Contexto: En este artículo se describen los resultados de un proceso de diagnóstico tecnológico tendiente a identificar el nivel de incorporación de los dispositivos programables (microcontroladores) y de los dispositivos de lógica programable (CPLD y FPGA) en los procesos productivos del sector agroindustrial de la panela, en el departamento de Boyacá. Cabe resaltar que el sector agroindustrial es uno de los que más aportan al producto interno bruto del departamento y es uno de los más priorizados en términos del potencial de negocios y entorno económico favorable de acuerdo con el Plan Estratégico Departamental de Ciencia, Tecnología e Innovación del Departamento de Boyacá.Método: La metodología empleada consistió en obtener un inventario tecnológico (máquinas, equipos e infraestructura informática) e identificar los activos tecnológicos de las empresas relacionadas.Resultados: Para la fase de recolección de información se visitaron cuatro empresas productoras de panela ubicadas en la hoya del río Suarez, de las cuales se encontró que solo una tienetienen un alto grado de automatización en sus procesos de producción, mientras que las otras presentan uno muy bajo o ninguno. La revisión de literatura evidenció que existen varias publicaciones en revistas indexadas en las que se describen importantes aportes al desarrollo del sector agroindustrial de la panela, aunque ninguno es realizado por universidades del departamento. En la etapa de análisis se identificaron las debilidades y oportunidades de las empresas del sector panelero en Boyacá.Conclusiones: Todo lo anterior permitió definir un conjunto de propuestas de incorporación de las tecnologías programables para el desarrollo de proyectos de investigación, encaminados a cubrir las necesidades reales del sector panelero del departamento de Boyacá, tanto en el mejoramiento de los procesos de producción como en el de las condiciones de trabajo de las personas dedicadas a estas labores.

La incorporación de la Inteligencia Artificial (IA) en la educación de ingeniería electrónica es una tendencia emergente con el potencial de transformar los métodos tradicionales de enseñanza y aprendizaje. Los programas de ingeniería electrónica enfrentan el desafío de adaptar sus currículos a estas nuevas metodologías activas y tecnologías. La integración de herramientas de IA promete enriquecer la experiencia de aprendizaje y preparar a los estudiantes para un mercado laboral cada vez más tecnológico. Este estudio revisa y describe el uso e impacto de la IA en la formación de estudiantes de ingeniería electrónica, enfocándose en su influencia en el rendimiento académico y el desarrollo de competencias. Se analizan las relaciones entre el uso de herramientas de IA y diversos indicadores de éxito académico, considerando variables como la implementación de la IA, rendimiento académico, y nivel de habilidades adquiridas por los estudiantes. Además, se examinan factores como el acceso a la tecnología y la capacitación docente en IA. Se espera tener insumos para evaluar cómo la incorporación de la IA puede influir en la formación académica y profesional de los estudiantes de ingeniería electrónica. Los resultados podrían revelar el impacto positivo de la IA en el rendimiento académico y en el desarrollo de competencias clave para la empleabilidad. También se pretende identificar áreas de mejora en la implementación de herramientas de IA en los currículos y en la capacitación docente. Este estudio busca llenar el vacío existente en la literatura sobre el impacto y las perspectivas de la IA en la ingeniería electrónica. Los hallazgos podrían informar decisiones de política educativa y estrategias de enseñanza en la ingeniería, además de contribuir al avance del conocimiento en el uso efectivo de la IA en la educación en ingeniería en Colombia.

El aprendizaje invertido (flipp learning FL) es un enfoque pedagógico que permite aprovechar mejor el tiempo en clase. Generalmente, los profesores desarrollan contenidos dentro de clase, en un horario específico y luego dejan ciertos ejercicios o los dejan a los estudiantes para que los hagan en casa (recepción pasiva de contenidos). El enfoque FL propone presentar los contenidos antes de la clase, y en el aula desarrollar diversas actividades que promuevan el aprendizaje activo (profundizando, reflexionando, aplicando y discutiendo lo visto anteriormente). El aprendizaje activo busca que los estudiantes se involucren activamente en su aprendizaje, tomando mayor responsabilidad: Que no solo escuchen, hablen y hagan, sino que discutan, opinen, reflexionen y resuelvan problemas. Los pedagogos modernos piensan que “si enseñamos a los estudiantes de hoy, del mismo modo como enseñábamos a los de ayer, les robamos el mañana”. La clase invertida (flipped classroom) es, entonces, una metodología diferente a la hora de realizar tareas, y la oportunidad para integrar las nuevas tecnologías en las metodologías de enseñanza como un complemento a las estrategias que ya se emplean. El presente artículo expone experiencias, resultados, aciertos y desaciertos de la aplicación de la metodología de clase invertida en los cursos del área de electrónica digital de la Escuela de Ingeniería Electrónica Extensión Tunja de la Universidad Pedagógica y Tecnológica de Colombia. Los momentos y actividades de la metodología se organizaron así: Planificar, Crear, Proponer, Difundir, Aplicar y Evaluar. Una iniciativa cuyo objetivo es fomentar el aprendizaje en los estudiantes a partir del cambio de una cultura de aprendizaje centrada en el docente a una orientada al estudiante, involucrando ambientes flexibles y contenidos intencionales.

La inteligencia artificial (IA) se define como "la ciencia y la ingeniería para crear máquinas o tecnologías inteligentes". Estas tecnologías han sido capaces de imitar el comportamiento humano, como la capacidad de establecer un diálogo, crear un algoritmo, entre otras, pero ahora se conocen como herramientas virtuales capaces de aprender y realizar múltiple tipo de tareas. El termino algoritmo se refiere a una o varias instrucciones específicas para hacer un cálculo o resolver un problema. Si definiéramos la IA simplemente como el uso de algoritmos, podemos decir que la imitación de la inteligencia inherente en los humanos por parte de las computadoras se conoce como inteligencia artificial. La aplicación de generadores de código de IA en entornos de aprendizaje exploratorio ha tenido efectos diversos sobre la participación de los estudiantes y los resultados del aprendizaje. A pesar de que los generadores de código de IA pueden mejorar significativamente el rendimiento de la autoría de código sin reducir la eficiencia de las tareas manuales de modificación de código, hay preocupaciones sobre los efectos perjudiciales de la dependencia excesiva en el aprendizaje y la retención. Además, se ha demostrado que la personalización de contenidos y la automatización de procesos de aprendizaje con tecnología de IA aumentan el compromiso y la motivación de los estudiantes en entornos educativos basados en tecnología. Diversos estudios han demostrado como puede utilizarse esta herramienta de diversas maneras, demostrando su capacidad para mejorar la eficiencia y la precisión en la enseñanza de sistemas de automatización y control. Este artículo muestra la aplicación de la herramienta de inteligencia artificial AI Code Generator en la educación, en particular en el uso de la creación de código para controladores lógicos programables Controllino en el curso de Electrónica industrial del programa de Ingeniería Electrónica de la Universidad pedagógica y Tecnológica de Colombia, Tunja. Con la ayuda de esta herramienta se busca mejorar las técnicas de enseñanza y las experiencias de aprendizaje de los alumnos y lograr cumplir los resultados del aprendizaje establecidos en la asignatura. Recoge el espíritu del uso de la tecnología de la IA para permitir a los educadores proporcionar experiencias educativas personalizadas, eficientes y atractivas a los estudiantes.

El artículo describe el diseño e implementación de un prototipo de biorreactor que controla temperatura y humedad para la producción de co-compostaje usando lodos de planta de tratamiento de aguas residuales y residuos sólidos orgánicos. El bioreactor tipo batch se desarrolla para crear un ambiente controlado con propósitos de experimentación a nivel de laboratorio e investigación en la producción de bioabonos a partir del aprovechamiento de residuos industriales y municipales. Los controladores están diseñados a partir de sistema operativo FreeRTOS e implementados en plataforma de desarrollo Arduino Mega 2560, y cuyos puntos de operación se establecen para trabajar en rangos de temperatura termofilica y variedad de rangos de humedad. Adicional, el bioreactor dispone de un sistema de comunicación para conocer el comportamiento del proceso de descomposición tanto en laboratorio como su supervisión remota en tiempo real a través de internet. Los resultados del experimento de validación muestran una baja disminución del contenido de nitrógeno del sustrato y un aumento de su pH hasta 9,87; valores fuera de rango según la norma técnica colombiana NTC 5167 Productos para la industria agrícola. Sin embargo, se evidencia rangos aceptables de calcio, aluminio, sodio y fosforo, según el Departamento de Agricultura de Estados Unidos USDA.

Rduino es la plataforma de hardware de código abierto de mayor impacto en los últimos años. Se destaca por la simplicidad de uso, bajo costo y amplia documentación, haciendo de esta plataforma un éxito. Arduino proporciona una de las formas más accesibles de ingeniería, facilitando la programación para control de motores, comunicaciones inalámbricas, aplicaciones IoT, etc. Otro ejemplo de potencial uso es TinyML (Tiny Machine Learning), conocido como un conjunto de técnicas para llevar la inteligencia artificial (IA) a dispositivos de bajo costo y bajo consumo para procesar información y tomar decisiones en el mismo lugar donde se generan los datos. Estos algoritmos de aprendizaje automático se pueden implementar en un microcontrolador con memoria limitada utilizando herramientas como TensorFlow Lite y Edge Impulse, habilitando soluciones soportadas por IA en los sectores de la agricultura, automatización de edificaciones, automatización industrial, cuidado de la salud etc. Sin embargo, algunas investigaciones y experiencias en educación basada en Arduino, muestran que estudiantes participantes de estos cursos además de manifestar interés y motivación por el logro alcanzado, sienten que factores como el diseño y la depuración es difícil. La facilidad de uso del hardware/software de Arduino hace que un estudiante no pueda aprender lo básico de cosas como la arquitectura, interrupciones, comunicación serial, ADC, I2C, etc. Estos aspectos merecen atención, para que las tendencias de uso tecnológico no desvíen los propósitos de formación en Ingeniería (Concebir, Diseñar, Implementar, Operar), pero también no se debe desconocer las bondades de tales plataformas y considerar su empoderamiento como estrategia de fortalecimiento en la formación de ingenieros. Este artículo presenta una estrategia de apoyo al proceso de enseñanza y aprendizaje de Microcontroladores usando solamente software Arduino® IDE, con la idea principal de estudiar y diseñar aplicaciones basadas en la arquitectura de microcontroladores de 8, 16 y 32 bits de la familia Atmel y otras compatibles con Arduino (SAMD21, STM32, EFR32MG24, NodeMCU, ESP32 entre otros). La metodología es aplicada en la actividad curricular Microcontroladores de la Escuela de Ingeniería Electrónica de la Universidad Pedagógica y Tecnológica de Colombia Tunja Boyacá. Las fases de implementación son: a) Arquitectura de microcontroladores de 8 bits, enlace de Atmel Studio con software Arduino®, aplicaciones con lenguaje ensamblador en ATmega328P (manejo de puertos I/O e interrupciones usando AVR Assembler Atmel Studio). b) Arquitectura RISC mejorada (Reduce Instruction Set Computer), aplicaciones avanzadas con lenguaje C en ATmega2560 (Temporizadores, ADC y Comunicación Serial RS232 con AVR C++ Atmel Studio). c) Arquitectura ARM (Advance RISC Machine), aplicaciones complejas con lenguaje Processing (Wiring) en SMART SAM3X8E 32 bits ARM® Cortex®-M3 (Comunicaciones seriales 1wire e i2C con Arduino® IDE). d) Aplicaciones complejas con lenguaje Processing (Wiring) con STM32 ARM® Cortex®-M3 (principios de IoT y TinyML en Arduino® IDE). La estrategia es acompañada con la metodología de aprendizaje basado en proyectos (PBL) y los resultados asociados muestran que la efectividad y la eficiencia del estudiante utilizando Arduino® IDE depende de la complejidad de las aplicaciones y que el manejo de la interface es fácil y cómodo.