ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
Artículo de investigación https://doi.org/10.47460/athenea.v7i24.146
Plataforma multirrobot para la enseñanza remota de robótica en
entornos virtuales
Javier Alexander Castro Haro
https://orcid.org/0000-0003-3297-7812
jacastroh@uce.edu.ec / jach1404_@hotmail.com
Universidad Central del Ecuador, Facultad de
Ingeniería y Ciencias Aplicadas
Quito, Ecuador
Jorge Mauricio Fuentes Fuentes
https://orcid.org/0000-0003-0342-643X
mfuentes@uce.edu.ec
Universidad Central del Ecuador, Facultad de
Ingeniería y Ciencias Aplicadas
Quito, Ecuador
*Autor de correspondencia:
benjamin.polo@untrm.edu.pe
Recibido: (03/03/2026), Aceptado: (18/06/2026)
Resumen. Este trabajo evalúa el desempeño técnico y el impacto pe dagógico de una plataforma
multirrobot remota basada en una arquitectura centralizada para la enseñanza de IoT y visión artiĄcial.
La viabilidad técnica de la plataforma se validó mediante un análisis de calidad de servicio (QoS) en
diferentes entornos de conectividad residencial, evidenciando un funcionamiento estable con niveles
adecuados de latencia, jitter y pérdida de paquetes. Se implementó un diseño cuasi-experimental con
56 estudiantes distribuidos en dos grupos: ESPE, que utilizó la plataforma multirrobot, e ISUCT, que
empleó simuladores basados en software. Los resultados mostraron diferencias signiĄcativas a favor
de la ESPE en el rendimiento académico global, así como mayores niveles de satisfacción estudiantil.
Adicionalmente, IoT presentó mejores resultados que visión artiĄcial en ambas instituciones debido a
su menor complejidad cognitiva. Los hallazgos respaldan el uso de laboratorios remotos basados en
sistemas ciber-físicos como una alternativa efectiva para fortalecer la formación práctica.
Palabras clave: sistemas ciber-físicos, robótica colaborativa, internet de las cosas, educación.
Multi-Robot Platform for Remote Robotics Teaching in Virtual Environments
Abstract. This study evaluates the technical performance and pedagogical impact of a remote multi-
robot platform based on a centralized architecture for teaching IoT and artiĄcial vision. The technical
feasibility of the platform was validated through a quality of service (QoS) analysis in different residential
connectivity environments, showing stable operation with adequate levels of latency, jitter, and packet
loss. A quasi-experimental design was implemented with 56 students distributed into two groups: ESPE,
which used the multi-robot platform, and ISUCT, which used software-based simulators. The results
showed signiĄcant differences in favor of ESPE in overall academic performance, as well as higher levels
of student satisfaction. Additionally, IoT showed better results than artiĄcial vision in both institutions
due to its lower cognitive complexity. The Ąndings support the use of remote laboratories based on
cyber-physical systems as an effective alternative to strengthen practical training.
Keywords: cyber-physical systems, collaborative robotics, internet of things, education.
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
82
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
I. INTRODUCCIÓN
La educación 4.0 y los sistemas ciber-físicos (CPS) integran procesos computacionales y físicos
para mejorar la formación técnica [1], [2]. En este contexto, los sistemas multirrobot (MRS) permiten
resolver tareas mediante trabajo colaborativo, ofreciendo mayor robustez, redundancia y eĄciencia que
los agentes individuales [
3], [4]. Asimismo, los laboratorios virtuales y remotos se han consolidado como
herramientas esenciales, al facilitar la experimentación práctica desde cualquier ubicación y sup erar las
barreras de tiempo y espacio físico [5], [6].
Sin embargo, la enseñanza de la rob ótica enfrenta limitaciones signiĄcativas debido a su elevado
costo y a la falta de Ćexibilidad del hardware y software propietarios [
7]. Aunque el uso de simuladores
es común, persiste una brecha crítica entre la teoría y la práctica en entornos de trabajo colaborativo
real ejecutados a distancia [
7]. Por tanto, existe la necesidad de evaluar plataformas centralizadas de
enseñanza remota que validen, de manera simultánea, tanto su viabilidad técnica como su impacto
pedagógico real en estudiantes con diversos perĄles de formación [4].
A diferencia de trabajos previos como [8], orientado exclusivamente al diseño e implementación de
la plataforma multirrobot, y [
9], enfocado en la descripción de sus características CPS y su aplicación
educativa general, esta investigación no propone una nueva plataforma. La contribución fundamental
de este artículo consiste en evaluar cuantitativa y cualitativamente el desempeño técnico y el impacto
pedagógico de la plataforma desarrollada por [
8], al ser utilizada como un entorno de enseñanza remota
de robótica en la educación superior.
Para cumplir con este propósito, se realizó un análisis cuantitativo comparativo con 56 estudiantes en
Ecuador, distribuidos equitativamente entre la Universidad de las Fuerzas Armadas ESPE y el Instituto
Superior Tecnológico Central Técnico (ISUCT). La evaluación se organizó en tres frentes: 1) calidad
del servicio (QoS), enfocada en evaluar el trayecto desde la interfaz del estudiante, pasando por los
canales de comunic ación, hasta llegar al bróker MQTT y los agentes robóticos implementados por [
9]; 2)
rendimiento pedagógico, orientado a cuantiĄcar el desarrollo de comp etencias técnicas y la asimilación
de conceptos complejos [
8]; y 3) calidad de la experiencia (QoE) y percepción del estudiante, con el
Ąn de evaluar la interacción del alumno desde el hogar a través de cinco dimensiones: QoE frente a
retardos de la red, usabilidad del sistema, carga cognitiva percibida, autoeĄcacia y transferencia de
competencias en IoT y visión artiĄcial, y motivación-compromiso pedagógico del estudiante.
Este estudio se justiĄca en la validación de una plataforma que integra el aprendizaje basado en
proyectos y el enfoque constructivista, donde el estudiante construye su conocimiento mediante la
interacción remota con agentes robóticos reales. Al contrastar los resultados entre dos instituciones de
educación superior, el artículo aporta datos valiosos sobre la adaptabilidad de los sistemas CPS para
fortalecer las capacidades académicas en el marco de la cuarta revolución industrial [
5].
II. MARCO TEÓRICO
A. Educación 4.0 y sistemas ciber-físicos
La educación 4.0 integra procesos computacionales y físicos para mejorar la interacción en la forma-
ción técnica, en sintonía con los principios de la cuarta revolución industrial [
9]. Un sistema ciber-físico
(CPS) se deĄne como una integración sinérgica de algoritmos computacionales y componentes físicos,
donde el mundo digital interactúa directamente con el mundo físico mediante una red de sensores y
actuadores [
4]. A diferencia de los sistemas mecatrónicos tradicionales, los CPS representan una evolu-
ción orientada a la simbiosis entre las partes físicas y cibernéticas del sistema, y se estructuran sobre
tres pilares: inteligencia computacional, sensores y control, y comunicación/conectividad con la nube
[
4].
En el contexto de la robótica, estos sistemas se dividen en subsistemas de sensores y actuadores
con gestión de datos en tiempo real, control de red para la gestión de robots múltiples (MRS) y una
interfaz hombre-máquina (HMI), que puede incluir realidad virtual o aumentada [4].
B. Sistemas multirrobot (MRS)
El sistema multirrobot (MRS) corresponde a un grupo de robots que trabajan en el mismo entorno
persiguiendo un objetivo bien deĄnido, donde la verdadera capacidad del sistema reside en la cooperación
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
83
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
entre los agentes [4]. Frente a un sistema de un solo robot, un MRS ofrece menor costo por unidad
y mayor redundancia gracias a mecanismos de tolerancia a fallos. No obstante, también introduce
limitaciones propias: la calidad de la comunicación puede verse afectada por restricciones de ancho de
banda, retardos elevados y conĆictos entre algoritmos de coordinación, mientras que la escalabilidad
puede comprometerse conforme aumenta el número de agentes conectados [
4].
Desde el punto de vista de la arquitectura de decisión, los MRS se clasiĄcan en centralizados,
jerárquicos, descentralizados e híbridos. En una arquitectura centralizada, un único nodo recolecta
la información de estado de los demás robots y emite las órdenes de control correspondientes. Esta
arquitectura simpliĄca la coordinación y resulta especialmente pertinente para Ąnes didácticos, ya que
concentra la lógica del sistema en un punto observable y modiĄcable por e l estudiante. Sin embargo,
introduce un punto único de fallo y puede limitar la escalabilidad p or restricciones de ancho de banda
y capacidad de cómputo del nodo central [
4].
El diseño de plataformas de este tipo se enmarca, además, en la metodología VDI 2206, que es-
tablece un macrociclo de tipo modelo en V para el desarrollo de sistemas mecatrónicos, dividiendo el
proceso en diseño del sistema a nivel general, diseño en dominios especíĄcos, como mecánica, electrici-
dad y tecnologías de la información, e integración Ąnal, con ciclos continuos de modelado, veriĄcación y
validación [
10]. La misma lógica de diseño modular se encuentra en otras plataformas robóticas educa-
tivas, como el dimensionamiento mecánico de una plataforma móvil con brazo manipulable orientada
a la docencia [
10], el desarrollo de un manipulador didáctico de cinco grados de libertad operable de
forma local y remota [
11], y el robot antropomórĄco de seis grados de libertad de hardware y software
abiertos integrados con ROS [
7]. En conjunto, estos antecedentes evidencian una línea consolidada de
plataformas CPS de bajo costo para la enseñanza de la robótica en universidades de países en desarrollo.
C. Comunicación, protocolo MQTT y latencia
La conectividad de los sistemas multirrobot modernos se sustenta en arquitecturas de IoT, que per-
miten la interconexión de dispositivos y el intercambio de información a escala global [
9]. El protocolo
predilecto para estas aplicaciones es MQTT, basado en una arquitectura de publicación/suscripción
en la que un bróker central coordina el Ćujo de mensajes entre los robots, que actúan como publi-
cadores, y la estación de control, que actúa como suscriptora. Este protocolo destaca por su bajo costo
computacional, su eĄciencia energética y la posibilidad de implementar capas de seguridad mediante
autenticación y puertos cifrados [
9].
Desde la clasiĄcación general de la comunicación en MRS, esta corresponde a un esquema de
comunicación explícita, en el que los robots intercambian directamente mensajes de datos a través
de dispositivos de comunicación, combinado con una arquitectura centralizada de tipo cliente-servidor
mediada por el bróker MQTT [
4]. La literatura advierte que la comunicación exige un marco de control
para garantizar la conectividad de la red y seleccionar un protocolo adecuado, y que su desempeño
se degrada conforme aumenta el número de robots y la distancia de comunicación. Esto resulta
especialmente relevante cuando el enlace no se limita a un laboratorio local, sino que se extiende a las
redes domésticas de los estudiantes [
4].
La pertinencia de evaluar la latencia radica en que, en aplicac iones de teleoperación, el retardo
de comunicación condiciona directamente la calidad de la experiencia. Re tardos elevados generan un
desfase perceptible entre la orden enviada y la acción del robot, incrementando la carga cognitiva del
usuario y la probabilidad de frustración operativa. Por ello, la literatura sobre comunicación en MRS
identiĄca la baja calidad de comunicación, el ancho de banda limitado, la alta latencia y los conĆictos
de coordinación como algunas de las limitaciones estructurales más relevantes de estos sistemas [
4].
El umbral de 300 ms para el control de teleoperación en tiempo real se enmarca en la c alidad de la
comunicación como condición habilitante del aprendizaje en plataformas robóticas remotas [
4].
D. Laboratorios virtuales y remotos como entornos de enseñanza de robótica
Los laboratorios virtuales y remotos se han consolidado como herramientas esenciales para facilitar
la experiencia práctica en ingeniería desde cualquier ubicación, superando las barreras de tiempo y
espacio físico que tradicionalmente han limitado el acceso a equipos de robótica costosos o de hardware
y software propietarios [
9]. La enseñanza de la robótica enfrenta, en efecto, limitaciones signiĄcativas
derivadas del costo elevado de los manipuladores y plataformas móviles comerciales, así como de la
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
84
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
rigidez de sus arquitecturas cerradas, lo que ha motivado el desarrollo de alternativas de bajo costo,
código abierto y fácilmente replicables [
9].
Esta línea de trabajo se observa de manera consistente en los antecedentes revisados. La estac ión
de trabajo didáctica con un manipulador de cinco grados de libertad, operable tanto de forma local, me-
diante potenciómetros, como remota, mediante una aplicación móvil con Bluetooth [
12], constituye un
primer acercamiento a la operación remota de un robot educativo. Por su parte, el robot antropomór-
Ąco de seis grados de libertad, basado en hardware y software abiertos y concebido para recibir y enviar
información mediante estándares como MQTT o CoAP [
7], avanza hacia una arquitectura integrada
con IoT.
Sin embargo, la disp onibilidad de una plataforma tecnológica adecuada no garantiza por sí sola su
impacto pedagógico [
13]. La revisión sistemática sobre la formación docente en tecnologías emergentes
en educación superior identiĄca que las barreras más recurrentes para la integración efectiva de este tipo
de herramientas no son únicamente técnicas, sino que incluyen la ausencia de estrategias didácticas
especíĄcas en el proceso de enseñanza-aprendizaje y la limitada formación académica del docente
para impartir la práctica de laboratorio [
13]. En consecuencia, no basta con validar la viabilidad
técnica del sistema multirrobot, en términos de conectividad, precisión y latencia [
4], [9]; también
resulta indispensable evaluar su impacto pedagógico real, el rendimiento académico y la satisfacción en
estudiantes con perĄles de formación y condiciones de acceso distintas, así como el papel que juega la
disponibilidad temporal del estudiante como variable que media la apropiación efectiva de la tecnología
[
13].
Desde la dimensión pedagógica, el aprendizaje basado en proyectos y el constructivismo sostienen
que el conocimiento se construye de manera activa a partir de la experiencia del estudiante con el
objeto de aprendizaje, en contraposición a modelos de transmisión exclusivamente teóricos [
13]. Bajo
esta lógica, la investigación del robot antropomórĄco de seis grados de libertad reportó mejoras entre el
40,74% y el 186,96% en competencias técnicas asociadas a parámetros Denavit-Hartenberg, cinemática,
dimensionamiento de actuadores y programación en ROS [
7].
III. METODOLOGÍA
La investigación adoptó un enfoque de métodos mixtos, con diseño cuasi-experimental, para evaluar
la calidad del servicio en la plataforma multirrobot, el impacto académico y la percepción tecnológica
asociada al uso de una plataforma robótica remota.
A. Calidad de servicio (QoS) en el sistema CPS remoto
El sistema fue desarrollado por [
8] y consta de tres robots móviles omnidireccionales con ruedas
Mecanum. El hardware integra un Arduino para el control de bajo nivel, correspondiente a motores
y sensores, y una Raspberry Pi como nodo maestro con ROS, con una autonomía de 85 minutos. La
comunicación con la estación base emplea el protocolo MQTT bajo una arquitectura centralizada tipo
Learning Factory. La Fig.
1 muestra un esquema del sistema multirrobot utilizado en este estudio.
Fig. 1. Esquema del sistema multirrobot. Adaptado de [8].
Para evaluar la viabilidad de la plataforma distribuida de tres robots omnidireccionales, operados
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
85
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
como un sistema ciber-físico (CPS) educativo para los módulos de IoT y visión artiĄcial, se estructuró
un protocolo de caracterización experimental de la calidad de servicio (QoS) en la red de transporte.
Al trasladar la experiencia desde el laboratorio de la universidad hasta los hogares de una muestra de
28 estudiantes de la Universidad de las Fuerzas Armadas ESPE, el canal de comunicación se convierte
en una variable estocástica no ideal. El sistema fue evaluado bajo tres tecnologías de acceso: red móvil
4G/LTE, red privada doméstica de cobre ADSL/HFC y red doméstica de Ąbra FTTH. En cada una de
ellas se analizaron el tiempo de ida y vuelta (RTT), el jitter y el throughput.
B. Análisis cuantitativo
Se trabajó con una muestra de 56 estudiantes que recibieron un curso de robótica, enfocado en
visión artiĄcial e IoT. De ellos, 28 estudiantes pertenecieron al Instituto Superior Tecnológico Central
Técnico (ISUCT), quienes emplearon simuladores de software, especíĄcamente Python + OpenCV para
visión artiĄcial y Node-RED + ESP32 para IoT. Los otros 28 estudiantes pertenecieron a la Universidad
de las Fuerzas Armadas ESPE, quienes op eraron el sistema multirrobot ciber-físico remoto. Ambos
grupos recibieron 20 horas de clases sincrónicas y 10 horas de práctica en sus resp e ctivos entornos de
aprendizaje.
En ambos grupos se empleó el mismo equipo docente para la impartición de las asignaturas, ase-
gurando la aplicación de una estrategia pedagógica equivalente. Asimismo, se mantuvieron similares el
cronograma de actividades prácticas, los contenidos curriculares y los criterios de evaluación. El proce-
samiento de las variables dependientes, correspondientes al rendimiento académico y la satisfacción, se
ejecutó en Minitab mediante tres etapas secuenciales.
En primer lugar, se midió la línea base mediante un pretest y se validó la homogeneidad inicial
intergrupo e intragrupo a través de las pruebas de Shapiro-Wilk y t de Student, tanto para muestras
independientes como pareadas. En segundo lugar, tras registrar las notas Ąnales del curso, se veriĄcaron
los supuestos matemáticos de normalidad y homocedasticidad mediante las pruebas de Shapiro-Wilk
y Levene. Finalmente, se analizaron los efectos globales e internos mediante pruebas t de Student,
determinando además el tamaño del efecto mediante la d de Cohen. Complementariamente, se modeló
un ANOVA de dos vías para examinar los efectos principales y de interacción de segundo orden entre
los factores ŞEntorno de aprendizajeŤ y ŞMateriaŤ sobre el éxito académico.
C. Análisis cualitativo
Se aplicó una encuesta Likert de 5 puntos, compuesta por 12 reactivos y basada en el modelo TAM,
con el propósito de evaluar cinco dimensiones: calidad de experiencia (QoE), facilidad de uso del sistema,
carga cognitiva percibida, autoeĄcacia y transferencia de competencias, y motivación y compromiso.
La conĄabilidad de l instrumento se validó mediante el alfa de Cronbach. Posteriormente, se realizó
estadística descriptiva por dimensiones y se aplicó la prueba no paramétrica U de Mann-Whitney para
comparar las medianas de satisfacción entre grupos.
D. Consideraciones éticas
Todos los estudiantes participantes en este estudio técnico-pedagógico otorgaron su consentimiento
informado por escrito antes del inicio del experimento, autorizando el uso académico de sus caliĄcaciones
y respuestas. La información fue tratada de manera conĄdencial y utilizada exclusivamente con Ąnes
investigativos.
IV. RESULTADOS
A. Análisis de la calidad de servicio (QoS) residencial
La viabilidad operativa de la plataforma ciber-física (CPS) de tres robots para la enseñanza de IoT y
visión artiĄcial se validó midiendo la calidad de servicio (QoS) en la capa de aplicación, especíĄcamente
en el puerto TCP 1883, tras 250 iteraciones residenciales. Los resultados se presentan en la Tabla
1.
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
86
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
Tabla 1. Resultados consolidados de las métricas de QoS por tecnología de acceso residencial.
Entorno de
conectividad
Ancho de
banda
Latencia
(RTT)
Desviación
estándar
(SD)
Jitter
promedio
(σ
J
)
Throughput
real medido
Tasa de
pérdida de
paquetes
Red móvil celular
(4G/LTE)
1,0 Mbps 124,4 ms ±12,1 ms 4,3 ms 42,5 kbps 1,20%
Red privada
doméstica de cobre
(ADSL/HFC)
6,0 Mbps 234,2 ms ±28,5 ms 9,1 ms 48,1 kbps 4,85%
Fibra óptica de
hogar (FTTH)
50,0 Mbps 45,8 ms ±3,2 ms 1,1 ms 31,2 kbps 0,05%
La Tabla 1 muestra que la red móvil 4G/LTE registró una latencia eĄciente de 124,4 ms y un bajo
jitter de 4,3 ms, debido a su enrutamiento directo, que evita colisiones lo cales. Esto permitió que
MQTT mitigara el bajo ancho de banda y que la escasa pérdida de paquetes, equivalente al 1,20%,
previniera la saturación del bróker. Por el contrario, la red de cobre exhibió una latencia elevada de
234,2 ms y un jitter de 9,1 ms, debido a la atenuación y congestión doméstica, que causaron un 4,85%
de pérdida de paquetes e indujeron el fenómeno de bloqueo de cabecera en la capa TCP, sin colapsar
el bróker.
Finalmente, la Ąbra óptica ofreció un escenario ideal, con 45,8 ms de latencia e inmunidad a ruidos.
De este modo, se demuestra que incluso en el peor escenario, correspondiente a la red de cobre, el
retardo no supera el umbral psicoĄsiológico humano de los 300 ms. El protocolo ligero MQTT permitió
la viabilidad de las prácticas en la plataforma multirrobot utilizada, sin degradar la experiencia por
retardos perceptibles.
B. Análisis cuantitativo
La prueba de Shapiro-Wilk conĄrmó la distribución normal de las caliĄcaciones del pretest, tanto
en la ESPE (p > 0,100) como en el ISUCT (p > 0,100). Posteriormente, el contraste de hipótesis
mediante una prueba t de Student para muestras indep endientes, con corrección de Welch, determinó
que no existieron diferencias estadísticamente signiĄcativas entre los conocimientos previos de ambas
instituciones (t
53
= 0,66; p = 0,513) en IoT y visión artiĄcial. Por tanto, los promedios del pretest para
los estudiantes de la ESPE (
¯
X = 26,07) y del ISUCT (
¯
X = 24,64) representan un punto de partida
cognitivo equivalente antes del experimento.
Adicionalmente, se evaluó mediante una prueba t pareada la existencia de brechas cognitivas entre
las disciplinas antes del curso. Los análisis intragrupo determinaron que el nivel de conocimiento
diagnóstico entre IoT y visión artiĄcial fue estadísticamente equivalente tanto en los estudiantes de la
ESPE (
¯
X
IoT
= 27,86;
¯
X
Visión Artificial
= 24,29; t
27
= 1,22; p = 0,232) como en los estudiantes del
ISUCT (
¯
X
IoT
= 25,71;
¯
X
Visión Artificial
= 23,57; t
27
= 0,68; p = 0,501).
Luego de impartir el curso de robótica, se evaluó la normalidad de las caliĄcaciones de los estudiantes
del ISUCT y de la ESPE mediante la prueba de Shapiro-Wilk. Con un nivel de signiĄcancia del 95% y
un valor de p > 0,100 para ambos grupos, se conĄrmó que los datos de las notas en ambas instituciones
siguen una distribución normal.
La prueba de Levene conĄrmó la homogeneidad de varianzas en las caliĄcaciones (Levene (3, 108) =
0,30; p = 0,587). Desde una perspectiva didáctica, esta igualdad de varianzas evidencia que la variabil-
idad del rendimiento académico se mantuvo uniforme y controlada. Esto conĄrma que ni la naturaleza
abstracta de los simuladores basados en software, como Python/OpenCV y Node-RED, utilizados en
el ISUCT, ni la complejidad de la teleoperación y la latencia de red de la plataforma ciber-física (CPS)
utilizada en la ESPE introdujeron dispersiones anómalas o descontroladas en el proceso de evaluación.
La prueba t de Student para muestras independientes conĄrmó una diferencia estadísticamente
signiĄcativa en el rendimiento global (t
53
= −8,42; p < 0,001; d = −2,25). Los estudiantes de la
ESPE, potenciados por la plataforma ciber-física, alcanzaron un promedio Ąnal superior (
¯
X = 86,45;
SD = 6,75; 60,38% de mejora respecto al pretest), frente a los estudiantes del ISUCT, limitados al
uso de simuladores (
¯
X = 71,61; SD = 6,44; 46,97% de mejora). Esto representa un rendimiento
académico neto 14,84% mayor a favor de los estudiantes de la ESPE, como se muestra en la Fig.
2.
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
87
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
Fig. 2. GráĄca de cajas de las notas promedio de ESPE e ISUCT.
Dado que los estudiante s de ambas instituciones recibieron la misma formación, impartida por el
mismo equipo docente, con idénticos contenidos curriculares, carga horaria y criterios de evaluación, la
diferencia observada en el rendimiento puede atribuirse con alto grado de conĄanza al entorno de apren-
dizaje empleado. Aunque ambos grupos mejoraron su desempeño, lo que conĄrma la efectividad del
módulo teórico común, los estudiantes de la ESPE alcanzaron resultados signiĄcativamente superiores,
evidenciando los beneĄcios pedagógicos de la plataforma multirrobot ciber-física.
A diferencia de los simuladores, que permiten validar algoritmos en entornos controlados y repro-
ducibles, la plataforma proporcionó experiencias de aprendizaje sobre sistemas físicos reales, enfrentando
a los estudiantes a desafíos característicos de aplicaciones de IoT y visión artiĄcial, como variaciones
en la iluminación, procesamiento de imágenes en tie mpo real, latencias de comunicación y compor-
tamiento dinámico de sensores y actuadores. Estas condiciones enriquecieron la exp eriencia formativa,
fortalecieron las competencias prácticas y favorecieron una comprensión más profunda de la integración
entre hardware y software, respaldando la plataforma como una estrategia pedagógica más efectiva
para el aprendizaje de la robótica.
El análisis intragrupo realizado mediante la prueba t de Student para muestras pareadas evidenció
diferencias signiĄcativas entre los módulos de IoT y visión artiĄcial en ambas instituciones. En el
ISUCT, los estudiantes obtuvieron un mejor desempeño en IoT (
¯
X = 77,01; SD = 6,03) que en visión
artiĄcial (
¯
X = 66,21; SD = 9,82), con una diferencia estadísticamente signiĄcativa (t
27
= −5,73;
p < 0,001; d = 1,08). De manera similar, en la ESPE se observaron diferencias signiĄcativas a favor
de IoT (
¯
X = 92,77; SD = 5,26) frente a visión artiĄcial (
¯
X = 80,13; SD = 12,36), con t
27
= −5,00,
p < 0,001 y d = −0,94.
Estos resultados sugieren que la asignatura de visión artiĄcial implicó mayores exigencias cognitivas,
asociadas al procesamiento digital de imágenes, la selección y conĄguración de dispositivos de captura, la
extracción de características y la interpretación de resultados visuales. Adicionalmente, el uso exclusivo
de simuladores pudo haber limitado la comprensión práctica de algunos fenómenos visuales. Por otro
lado, la mejora observada en la ESPE indica que el uso de laboratorios remotos basados en sistemas
ciber-físicos puede mitigar parcialmente estas diĄcultades y favorecer una mayor transferencia entre
teoría y práctica. En conjunto, los resultados sugieren que las diferencias de rendimiento estuvieron
determinadas principalmente por la complejidad inherente de la disciplina y por las características del
entorno de aprendizaje, más que por diferencias en los conocimientos previos de los estudiantes.
El análisis ANOVA de dos factores evidenció un efecto altamente signiĄcativo del entorno de apren-
dizaje sobre el rendimiento académico (F (1, 108) = 78,81; p < 0,001). Los estudiantes que realizaron
las prácticas mediante la plataforma multirrobot centralizada, correspondiente a la ESPE, obtuvieron
caliĄcaciones superiores a aquellos que trabajaron exclusivamente con simuladores, correspondientes
al ISUCT, lo que indica que la interacción con sistemas ciber-físicos reales favorece la comprensión y
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
88
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
aplicación de los contenidos abordados.
Asimismo, el factor asignatura presentó un efecto signiĄcativo (F (1, 108) = 49,12; p < 0,001),
observándose un mejor desempeño en IoT que en visión artiĄcial, independientem ente del entorno de
aprendizaje práctico utilizado. Este comportamiento puede atribuirse a la mayor complejidad cognitiva
asociada al procesamiento de imágenes, la calibración de parámetros y la interpretación de información
visual en tiempo real. Por otra parte, la interacción entre el entorno de aprendizaje y la asignatura no
fue signiĄcativa (F (1, 108) = 0,30; p = 0,585), indicando que ambos factores actuaron de manera
independiente. En consecuencia, la ventaja proporcionada por la plataforma multirrobot se mantuvo
de forma consistente tanto para IoT como para visión artiĄcial, evidenciando que los beneĄcios del
laboratorio remoto basado en sistemas ciber-físicos son aplicables a distintas áreas de formación en
robótica.
C. Análisis cualitativo
La consiste ncia interna del instrumento de satisfacción fue evaluada mediante el coeĄciente alfa de
Cronbach, obteniendo un valor de α = 0,8059, lo que demuestra una alta conĄabilidad y validez de la
encuesta para el análisis de percepción del curso de rob ótica, cuyos módulos fueron visión artiĄcial e
IoT.
Se realizó el cálculo de medias y desviaciones estándar indexadas por institución educativa y dimen-
sión académica. Los resultados se muestran en la Tabla
2.
Tabla 2. Análisis descriptivo de la percepción de satisfacción estudiantil por dimensiones.
Dimensión
Académica
Institu-
ción
Entorno de
Aprendizaje
Práctico
Muestra
(n)
Media
(
¯
X)
Desviación
Estándar (SD)
Calidad de
Experiencia
ESPE Plataforma
multirrobot
28 4,1667 0,5092
ISUCT Simulador 28 4,8810 0,2600
Facilidad de
uso del sistema
ESPE Plataforma
multirrobot
28 4,6310 0,4567
ISUCT Simulador 28 4,6905 0,4344
Carga
cognitiva
percibida
ESPE Plataforma
multirrobot
28 4,464 0,543
ISUCT Simulador 28 3,268 0,700
AutoeĄcacia y
Transferencia
de
competencias
ESPE Plataforma
multirrobot
28 4,8929 0,2842
ISUCT Simulador 28 3,036 0,607
Motivación y
Compromiso
ESPE Plataforma
multirrobot
28 4,7857 0,3951
ISUCT Simulador 28 4,071 0,703
El análisis descriptivo de la encuesta, presentado en la Tabla 2, reveló la mejora pedagógica en
la enseñanza de la robótica mediante la plataforma multirrobot centralizada aplicada en la ESPE, en
comparación con el uso de simuladores en el ISUCT. En la dimensión calidad de la experiencia (QoE),
el ISUCT obtuvo una puntuación superior frente a la ESPE. Este comportamiento se debe a que los
programas de simulación carecen de la latencia y las Ćuctuaciones de red intrínsecas en la teleoperación
de la arquitectura real, aunque la plataforma se mantuvo con éxito dentro del umbral de aceptación.
Por el contrario, la dimensión facilidad de uso del sistema demostró una homogeneidad estadística
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
89
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
entre el entorno multirrobot utilizado en la ESPE y el manejo de programas de simulación empleados
en el ISUCT, lo que conĄrma que el panel de control de la plataforma multirrob ot es tan intuitivo y
ergonómico como los programas comerciales consolidados.
En el análisis de carga cognitiva percibida, la ESPE superó al ISUCT, indicando una mayor capacidad
de los estudiantes para mitigar el estrés y facilitar la depuración de errores. Asimismo, la autoeĄcacia
y transferencia de competencias fue superior en la ESPE con relación al ISUCT, demostrando que
interactuar con restricciones físicas reales prepara mejor para la industria que el uso exclusivo de un
programa comercial.
La última dimensión analizada fue la motivación y compromiso, la cual validó la preferencia por el
uso de la plataforma multirrobot sobre el enfoque tradicional de simulación en pantalla, demostrando
que el uso de agentes físicos incrementa el interés de los estudiantes por la investigación en el área de
la robótica y la automatización.
El análisis inferencial de la percepción estudiantil global, ejecutado mediante la prueba no paramétrica
U de Mann-Whitney, demostró una diferencia estadísticamente signiĄcativa entre instituciones que uti-
lizaron diferente entorno de aprendizaje práctico (W = 1043,00; p < 0,001). Los estudiantes de
la ESPE que operaron la plataforma multirrobot ciber-física registraron una mediana de satisfacción
global superior (M e = 4,5000), en comparación con aquellos que utilizaron entornos de simulación en
el ISUCT (Me = 4,20833).
Este hallazgo cualitativo se alinea de manera simétrica con los resultados cuantitativos de rendimiento
académico obtenidos en el ANOVA de dos vías (p < 0,001). La convergencia de ambos análisis
demuestra que el mo delo de despliegue tecnológico no solo afecta la capacidad del estudiante para
obtener mejores caliĄcaciones, sino que transforma de manera integral su experiencia y aceptación de
la plataforma multirrobot.
CONCLUSIONES
La presente investigación permitió desarrollar un modelo predictivo para la prevención dinámica de
accidentes laborales mediante la integración de sensores inteligentes, inteligencia artiĄcial explicable y
técnicas de simulación avanzada. Los resultados demostraron que la combinación de variables ambien-
tales, operacionales y Ąsiológicas proporciona una representación más completa del riesgo ocupacional
que los enfoques tradicionales basados en inspecciones periódicas o análisis retrosp ectivos. Asimismo,
el Índice Inteligente de Riesgo Laboral (IIRL) evidenció capacidad para reĆejar la evolución temporal
de las condiciones de seguridad durante la jornada operativa, permitiendo identiĄcar oportunamente
escenarios de riesgo creciente.
La evaluación comparativa de los algoritmos de aprendizaje automático mostró que los modelos
basados en técnicas de ensamblaje, particularmente XGBoost, alc anzaron elevados niveles de desemp eño
predictivo, con una adecuada capacidad de discriminación entre condiciones seguras y potencialmente
peligrosas. Adicionalmente, la incorporación de métodos de inteligencia artiĄcial explicable permitió
identiĄcar que la fatiga operacional, las vibraciones anormales y la temperatura ambiental constituyen
los factores con mayor inĆuencia sobre la probabilidad de ocurrencia de eventos críticos, aportando
transparencia y soporte técnico para la toma de decisiones preventivas.
La simulación Monte Carlo conĄrmó la sensibilidad del sistema ante la interacción simultánea de
múltiples factores de riesgo, evidenciando que pequeños incrementos en la carga operativa, la exposición
ambiental y la fatiga de los trabajadores pueden generar aumentos signiĄcativos en la probabilidad
de accidentes. Estos hallazgos demuestran la utilidad de los enfoques probabilísticos para anticipar
escenarios complejos de riesgo y fortalecer la gestión preventiva en entornos industriales caracterizados
por elevados niveles de incertidumbre.
Por otra parte, el desarrollo del gemelo digital industrial permitió reproducir virtualmente diferentes
condiciones operativas y evaluar estrategias de intervención antes de su implementación en campo.
Esta capacidad de simulación constituye una herramienta de alto valor para la gestión moderna de
la seguridad o cupacional, al facilitar la identiĄcación de zonas críticas, la optimización de protocolos
preventivos y la reducción de riesgos sin afectar la continuidad de los procesos productivos.
Los resultados obtenidos evidencian que la convergencia entre tecnologías IIoT, inteligencia artiĄ-
cial, simulación probabilística y gemelos digitales representa una evolución signiĄcativa hacia sistemas
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
90
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 82Ű91)
de seguridad industrial predictivos, adaptativos y orientados a la toma de decisiones en tiempo real.
Como línea futura de investigación, se recomienda incorporar técnicas de aprendizaje continuo, análisis
multimodal del comportamiento humano y arquitecturas de Industria 5.0 que permitan desarrollar sis-
temas capaces de aprender dinámicamente de nuevos eventos y adaptar sus estrategias preventivas de
manera autónoma.
REFERENCIAS
[1] O. Peña Cáceres, H. Silva-Marchan, R. Espinoza-Nima, and M. More-More, ŞSistemas cib er-físicos
en la educación del siglo XXI,Ť European Public & Social Innovation Review, vol. 10, pp. 1Ű19,
2024.
[2] E. Jiménez Lóp ez, L. A. García Velásquez, L. O. Amavizca Valdez, D. Y. Wong Pacheco,
S. Valdez Tribolet, and M. d. R. Mafara Duarte, ŞEducación en ingeniería 4.0 y la mecatrónica,Ť
in Kaizen Mecatrónica, 2023, ch. 30, pp. 387Ű396.
[3] D. E. Gonzalez Bonifaz, A. D. C. Verdugo Cabrera, L. F. Escobar Carvajal, and D. C. Loza Ma-
tovelle, ŞImplementation of an IoT architecture based on MQTT for a multi-robot system,Ť in
2018 IEEE Third Ecuador Technical Chapters Meeting (ETCM). Cuenca, Ecuador: IEEE, 2018,
pp. 1Ű6.
[4] X. An, C. Wu, Y. Lin, M. Lin, T. Yoshinaga, and Y. Ji, ŞMulti-robot systems and co operative object
transport: Communications, platforms, and challenges,Ť IEEE Open Journal of the Computer
Society, vol. 4, pp. 23Ű36, 2023.
[5] C. A. Jara, F. A. Candelas, S. T. Puente, and F. Torres, ŞHands-on experiences of undergrad-
uate students in automatics and robotics using a virtual and remote laboratory,Ť Computers &
Education, vol. 57, no. 4, pp. 2451Ű2461, 2011.
[6] V. Potkonjak et al., ŞVirtual laboratories for education in science, technology, and engineering: A
review,Ť Computers & Education, vol. 95, pp. 309Ű327, 2016.
[7] J. Galarza, L. Escobar, and D. Loza, Ş6 DOF anthropomorphic robot as a platform for teaching
robotics,Ť in 2020 IEEE/ASME International Conference on Advanced Intelligent Mechatronics
(AIM), 2020, pp. 631Ű636.
[8] L. Allauca and G. Aguirre, ŞDiseño e implementación de un sistema multirobot para trabajos
colaborativos dotado de planiĄcación de trayectoria con arquitectura IoT,Ť Trabajo de grado,
Universidad de las Fuerzas Armadas ESPE, Quito, Ecuador, 2020.
[9] L. Escobar, C. Moyano, G. Aguirre, G. Guerra, L. Allauca, and D. Loza, ŞMulti-robot platform
with features of cyber-physical systems for education applications,Ť in 2020 IEEE ANDESCON.
Quito, Ecuador: IEEE, 2020, pp. 1Ű6.
[10] O. Flor, M. Fuentes, and C. Toapanta, ŞCriteria for the design of an educational robotics platform,Ť
Athenea Engineering Sciences Journal, vol. 1, no. 1, pp. 29Ű40, 2020.
[11] J. Ortiz-Mata and A. León-Batalla, ŞDiseño e implementación de un rob ot manipulador de cinco
grados de libertad para una estación de trabajo didáctica,Ť Universidad, Ciencia y Tecnología,
vol. 22, no. 87, pp. 6Ű6, 2018.
[12] ŮŮ, ŞDiseño e implementación de un robot manipulador de cinco grados de libertad para una
estación de trabajo didáctica,Ť Universidad, Ciencia y Tecnología, vol. 22, no. 87, pp. 6Ű6, 2018.
[13] E. J. Colonia Villarreal, ŞA systematic review of barriers and solutions in teacher training in artiĄcial
intelligence,Ť Minerva, vol. 7, no. 20, pp. 13Ű24, 2026.
Castro J., y Fuentes M. Plataforma multirrobot para la enseñanza remota de robótica en entornos
virtuales
91
