directa del andamiaje curricular que diseñen las universidades, el cual opera de forma progresiva desde la formación inicial y básica hasta las etapas de alta especialización. En los ciclos iniciales, el currículo establece los cimientos ontológicos que definen la relación del futuro profesional con el objeto de estudio, concibiendo al planeta como un sistema vivo y dinámico integrado por componentes interdependientes. Posteriormente, la formación básica e instrumental instituye la matriz epistémica del investigador, delineando los métodos de validación, la interpretación de datos en entornos estocásticos y las competencias heurísticas necesarias para decodificar la realidad física. Finalmente, el diseño curricular especializado determina las competencias metodológicas y procedimentales definitivas, transformando al discente de un receptor pasivo a un orquestador del saber capaz de conjugar la rigurosidad científica con un profundo compromiso humanista ante las problemáticas del entorno.
El diseño de estas carreras impacta directamente de manera transversal los objetivos de la Agenda 2030 de las Naciones Unidas, por cuanto estos marcos internacionales exigen explícitamente bases científicas robustas para la toma de decisiones políticas y la resiliencia social (UNESCO, 2015, 2020).También la Comisión Internacional sobre los Futuros de la Educación (2022) aboga por las transformaciones globales contemporáneas, en el que se proyecta las reformas de la educación superior con miras a los años 2030 y 2050. El documento determina que, debido a los impactos del Antropoceno (la era geológica dominada por la actividad humana), las universidades deben reconfigurar sus planes de estudio interdisciplinarios para que las sociedades reequilibren su relación con el medio ambiente y la tecnología. La División de Ciencias de la Tierra de la UNESCO resalta el papel crítico de la geociencia aplicada a través de programas internacionales con investigación y formación geocientífica multidisciplinar (UNESCO s.f.).
La reforma de la educación superior en el área de las Ciencias de la Tierra no solo requiere una reconfiguración de los planes de estudio que promueva competencias transversales e innovadoras conectadas con el sector productivo y las políticas públicas (Gómez Ferrer et al.,2025), sino que exige que dicho conocimiento científico se traduzca de forma efectiva en herramientas de innovación tecnológica aplicadas (Chiriboga-Pinos et al.,2024)
En el escenario contemporáneo de la educación universitaria, la asimilación de tecnologías emergentes ha transitado de ser una propuesta meramente disruptiva a constituirse en un imperativo pedagógico inevitable. Esta transición adquiere un matiz de urgencia crítica en el espectro de las geociencias, disciplinas cuya matriz epistémica depende ontológicamente de la observación empírica de campo, la aprehensión de escalas espacio-temporales abstractas y la experimentación macroscópica. Frente a las severas limitaciones físicas e instrumentales de los modelos tradicionales, la emergencia de laboratorios virtuales potenciados con Inteligencia Artificial (IA) no plantea una simple sustitución de soportes técnicos, sino una profunda reconfiguración de la intermediación pedagógica y de la travesía cognitiva del estudiante.
Tradicionalmente, la enseñanza de la geología, la geofísica y la paleontología ha tropezado con la barrera de la bidimensionalidad y la rigidez temporal. El pensamiento espacial complejo y la visualización tridimensional, competencias cardinales de este campo analizadas a fondo por Newcombe y Shipley (2015), suelen verse constreñidos en el aula convencional. Los entornos virtuales interactivos mediados por IA irrumpen precisamente para disolver estas fronteras, viabilizando la simulación orgánica de procesos geomorfológicos y geodinámicos que ocurren en escalas temporales inasequibles para la experiencia humana (millones de años) o en condiciones de absoluta inaccesibilidad física, como la dinámica del núcleo terrestre o las zonas de subducción profunda. En el momento que se incorporan arquitecturas de aprendizaje automático, las plataformas abandonan la condición de software estáticos de respuesta lineal y evolucionan hacia auténticos ecosistemas de aprendizaje adaptativo.
El fortalecimiento contemporáneo de las Ciencias de la Tierra halla su ruta más prometedora en la adopción de nuevas tendencias pedagógicas y metodológicas, entre las cuales la interdisciplinariedad se erige como el eje articulador fundamental. Los fenómenos geológicos e hidrológicos ya no pueden ser descifrados de forma aislada a través de disciplinas fragmentadas; exigen, por el contrario, la convergencia orgánica de la geofísica, la geoquímica, la informática y las ciencias sociales. Esta ruptura de las fronteras tradicionales del saber permite deconstruir los rígidos enfoques del aula convencional para dar paso a la creación de comunidades de indagación transdisciplinares (Nicolescu, 1996) entrelazar múltiples áreas del conocimiento, lo que posibilita una comprensión holística del sistema terrestre, capacitando a los investigadores para abordar la complejidad ambiental desde miradas plurales y metodologías integradoras.
Otros marcos epistémicos enriquecedores lo constituyen los fundamentos constructivistas y conectivista, para complementarse con los entornos virtuales inteligentes. Este escenario de aprendizaje rompe con los esquemas tradicionales de transferencia unívoca y lineal de contenidos para dar paso a una auténtica co-construcción del saber. El entorno virtual es la arquitectura completa donde el estudiante vive la experiencia, se dinamiza a través de la exploración activa y la interconexión estratégica de nodos de información dinámicos (Siemens, 2005); en este tejido interactivo, el estudiante deja de ser un receptor pasivo y se transforma en el protagonista de su propio ecosistema de aprendizaje. La IA opera en esta arquitectura como un andamiaje cognitivo dinámico capaz de modelar itinerarios personalizados en función de la Zona de Desarrollo Próximo del discente (Vygotsky, 1978).
A través de los Sistemas de Tutoría Inteligente (ITS), el entorno procesa las interacciones y elecciones del estudiante en tiempo real. Si durante una prospección mineralógica virtual se genera una confusión conceptual ante un plano de falla o un sismograma, el sistema no se limita a penalizar el resultado, sino que reestructura la secuencia instruccional inspirándose en los principios del andamiaje interactivo (Bruner, 1986). Asimismo, la introducción de escenarios estocásticos basados en Machine Learning confronta al alumno con variaciones geológicas realistas e imprevistas, como anomalías gravimétricas inesperadas, estimulando el método científico y el pensamiento crítico por encima de la mera memorización de patrones geométricos estáticos.
Esta sofisticación instruccional maximiza la eficiencia en la transmisión del conocimiento, entendida bajo los postulados de Ausubel (1968) no como velocidad de memorización, sino como la conquista de la significatividad del aprendizaje y la mitigación de la carga cognitiva extraña (Sweller, 1988). El esfuerzo mental requerido para traducir la planimetría bidimensional de un mapa topográfico a un volumen tridimensional real disminuye sensiblemente al interactuar con modelos 3D dinámicos de cuencas sedimentarias. Más allá de la optimización cognitiva, la virtualización inteligente ejerce una función democratizadora y de justicia social educativa: mitiga las marcadas asimetrías socioeconómicas y logísticas asociadas a las costosas campañas de campo prolongadas o al mantenimiento de infraestructuras petrográficas de alta gama, abriendo las compuertas de la ciencia de vanguardia a comunidades tradicionalmente excluidas. Igualmente, provee entornos seguros de alta fidelidad (safe-fail environments) donde se pueden simular escenarios de riesgo geológico extremo tales como erupciones volcánicas, megaterremotos o fallas estructurales.
La investigación pedagógica y empírica reciente refrenda de manera contundente la validez de este giro de paradigma. Los hallazgos de Anisimova et al. (2023) demuestran que la combinación de interfaces inmersivas y analíticas de aprendizaje basadas en IA facilita el tránsito desde una postura pasivo-receptiva hacia una agencia activa, confiriendo al alumnado la oportunidad de codiseñar su propia ruta de indagación científica. En congruencia, Merchant et al. (2014) ya identificaban en sus análisis de entornos virtuales que el diseño instruccional constituye el predictor más robusto de la ganancia de aprendizaje, un factor que la IA optimiza sustancialmente al refinar el diseño curricular sobre la marcha. En el ámbito específico de las Ciencias de la Tierra, las aportaciones de Boyle et al. (2022) visibilizan cómo el uso pedagógico de "gemelos digitales" del terreno y afloramientos virtuales enriquecidos con agentes conversacionales inteligentes no solo emula, sino que potencia significativamente las ganancias conceptuales que históricamente se creían confinadas a la presencialidad de las prácticas tradicionales de campo.
No obstante, esta transición no está exenta de tensiones éticas y tecnopedagógicas insoslayables. Selwyn (2020) enciende las alarmas sobre los peligros inherentes a la “datificación” de la educación, advirtiendo que los algoritmos de IA corren el riesgo de encasillar el rendimiento del estudiante o automatizar en exceso procesos dialógicos que exigen, por antonomasia, la intuición humana y la deliberación socio-constructivista entre pares. Resulta imperativo, por tanto, resguardar la dimensión humanista del acto educativo: la Inteligencia Artificial debe ser concebida rigurosamente como un asistente dinámico del docente y nunca como su sustituto absoluto (Siemens, 2024).
La deconstrucción y expansión de las dimensiones pedagógicas tradicionales frente a este nuevo ecosistema inteligente pone de manifiesto transformaciones radicales que redefinen la praxis educativa. En primer lugar, se quiebra el histórico modelo de homogeneización instructiva, eminentemente reactivo y constreñido a guías rígidas o al ritmo lineal del profesor, que solía ensanchar las brechas entre los estudiantes según sus capacidades de visualización espacial. En su lugar, emerge una personalización heurística y proactiva donde algoritmos de aprendizaje profundo supervisan las interacciones cognitivas y reorganizan dinámicamente las muestras virtuales; de este modo, se ofrecen andamiajes diferenciados ante dificultades complejas, como la distinción entre texturas macrocristalinas y porfídicas, convirtiendo al alumno en el auténtico arquitecto de su propio descubrimiento.
Asimismo, frente a la restricción física tradicional en la que el tiempo geológico permanece estático y las dimensiones macro y micro operan desvinculadas, la Inteligencia Artificial introduce una notable elasticidad representacional y una multiescalabilidad cuántica. Gracias a ello, el estudiante adquiere la facultad de examinar la dislocación de una red cristalina a escala nanométrica en una simulación de difracción de electrones para, de manera orgánica e inmediata, expandir su campo visual hasta comprender cómo dicha microestructura condiciona la mecánica de una falla sismogénica de escala continental; un proceso donde el software gestiona la coherencia física y el renderizado en tiempo real, posibilitando una comprensión holística del sistema Tierra inalcanzable para la simple observación estática de una muestra material.
Esta evolución tecnológica impacta con la misma fuerza los procesos de evaluación y trazabilidad cognitiva, propiciando el tránsito desde un enfoque sumativo diferido, centrado de forma exclusiva en la calificación de un informe de laboratorio que invisibiliza las dudas y las rutas de descarte lógico del alumno, hacia una evaluación formativa, procesual y predictiva mediante Learning Analytics. De este modo, y siguiendo las directrices de la Evaluación para el Aprendizaje formuladas por Black y Wiliam (2018), la IA genera mapas de calor conductuales y mide variables sutiles como el tiempo de fijación visual en una estructura geomorfológica o la tasa de acierto en las hipótesis de prospección, proveyendo al docente de un diagnóstico predictivo idóneo para subsanar vacíos conceptuales antes de su consolidación.
Bajo esta misma lógica, el equívoco, tradicionalmente penalizado debido al alto costo logístico de dañar instrumental escaso o a la pérdida de tiempo valioso en el aula, experimenta una profunda resignificación ontológica y heurística, erigiéndose en la materia prima fundamental del aprendizaje (Astolfi, 2018). Así, ante un diseño erróneo de estabilidad de taludes, la simulación es capaz de proyectar las consecuencias catastróficas del cálculo de presiones de poro en tiempo real, lo que invita al alumno a una necesaria metacognición guiada y le permite iterar el experimento indefinidamente hasta superar el obstáculo epistemológico en juego.
Finalmente, este entorno reconfigura la intermediación docente, permitiendo que el profesor se emancipe de su rol tradicional como transmisor e inspector unívoco de la validación técnica para transmutarse en un orquestador y mentor crítico. Al verse liberado de la supervisión mecánica y repetitiva de los procedimientos, el educador puede consagrar su labor a la tutoría analítica de alto nivel, al codiseño instruccional y a actuar como un auténtico curador epistémico en escenarios de alta complejidad.
En conclusión, la adopción de este paradigma expandido en las geociencias no debe ser malinterpretado en ninguna circunstancia como una tentativa de erradicar la valiosísima experiencia empírica del mundo natural. La excelencia didáctica contemporánea no reside en la sustitución exclusivista de entornos, sino en la hibridación simbiótica entre la abstracción digital y la vivencia empírica de campo. Un estudiante cuyas capacidades conceptuales y perceptivas han sido rigurosamente refinadas dentro de un simulador virtual interactivo se incorporará al terreno real con una agudeza diagnóstica e interpretativa infinitamente superior. En este ecosistema híbrido, la Inteligencia Artificial no automatiza ni mecaniza el intelecto humano; al contrario, actúa como un potente agente de emancipación cognitiva que disuelve las limitaciones sensoriales e instrumentales que históricamente enlentecieron la comprensión de la dinámica planetaria, inaugurando una era de alfabetización científica inclusiva, eficiente y profundamente conectada con los desafíos climáticos y geológicos de nuestro siglo.
REFERENCIAS
Anisimova, T., Krasnova, L. y Sharafeeva, A. (2023). Artificial Intelligence in Higher Education: New Opportunities for Geoscience Program Designs. Journal of Educational Computing Research, 61(3), 543–567. https://doi.org/10.1177/07356331221115456
Astolfi, J. P. (2018). El "error", un medio para enseñar. Díada Editora.
Ausubel, D. P. (1968). Educational Psychology: A Cognitive View. Holt, Rinehart and Winston.
Black, P. y Wiliam, D. (2018). Classroom assessment and pedagogy. Assessment in Education: Principles, Policy & Practice, 25(6), 551–575. https://doi.org/10.1080/0969594X.2018.1441807
Boyle, A., Conchie, S. y Walkington, H. (2022). Virtual fieldtrips and digital twins in geological sciences: Evaluating student learning gains and engagement through AI-driven agents. Journal of Geography in Higher Education, 46(2), 115–132. https://doi.org/10.1080/03098265.2021.1965412
Bruner, J. S. (1986). Actual Minds, Possible Worlds. Harvard University Press.
Comisión Internacional sobre los Futuros de la Educación. (2022). Reimaginar juntos nuestros futuros: un nuevo contrato social para la educación. UNESCO. https://www.unesco.org/es/articles/reimaginar-juntos-nuestros-futuros-un-nuevo-contrato-social-para-la-educacion
Chiriboga-Pinos, J., Gaibor-Velasco, N., Monteros-Pazmiño, D., (2024). Geología en la sociedad y territorios. 593 digital Publisher CEIT, 9(4), 612-624, https://doi.org/10.33386/593dp.2024.4.2543
Gómez Ferrer, G. H., Villar Valenzuela, D. L., Sarcco Usto, L., Vega Gonzales, A., & Arauco Mandujano, E. C. (2025). Competencias transversales en la enseñanza de las ciencias naturales: Una revisión desde las políticas educativas. Cuestiones Políticas, 43(82), 77–90. https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-14062025000100077&lang=pt
Merchant, Z., Goetz, E. T., Cifuentes, L., Keeney-Kennicutt, W. y Davis, T. J. (2014). Effectiveness of virtual reality-based instruction on students' learning outcomes in K-12 and higher education: A meta-analysis. Computers & Education, 70, 29–40. https://doi.org/10.1016/j.compedu.2013.07.033
Naciones Unidas. (2015). Transformar nuestro mundo: la Agenda 2030 para el Desarrollo Sostenible (Resolución A/RES/70/1). Asamblea General de las Naciones Unidas. https://sdgs.un.org/goals
Newcombe, N. S. y Shipley, T. F. (2015). Thinking About Space in the Geosciences. Special Papers - Geological Society of America, 514(1), 1–12. https://doi.org/10.1130/2015.2514(02)
Nicolescu, B. (1996). La transdisciplinariedad: Manifiesto (N. Núñez-Dentin & G. Dentin, Trads.). Ediciones Du Rocher
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura, Alianza Mundial para la Educación, Save the Children, e Instituto Internacional de Planeamiento de la Educación de la UNESCO. (2026). The climate-smart education systems initiative. UNESCO.
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2020). Educación para el desarrollo sostenible: una hoja de ruta. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000374802
Selwyn, N. (2020). Should Robots Replace Teachers? AI and the Future of Education. Polity Press.
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1), 3–10. http://www.itdl.org/Journal/Jan_05/article01.htm
Siemens, G. (2024). Human and Machine Intelligence in Education: Navigating the Hybrid Landscape. Cambridge University Press.
Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4
Vygotsky, L. S. (1978). Mind in Society: The Development of Higher Psychological Processes. Harvard University Press.
UNESCO, & MECCE Project. (2023). Education and climate change: Learning to act for people and planet (Global Education Monitoring Report Briefing). UNESCO. https://www.unesco.org/gem-report/en/2024ccec
UNESCO. (s.f.). Ecology and Earth Sciences: International Geoscience and Geoparks Programme (IGGP). UNESCO. https://www.unesco.org/en/iggp
©2026 por los autores. Este artículo es de acceso abierto y distribuido según los términos y condiciones de la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) (https://creativecommons.org/licenses/by-nc-sa/4.0/)