Revista Athenea · Artículo de investigaciónVol. 7 · Núm. 26 · Octubre–diciembre de 2026 · pp. 30–39 · ISSN-e 2737-6419
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) Artículodeinvestigaciónhttps://doi.org/10.47460/athenea.v7i26.155 Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitariosmedianteecuacionesdiferencialesysimulacióndeescenarios AnaRosarioMiaury-Vilca* https://orcid.org/0000-0002-2992-1239 amiaury@unsa.edu.pe UniversidadNacionaldeSanAgustíndeArequipaArequipa,Perú JorgeRolandoParedesRondón https://orcid.org/0000-0002-2358-5326 jparedesr@unsa.edu.pe UniversidadNacionaldeSanAgustíndeArequipaArequipa,Perú DavidFrankMolinaNúñez https://orcid.org/0009-0004-6824-3217 dmolina@continental.edu.pe EscueladeDerecho,UniversidadContinentalArequipa,Perú *Autordecorrespondencia: amiaury@unsa.edu.pe Recibido:(07/07/2026),Aceptado:(30/09/2026) Resumen. Elestudioanalizóladinámicadeadopcióndetecnologíaseducativasporprofesoresuniver-sitariosmedianteunmodelocompartimentaldecuatroestados,formuladoconecuacionesdiferencialesordinariasysimulacióncomputacional.Seexaminaronseisescenariosinstitucionalesdurante36meses,utilizandorecursosreproduciblesdeEduAdopt-4D.Lassolucionesdeterministassecontrastaroncontrayectoriascomputacionalesy960réplicasMonteCarlo;asimismo,serealizaronanálisisdesensi-bilidadparamétricayconvergencianumérica.Almes36,laadopciónestimadaalcanzóel66,29%bajointervenciónintegral,frenteal54,52%delescenariobaseyel43,71%bajosobrecargadigital.Losanálisisdestacaronlainfluenciadelosmecanismosdefatigayrecuperaciónsobrelaadopciónsostenida.Seconcluyóqueelenfoquepropuestopermiteexplorarcuantitativamentelastransicionestecnológicasdocentesycompararestrategiasinstitucionalesbajosupuestosexplícitos,aportandounmarcoreproducibleparafuturasaplicacionesyestudiosdecalibración. Palabrasclave: adopcióntecnológica,ecuacionesdiferenciales,modeladomatemático,simulacióncomputacional,profesoradouniversitario,sensibilidadparamétrica. MathematicalModelingofEducationalTechnologyAdoptionbyUniversityFacultyUsingDifferentialEquationsandScenarioSimulation Abstract. Thisstudyanalyzededucationaltechnologyadoptiondynamicsamonguniversityfacultyus-ingafour-statecompartmentalmodelformulatedwithordinarydifferentialequationsandcomputationalsimulation.Sixinstitutionalscenarioswereexaminedover36monthsusingreproducibleEduAdopt-4Dresearchresources.Deterministicsolutionswerecomparedwithcomputationallygeneratedtrajecto-riesand960MonteCarloreplications;parametersensitivityandnumericalconvergenceanalyseswerealsoperformed.Atmonth36,estimatedadoptionreached66.29%undertheintegratedinterventionscenario,comparedwith54.52%inthebaselinescenarioand43.71%underdigitaloverload.Theanalyseshighlightedtheinfluenceoffatigueandrecoverymechanismsonsustainedadoption.Thefindingsindicatethattheproposedapproachenablesquantitativeexplorationoffacultytechnology-adoptiontransitionsandcomparisonofinstitutionalstrategiesunderexplicitassumptions.Itoffersareproducibleframeworkforsubsequentapplicationsandcalibrationstudiesinuniversitysettings. Keywords: technologyadoption,differentialequations,mathematicalmodeling,computationalsimu-lation,universityfaculty,parametersensitivity. Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...30
Página 30 de 39 · 1 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) I.INTRODUCCIÓN Laincorporacióndetecnologíaseducativasenlaenseñanzauniversitariaconstituyeunprocesodetransformaciónquedependededecisionesindividualesycondicionesorganizacionales.Sudesarrollonoselimitaaladisponibilidaddeplataformasorecursosdigitales:intervienenpercepcionesdeutilidad,facilidaddeuso,experienciaspreviasyoportunidadesdeacompañamientoinstitucional.Desdelaperspectivadeladifusióndeinnovaciones,laadopciónseconfiguramedianteinteraccionesentrelascaracterísticasdelainnovación,lasredessocialesyeltiempo[ 1 ].Porsuparte,elmodelodeaceptacióntecnológica(TAM)identificalautilidadylafacilidaddeusopercibidascomodimensionesrelevantesparaexplicarlaaceptacióndesistemasinformáticos[ 2 ],mientrasqueUTAUTamplíaelanálisishacialasexpectativasdedesempeño,esfuerzoeinfluenciasocial,entreotrosfactores[ 3 ].Enelámbitodocente,laintegracióndetecnologíainvolucraademásdecisionespedagógicasyconocimientossituados.ElmarcoTPACKdestacalaarticulaciónentresaberestecnológicos,pedagógi-cosydisciplinares[ 4 ].LaevidenciasintetizadaporSchereretal.[ 5 ]ySchereryTeo[ 6 ]respaldalapertinenciadeestudiarlasintencionesycomportamientosdeadopción,altiempoquemuestravaria-cionesentrecontextosycaracterísticasdelosestudios.Estascontribucionesjustificanelexamendefactoresquefavorecenlaincorporacióntecnológica;sinembargo,laidentificacióndefactoresasociadosnodescribeporsísolalastrayectoriastemporalesdeexperimentación,usosostenido,fatigayabandono.Lascondicionesinstitucionalestambiéncontribuyenaconfiguraresastrayectorias.Ertmer[ 7 ]dis-tinguióbarrerasexternaseinternasparalaintegracióndetecnologías,mientrasqueErtmeretal.[ 8 ]examinaronelvínculoentrecreenciasdocentesyprácticasdeuso.Demaneracomplementaria,Ton-deuretal.[ 9 ]sistematizaronevidenciacualitativasobrelarelaciónentreconcepcionespedagógicasyusotecnológico;BayloryRitchie[ 10 ]identificaronlarelevanciadedistintosfactoresorganizacionalesyformativos.Enconsecuencia,unaaproximacióndinámicapuederepresentartantolaincorporaciónprogresivacomolastransicioneshaciaestadosdemenorutilización,sinasumirquelaadopciónseairreversible.Elmodeladomedianteecuacionesdiferencialesofreceherramientasparaexpresarformalmentecam-biosdeestadoeinteraccionesentregruposatravésdeltiempo.Losenfoquesclásicosdedifusión,inclu-idoelmodelodeBass[ 11 ],muestrancómolaadopciónpuededependerdemecanismosdeinnovacióneimitación.Apartirdeestatradición,esposibleformularunsistemacompartimentalquedistingadocentesnoadoptantes,enexperimentación,adoptantessostenidosyenfatigadigital.Talformulaciónpermiteexaminarconservacióndelapoblación,equilibrios,estabilidadyrespuestasanteintervencionesinstitucionales.Estaspropiedadesdebenanalizarsecomoresultadosmatemáticosycomputacionalesdelsistemadefinido,sinequipararlasautomáticamenteconestimacionesempíricasdeunauniversidadparticular.Enestecontexto,elobjetivodelestudiofueanalizarlaevolucióntemporaldelaadopcióndetecnologíaseducativasporprofesoresuniversitariosmedianteunmodelodeecuacionesdiferencialesysimulacionescomparativasdeescenarios.Seexaminantrayectoriasbajovariacionesdecapacitación,soporteinstitucional,influenciaentrecolegasysobrecargadigital,utilizandorecursoscomputacionalesreproducibles.Lacontribucióndelartículosecentraenlainterpretacióndelasdinámicasdelmodelo,lacomparacióndeescenariosyelestudiodelasensibilidaddesusresultados;elprocedimientodeconstruccióndelosrecursosutilizadosysusidentificadorespersistentessedetallaránenlametodología. II.FUNDAMENTOSTEÓRICOS Laadopcióntecnológicapuedeentendersecomounprocesoquereúnedisposiciónautilizarunainnovación,condicionesparaincorporarlaycontinuidaddeuso.TAMyUTAUTofrecencategoríascon-ceptualesútilesparareconocerdimensionesindividualesysocialesdeesteproceso[ 2 ],[ 3 ].Eneducación,TPACKañadelanecesidaddeintegrarlatecnologíaconelconocimientopedagógicoydisciplinar[ 4 ].LasrevisionescuantitativasdeSchereretal.[ 5 ]ySchereryTeo[ 6 ]muestranquelaaceptacióndocenteconstituyeunfenómenomultivariable.Estasaportacionesorientanlaselecciónconceptualdefactoresdelmodelo,peronodeterminandirectamentesuscoeficientesmatemáticos:lastasasdetransiciónseestablecenmediantesupuestosexplícitosdelsistemayseevalúancomputacionalmente.Laliteraturareconocebarrerasdeacceso,formación,creenciasyorganizaciónquepuedencondi-cionarlaintegracióntecnológica[ 7 ],[ 8 ],[ 9 ],[ 10 ].Pararepresentarlasdinámicamente,elsistema Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...31
Página 31 de 39 · 2 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) distinguecuatroestadosmutuamenteexcluyentes:noadopción,experimentación,adopciónsostenidayfatigadigital.Lacapacitaciónyelsoportepuedenmodificarlastasasdeavanceorecuperación,mientrasquelasobrecargapuedeinfluirenlatransiciónhaciafatiga.Estainterpretaciónesunaabs-tracciónanalíticadestinadaaestudiarmecanismosposibles;nosuponequelosprofesoresrealessigannecesariamenteunasecuenciaúnicaniquelosestadosagotentodaladiversidaddesusexperiencias.Porotraparte,ladifusióndeinnovaciones[ 1 ]yelplanteamientodeBass[ 11 ]aportanantecedentespararepresentarlainfluenciasocialsobrelaadopción.Enunmodelocompartimentalcontinuo,lasecua-cionesdiferencialesdescribenflujosentreestadosypermitenestudiarladependenciadelastrayectoriasrespectodeparámetroseintervenciones.Lassimulacionesnuméricaspermitencontrastarescenariosbajocondicionesinicialesequivalentes.Parainterpretarsurobustez,elanálisisdesensibilidadayudaareconocerlosparámetrosmásinfluyentes[ 12 ],ylaverificaciónyvalidacióndemodelosdesimulaciónexigedistinguirconsistenciacomputacional,adecuaciónconceptualycontrastaciónconsistemasobser-vados[ 13 ].Enesteestudio,estoscriteriossustentanelanálisisreproduciblederesultadosgeneradoscomputacionalmente,manteniendoexplícitoelalcancedelasinferencias. III.METODOLOGÍA A.Diseñodelainvestigaciónyrecursoscomputacionales Sedesarrollóunestudiocuantitativodemodeladomatemáticoysimulacióncomputacional,orien-tadoaexaminarladinámicatemporaldeadopcióndetecnologíaseducativasenentornosuniversi-tarioshipotéticos.SeutilizarondosrecursoscientíficospreviamentepublicadosporSuárez-Carreño:elconjuntodedatoscomputacionalEduAdopt-4D[ 14 ]ysusoftwaredemodeladoysimulación[ 15 ].Ambosrecursosfuerontratadoscomoproductosdeinvestigaciónexternosalaautoríadelpresentemanuscrito,conidentificacióndesusrespectivasversionesyDOI.Elanálisiscorrespondióaexperi-mentaciónmatemática;lastrayectoriasindividualesrepresentaronentidadessimuladas,noobservacionesdeprofesoresoinstituciones. B.Formulacióndelmodelodinámico Elsistemacompartimentaldefiniócuatroestadosmutuamenteexcluyentes: U ( t ) ,docentessinadopción; N ( t ) ,docentesenexperimentación; A ( t ) ,docentesconadopciónsostenida;y F ( t ) ,do-centesenfatigatecnológica.Cadavariablerepresentóunaproporción,con U + N + A + F = 1 .Seimplementóelsistemanolinealsiguiente: dU dt = − λU + ωN + qF (1) dN dt = λU − ( κ + ω ) N (2) dA dt = κN − δA + rF (3) dF dt = δA − ( r + q ) F (4) Enestasexpresiones, λ fuelatasadeincorporaciónalaexperimentación; κ ,laprogresiónalaadopciónsostenida; ω ,eldesistimientotemprano; δ ,latransiciónafatiga; r ,larecuperaciónhaciaadopción;y q ,elretornodesdefatigaanoadopción.Lastasasdependientesdelentornoseespecificaroncomo: λ = β 0 + β 1 A + β 2 C + β 3 S (5) δ = δ 0 + δ 1 W 1 + δ 2 S (6) C , S y W representaron,respectivamente,intensidaddecapacitación,soporteinstitucionalysobrecarga,definidasenelintervalo [ 0,1 ] .Loscoeficientes β y δ ylastasasrestantesfueronnonegativosyseexpresaronenunidadesdemes − 1 cuandocorrespondía.Losparámetrosseconsideraronilustrativos Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...32
Página 32 de 39 · 3 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) parainvestigarelcomportamientoestructuraldelsistema,sinajustarlosaestimacionesempíricas.Sefijólacondicióninicial ( U , N , A , F )=( 0,78;0,12;0,07;0,03 ) ,yseexaminóunhorizontede36meses. C.Escenariosdeexperimentación Secompararonseiscondiciones:(i)base,con C = 0,35 , S = 0,35 y W = 0,45 ;(ii)capacitación, C = 0,85 ;(iii)soporte, S = 0,85 ;(iv)sobrecarga, W = 0,90 ;(v)influenciaentrecolegas, β 1 = 0,45 ;y(vi)intervenciónintegral, C = 0,85 , S = 0,85 , W = 0,20 y β 1 = 0,38 .Semantuvieronlosdemáscoeficientesdelescenariobase: β 0 = 0,025 ; β 1 = 0,26 ; β 2 = 0,055 ; β 3 = 0,04 ; κ = 0,19 ; ω = 0,045 ; δ 0 = 0,035 ; δ 1 = 0,12 ; δ 2 = 1,5 ; r = 0,08 ;y q = 0,025 .Lasmodificacionesfueronintervencionesdelmodelo,notratamientosaplicadosadocentes. D.Resoluciónnuméricayconstruccióndelconjuntodedatos LasecuacionesseresolvieronenPythonmediante solve_ivp deSciPy,conelmétodoDOP853ytoleranciasrelativasyabsolutasde 10 − 10 y 10 − 12 ,respectivamente[ 16 ],[ 15 ].Secalcularontrayectoriastemporales,puntosdeequilibriofísicosyautovaloresdelamatrizjacobianareducida,juntoconelcriteriodeRouth–Hurwitzprogramadoparaexaminarestabilidadlocalenlascondicionesaplicables.Porseparado,el dataset [ 15 ]segenerómediante1.200agentessimuladosporescenario,conobservacionesdelosmeses0a36(37puntos),parauntotalde266.400registroslongitudinales.Seestablecieron936agentesen U ,144en N ,84en A y36en F aliniciodecadaescenario.Paracadaintervalomensualseconstruyóunamatrizgeneradora Q detransiciones,utilizandolastasasevaluadasalcomienzodelintervalo,yseobtuvo P = exp ( Q ∆ t ) ,con ∆ t = 1 mes.Losestadosposterioressesortearonconformea P ;porello,esteprocedimientofueunaaproximaciónestocásticadetasascongeladasaladinámicanolinealcontinua,nounasoluciónestocásticaexactadesustasasvariables.Lasemillamaestra20261023permitióreproducirelprocedimiento. E.Indicadores,incertidumbreyverificaciones Sedefinieroncomoindicadoresprincipaleslaproporcióndeadopción A ( 36 ) ,lafatigamáximadu-ranteelhorizonte,lastrayectoriasdeloscuatroestadosylasdiferenciasentrerealizacionesestocásticasysolucionesdeterministas.Paraevaluarvariacióncomputacional,serealizaron160réplicasMonteCarloporescenario(960entotal);seresumieronpromediosypercentilesempíricosdelasrealizaciones,sininterpretarloscomoestimacionesdeunapoblacióndocenteobservada.Seefectuaron,además,360perturbacionesparamétricasexploratoriasyseexaminaronasociacionesdeSpearmanentreparámetrosyadopciónfinal.Esteanálisisseinterpretócomosensibilidadexploratoria,enconsonanciaconlasprecaucionesmetodológicassobresensibilidadglobal[ 12 ].Laverificaciónincluyóseispruebasunitarias,conservacióndelasumadeproporciones,nonega-tividad,unicidadderegistrosporescenario-agente-mes,ausenciadevaloresfaltantesycomprobacionesderegeneración.Serealizaronensayosderefinamientotemporalendosescenariosydetamañopobla-cionalcon N = 300 , 1.200 y 4.800 ,ademásdecotejosmediantehuellasSHA-256.Lavalidaciónsecircunscribióaconsistenciamatemáticayreproducibilidadcomputacional,distinguiendoverificacióndesimulacionesyvalidacióndeaplicacionesempíricas[ 13 ]. F.Disponibilidadyalcancedelosdatos LosdatoscomputacionalesyelcódigofuenteutilizadosenesteestudioseencuentrandisponiblesenZenodo: dataset EduAdopt-4D,versión1.0.0,DOI: 10.5281/zenodo.23630789 [ 14 ];ysoftwareEduAdopt-4D,versión1.0.0,DOI: 10.5281/zenodo.23631225 [ 15 ].Elconjuntodedatospermitióevaluarescenariosmatemáticamentedefinidosylareproduccióndeanálisisnuméricos;laextrapolaciónainstitucionesconcretasrequeriríaunprocesoposteriordecalibraciónycontrastacióncontextual. Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...33
Página 33 de 39 · 4 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) IV.RESULTADOS Losresultadosseorganizaronalrededordelaevolucióntemporaldeloscuatroestadosdocentes,lacomparacióndeseisescenariosinstitucionalesylaverificacióndeestabilidadyreproducibilidadnumérica.Seanalizaronlassolucionesdeterministasdelsistemadeecuacionesdiferencialesordinarias(EDO),lastrayectoriaslongitudinalescomputacionalesylasdistribucionesobtenidasmediante160réplicasMonteCarloporescenario.LosresultadossepresentanenporcentajesdelapoblaciónmodeladaycorrespondenacondicionesdesimulacióndefinidasenEduAdopt-4D,cuyo dataset ysoftwareseencuentrandisponiblesenZenodo. A.Evolucióndelaadopciónycontrasteentreescenarios Lasseisconfiguracionesgenerarontrayectoriasdiferenciadasdeadopciónsostenida.Alos36meses,lasoluciónEDOpresentóunaadopcióndel66,29%paralaintervenciónintegral,frenteal54,52%delescenariobaseyal43,71%bajosobrecargadigital.Laintervenciónintegralsuperóalescenariobaseen11,77puntosporcentuales,mientrasquelasobrecargaquedó10,81puntospordebajo.Estasdiferenciasdescribenelcomportamientodelsistemaparametrizadoynoestimacionesdeimpactocausalenuniversidadesobservadas.LaTabla 1 presentaconjuntamentelaprediccióndeterminista,elpromediodelasrealizacionesMonteCarloyunarealizaciónlongitudinaldel dataset publicado.Estacomparaciónpermitedistin-guirtresobjetosanalíticosrelacionados,peronoidénticos:lasolucióncontinua,ladistribuciónderealizacionesestocásticasylacohortecomputacionalindividual. Tabla1. Comparacióndeadopciónyfatigaalmes36. Escenario EDOA36(%) MCmedia(%) P2.5(%) P97.5(%) CohorteA36(%) EDOfatiga(%) Cohortefatiga(%) Base 54.52 54.42 51.65 56.59 56.75 34.16 32.42 Capacitación 54.9 55.02 52.49 57.67 53.67 34.99 35.25 Soporteinstitucional 59.46 59.49 56.24 62.84 58.17 31.33 32.58 Sobrecargadigital 43.71 43.73 41.08 46.25 42.08 41.6 42.08 Influenciaentrecolegas 55.64 55.83 53.16 59.09 57.08 35.73 35.75 Intervenciónintegral 66.29 66.1 63.32 68.75 68.58 27.46 25.5 LaproximidadentrelamediaMonteCarloylasoluciónEDOseverificóentodoslosescenarios.Enlacondiciónbaseseobtuvieron54,42%(MonteCarlo)y54,52%(EDO);paralaintervenciónintegral,66,10%y66,29%,respectivamente.Lasdiferenciasreflejanlavariabilidaddelosprocedimientosestocásticosrespectodelasolucióndeterminista.Elescenariointegralmantuvolamayorproporcióndeadopciónmediaylasobrecargadigitallamenor,bajolosparámetrosutilizados.LaFigura 1 muestralaprogresiónmensualypermiteapreciarcómoseseparanlastrayectoriasapartirdelestadoinicialcompartido. Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...34
Página 34 de 39 · 5 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) Fig.1. Evolucióntemporaldelaadopcióntecnológicadocentebajotresescenariosdesimulación:(a)escenariobase,(b)sobrecargadigitaly(c)intervenciónintegral. B.Incertidumbredesimulaciónyrespuestadelafatiga Ladispersiónentreréplicasfuecuantificadaapartirdelospercentilesempíricos2,5y97,5.Paralaintervenciónintegral,laproporcióndeadopciónalmes36sesituóentre63,33%y68,75%,mientrasqueenelescenariobaseestuvoentre51,65%y56,59%.Estosrangosresumenlavariabilidadobservadaentresimulacionesynoconstituyenintervalosdeconfianzadeunapoblaciónuniversitariaempírica.Laamplituddelosrangosevidenciaquelosvaloresdeunarealizaciónindividualpuedendiferirdelpromedioderéplicas.Enparalelo,lassolucionesEDOsituaronlafatigaalmes36en27,46%paraelescenariointegraly34,16%paraelbase.Elescenariodesobrecargaregistró41,6%.Lainterpretaciónconjuntadeadopciónyfatigarevelaqueunresultadodemayoradopciónnodebeexaminarsedeformaaislada:ladistribuciónentreestadosesparteesencialdeladinámica. C.Sensibilidadparamétrica Elanálisisexploratoriocomprendió360combinacionesparamétricasyevaluósuasociaciónmonotónicaconlaadopciónylafatigaalmes36medianteelcoeficientedeSpearman.Laordenaciónpormagnitudabsolutapermitióidentificarquéparámetrosserelacionaronmásestrechamenteconlavariacióndelaadopcióndentrodelespaciodeparámetrosexaminado.LaTabla 2 presentaloscoeficientesysusvaloresdereferenciaexploratorios;estosúltimosnoseinterpretaroncomopruebasconfirmatoriasdehipótesis. Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...35
Página 35 de 39 · 6 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) Tabla2. SensibilidaddelaadopciónA36:coeficientesdeSpearmanporparámetro. Parámetro RhoSpearmanA36 Valorpexploratorio r 0.728 – δ 0 -0.4496 – δ 1 -0.4327 – κ 0.1804 0.00058 δ 2 0.1587 0.00253 β 1 0.11 0.03704 β 0 0.0773 0.14303 β 2 0.0636 0.2287 ω 0.0462 0.38253 β 3 -0.041 0.43822 q 0.0138 0.79486 EnlaFigura 2 seproponeunavisualizaciónordenadadeloscoeficientesdesensibilidad.Losvalorespositivosynegativosdistinguendireccionesdeasociacióndentrodelexperimento;nodebenextrapolarseautomáticamentecomoefectoscausalessobredocentesreales. Fig.2. SensibilidadparamétricadeA36. D.Consistencia,estabilidadlocalyconvergencianumérica Enlasseisconfiguracionesanalizadas,lasverificacionescomputacionalesreportaronresiduosdeequilibriopróximosaprecisióndemáquinaypartesrealesmáximasnegativasdelosautovaloresevalua-dos,compatiblesconestabilidadlocaldelosequilibriosexaminados.Esteresultadoesespecíficodelosparámetrosysolucionesanalizadasynoimplicaestabilidadglobalparacualquierconfiguraciónposible.Lapruebaderefinamientotemporalexaminóelpasode1,0a0,125mesesenlosescenariosbaseeintegral.Enelcasobase,elerrorabsolutofinaldeadopciónrespectodelasoluciónEDOdisminuyóde 2,006 × 10 − 5 a 1,185 × 10 − 7 .Elcontrastedetamañosdepoblación N = 300 , 1.200 y 4.800 tambiénmostróreduccióndeladispersiónentreréplicasalampliar N .Estascomprobacionesrespaldanlaconsistencianuméricadelosprocedimientosutilizadosbajolascondicionesensayadas. Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...36
Página 36 de 39 · 7 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) Tabla3. Refinamientotemporalyerrornumérico Escenario Paso(meses) ErrorabsolutoA36 Errormáximoestados Base 1 2,00605 × 10 − 5 1,010411 × 10 − 3 Base 0,5 3,97189 × 10 − 6 5,01316 × 10 − 4 Base 0,25 4,99214 × 10 − 7 2,49696 × 10 − 4 Base 0,125 1,18546 × 10 − 7 1,24609 × 10 − 4 Intervenciónintegral 1 1,8684 × 10 − 4 3,91398 × 10 − 4 Intervenciónintegral 0,5 9,5569 × 10 − 5 1,9545 × 10 − 4 Intervenciónintegral 0,25 4,83271 × 10 − 5 9,76845 × 10 − 5 Intervenciónintegral 0,125 2,42998 × 10 − 5 4,88345 × 10 − 5 ParacomplementarelanálisisdeconvergenciatemporalpresentadoenlaTabla 3 ,seexaminóelcomportamientodelmodelofrenteadiferentestamañosdepoblaciónsimulada.Estaevaluaciónpermitióanalizarlaestabilidaddelasestimacionesdeadopcióntecnológicaylavariabilidadasociadaalnúmerodedocentesconsideradosencadasimulación.LosresultadosdeestacomprobaciónsepresentanenlaTabla 4 ,dondesecomparanlosindicadoresobtenidosbajodistintasconfiguracionespoblacionales,aportandoevidenciasobrelaconsistenciacomputacionaldelmodeloEduAdopt-4D. Tabla4. Convergenciapoblacional:media,desviaciónestándaryerrorestándar. Escenario Ndocentes Réplicas MediaA36 Desviaciónestándar Errorestándar Base 300 40 54.583 2.829 0.447 Base 1200 40 54.631 1.562 0.247 Base 4800 40 54.585 0.842 0.133 Intervenciónintegral 300 40 66.4 2.467 0.39 Intervenciónintegral 1200 40 66.34 1.305 0.206 Intervenciónintegral 4800 40 66.223 0.651 0.103 Entérminosgenerales,losresultadospermitenanalizardemaneraintegradalosestadosdeadopción,lasdiferenciasentrepolíticassimuladasylarobustezcomputacionaldelsistema.Ladiscusiónposteriorcontrastaráestasregularidadesconlaliteraturasobreaceptacióntecnológicaeintegracióneducativa,preservandoladistinciónentreinferenciateóricayevidenciainstitucionalobservacional. Nota: lastablasyfigurassecalcularonapartirdelosarchivosdelasversiones1.0.0del dataset (DOI: 10.5281/zenodo.23630789 )ysoftware(DOI: 10.5281/zenodo.23631225 ). E.Discusión LassimulacionesdeEduAdopt-4Dmostraronquelaevolucióndelaadopcióntecnológicadependedelainteracciónentremecanismosdeincorporación,continuidaddeusoyfatigadigital,másquedeunúnicofactorinstitucional.Bajolaparametrizaciónexaminada,laintervenciónintegralprodujounaproporcióndeadopciónsostenidasuperioralacondiciónbase,mientrasquelasobrecargaseasocióconunareduccióndedichaproporciónyunaumentodelafatiga.EstarespuestaesconceptualmentecompatibleconladifusióndeinnovacionesdescritaporRogers[ 1 ]yconelpapeldelainfluenciasocialconsideradoenUTAUT[ 3 ];tambiénamplía,desdeunarepresentacióntemporal,elanálisisdefactoresdeaceptaciónestudiadosporSchereretal.[ 5 ]ySchereryTeo[ 6 ].Adiferenciadeestosenfoquesdeaceptación,elsistemacompartimentalpermiterepresentarexplícitamentetransicionesreversiblesentreexperimentación,usosostenidoyfatiga,sinasumirquelaadopciónconstituyeunacondicióndefinitiva.Lacomparacióndeescenariossugirióqueelsoporteinstitucionalylacombinacióndeintervencionespuedencontribuirasostenertrayectoriasdeadopciónmásfavorablesdentrodelsistemamodelado.EstainterpretaciónguardarelaciónconlasbarrerasorganizacionalesypedagógicasidentificadasporErtmer[ 7 ],asícomoconlarelevanciadelascreenciasdocentesylasprácticasdeintegracióntecnológica Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...37
Página 37 de 39 · 8 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) examinadasporErtmeretal.[ 8 ]yTondeuretal.[ 9 ].Deigualmanera,BayloryRitchie[ 10 ]destacaronlaimportanciadecondicionesformativasyorganizacionalesparaelusodetecnologíaencontextoseducativos.EnEduAdopt-4D,talesdimensionessetradujeronenmodificacionesexplícitasdetasasdetransición;portanto,sucontribuciónconsisteenexplorarconsecuenciasdinámicasdesupuestosinstitucionalesclaramenteestablecidos,noenestimarefectosobservadosdeunapolíticauniversitariaconcreta.Elanálisisdesensibilidadindicóquelosmecanismosdefatigayrecuperaciónfueronespecialmenterelevantesparalaadopciónalfinalizarelhorizontesimulado.Estehallazgoorientalainterpretaciónhacialasostenibilidaddelusotecnológicoycomplementalaliteraturacentradaenlaintencióninicialdeadopción[ 2 ],[ 5 ],[ 6 ].Asimismo,lasrelacionesentredifusión,incorporacióneinfluenciadecolegaspresentanafinidadconceptualconelmodelodeBass[ 11 ],aunqueEduAdopt-4Dincorporaestadosadicionalesyposibilidadesderetornoqueimpidenequipararambossistemas.Laevaluaciónexploratoriadeasociacionesparamétricassiguióelpropósitodeidentificarfactoresinfluyentespropiodelosanálisisdesensibilidad[ 12 ];estasasociacionesdebenentendersedentrodelosrangosyescenariosensayadosynocomorelacionescausalesverificadasendocentes.Finalmente,laproximidaddelasmediasMonteCarloalassolucionesdeterministas,laconservacióndelasproporciones,losresultadosdeestabilidadlocalylareduccióndeerroresduranteelrefinamientotemporalaportaronevidenciadeconsistenciacomputacional.Enconcordanciaconladistinciónformu-ladaporSargent[ 13 ],estasverificacionesrespaldanelcomportamientonuméricodelsistema,mientrasquesuaplicaciónpredictivaainstitucionesdeterminadasrequerirácalibraciónycontrastacióncontex-tual.El dataset yelsoftwarepublicadosporSuárez-Carreño[ 14 ],[ 15 ]hacenposiblereproducirlosexperimentosyampliarelestudiohaciaotrasconfiguraciones.Enestesentido,elaportedeltrabajoresideendisponerdeunmarcoformalparacomparartrayectoriasdeadopciónyformularpreguntasverificablessobrecapacitación,soporte,influenciaentrecolegasyfatigadigital,preservandoelalcancepropiodelaexperimentaciónmatemática. CONCLUSIONES Elestudiopermitiócaracterizar,medianteelmodeloEduAdopt-4D,laevolucióntemporaldelaadopcióndetecnologíaseducativasapartirdelastransicionesentrenoadopción,experimentación,adopciónsostenidayfatigadigital.Laformulaciónmedianteecuacionesdiferencialesysuimple-mentacióncomputacionalhicieronposibleexaminarconjuntamentelaincorporacióntecnológica,lacontinuidaddeusoylosprocesosderecuperaciónoabandono,asícomocompararseisescenariosinstitucionalesbajocondicionesmatemáticasdefinidas.Enlassimulacionesrealizadas,laintervenciónintegralalcanzólamayorproporcióndeadopciónsostenidaalmes36(66,29%),porencimadelescenariobase(54,52%),mientrasquelasobrecargadigitalpre-sentólamenor(43,71%).Lacomparaciónconlafatigayelanálisisdesensibilidadmostraronlarelevanciadeconsiderarlosmecanismosderecuperaciónysobrecargaalestudiarlasostenibilidaddelaadopción.Estosresultadosdescribenlarespuestadelsistemaantelaparametrizaciónutilizadayofrecencriteriosparaformularycompararnuevashipótesissobreestrategiasinstitucionales.LaconcordanciaentrelassolucionesdeterministasylospromediosMonteCarlo,juntoconlasverifi-cacionesdeconservación,estabilidadlocalyconvergencianuméricarealizadas,respaldólaconsistenciacomputacionaldelosexperimentosexaminados.Ladisponibilidadpúblicadel dataset ydelsoftwareEduAdopt-4Dfavorecesureproducción,revisiónyampliación.Comocontinuidaddeestalíneadeinves-tigación,seplantealacalibracióndelmodeloconinformacióninstitucionalylaexploracióndenuevasconfiguracionesdeparámetrosparaevaluarsuaplicabilidadencontextosuniversitariosespecíficos. Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...38
Página 38 de 39 · 9 de 10
ISSN-e:2737-6419Período:octubre-diciembrede2026RevistaAtheneaVol.7,Número26,(pp.30–39) REFERENCIAS [1] E.M.Rogers, DiffusionofInnovations ,5thed.NewYork,NY,USA:FreePress,2003. [2] F.D.Davis,“Perceivedusefulness,perceivedeaseofuse,anduseracceptanceofinformationtechnology,” MISQuarterly ,vol.13,no.3,pp.319–340,1989. [3] V.Venkatesh,M.G.Morris,G.B.Davis,andF.D.Davis,“Useracceptanceofinformationtechnology:Towardaunifiedview,” MISQuarterly ,vol.27,no.3,pp.425–478,2003. [4] P.MishraandM.J.Koehler,“Technologicalpedagogicalcontentknowledge:Aframeworkforteacherknowledge,” TeachersCollegeRecord ,vol.108,no.6,pp.1017–1054,2006. [5] R.Scherer,F.Siddiq,andJ.Tondeur,“Thetechnologyacceptancemodel(TAM):Ameta-analyticstructuralequationmodelingapproachtoexplainingteachers’adoptionofdigitaltechnologyineducation,” Computers&Education ,vol.128,pp.13–35,2019. [6] R.SchererandT.Teo,“Unpackingteachers’intentionstointegratetechnology:Ameta-analysis,” EducationalResearchReview ,vol.27,pp.90–109,2019. [7] P.A.Ertmer,“Addressingfirst-andsecond-orderbarrierstochange:Strategiesfortechnologyintegration,” EducationalTechnologyResearchandDevelopment ,vol.47,no.4,pp.47–61,1999. [8] P.A.Ertmer,A.T.Ottenbreit-Leftwich,O.Sadik,E.Sendurur,andP.Sendurur,“Teacherbeliefsandtechnologyintegrationpractices:Acriticalrelationship,” Computers&Education ,vol.59,no.2,pp.423–435,2012. [9] J.Tondeur,J.vanBraak,P.A.Ertmer,andA.Ottenbreit-Leftwich,“Understandingtherelation-shipbetweenteachers’pedagogicalbeliefsandtechnologyuseineducation:Asystematicreviewofqualitativeevidence,” EducationalTechnologyResearchandDevelopment ,vol.65,no.3,pp.555–575,2017. [10] A.L.BaylorandD.Ritchie,“Whatfactorsfacilitateteacherskill,teachermorale,andperceivedstudentlearningintechnology-usingclassrooms?” Computers&Education ,vol.39,no.4,pp.395–414,2002. [11] F.M.Bass,“Anewproductgrowthmodelforconsumerdurables,” ManagementScience ,vol.15,no.5,pp.215–227,1969. [12] A.Saltelli etal. , GlobalSensitivityAnalysis:ThePrimer .Chichester,U.K.:JohnWiley&Sons,2008. [13] R.G.Sargent,“Verificationandvalidationofsimulationmodels,” JournalofSimulation ,vol.7,no.1,pp.12–24,2013. [14] F.Suárez-Carreño,“EduAdopt-4D:Computationaldatasetofuniversityfacultyeducationaltechnologyadoptionbasedondifferentialequationsandscenariosimulation(v1.0.0),”Zenodo,Dataset,2026,version1.0.0.[Online].Available: https://doi.org/10.5281/zenodo.23630789 [15] ——,“EduAdopt-4D:Mathematicalmodelingandcomputationalsimulationsoftwareforeducationaltechnologyadoption(v1.0.0),”Zenodo,Software,2026,version1.0.0.[Online].Available: https://doi.org/10.5281/zenodo.23631225 [16] P.Virtanen etal. ,“SciPy1.0:FundamentalalgorithmsforscientificcomputinginPython,” NatureMethods ,vol.17,pp.261–272,2020. Miaury-VilcaA.etal.Modeladomatemáticodelaadopcióndetecnologíaseducativasporprofesoresuniversitarios...39
Página 39 de 39 · 10 de 10