Apertura

El diario de campo constituyó una herramienta para la recopilación de información sobre las barreras de accesibilidad. Como señalan Phillippi y Lauderdale (2018), “los diarios de campo son herramientas esenciales para la reflexión y el análisis en la investigación cualitativa” (p. 381). Este instrumento permitió registrar observaciones detalladas sobre las dificultades que enfrentan los estudiantes al interactuar con los cursos en línea. Adicionalmente, se realizaron entrevistas para explorar las experiencias de los estudiantes con la accesibilidad de los cursos.

El procedimiento de esta investigación se estructuró en etapas para abordar sistemáticamente los aspectos de accesibilidad. En la “etapa 1”, se empleó la herramienta Joplin para registrar las barreras de accesibilidad web identificadas durante las actividades educativas. Este gestor de notas permitió documentar detalladamente los problemas encontrados, facilitando un análisis exhaustivo y el desarrollo de soluciones. Su capacidad para manejar contenido matemático en lenguaje LaTeX resultó particularmente valiosa en el contexto de los cursos de Mecánica.

Para la “etapa 2”, se adoptó el modelo IPAC (inspeccionar, planificar, evaluar y categorizar) descrito por López et al. (2018), el cual proporciona un marco integral para la selección y evaluación de herramientas de accesibilidad web. Esta etapa se enfoca en el cumplimiento de las WCAG 2.0, desde el análisis de herramientas y la definición de objetivos hasta la ejecución de la evaluación y la clasificación del nivel de conformidad. Este modelo sistematizó la evaluación de las herramientas empleadas, asegurando que se abordaran todos los aspectos relevantes metódicamente.

En la “etapa 3” se instaló y utilizó el Kit de Accesibilidad de Brickfield en Moodle, generando informes detallados sobre las barreras presentes. Paralelamente, se aprovecharon las funciones de accesibilidad integradas en Microsoft Word y PowerPoint para optimizar la creación de contenidos accesibles.

La “etapa 4” sirvió para el análisis cualitativo de las entrevistas realizadas, se utilizó Voyant Tools, una herramienta avanzada de procesamiento y visualización de datos textuales que facilitó un análisis temático profundo de las transcripciones, permitiendo identificar patrones y percepciones clave en las experiencias de los estudiantes.

La integración de los datos cuantitativos y cualitativos se realizó mediante un proceso de triangulación, lo que permitió corroborar los hallazgos y obtener una visión más completa de la accesibilidad de los cursos de Mecánica. Este enfoque, como argumentan Flick (2018), “aumenta la validez de los hallazgos de la investigación al proporcionar una imagen más completa del objeto de estudio” (p. 189).

La accesibilidad web constituye un aspecto fundamental en el diseño de cursos en línea, especialmente en la asignatura de Mecánica, donde la complejidad inherente del contenido matemático y técnico presenta desafíos singulares. Este estudio implementa un enfoque metodológico innovador que combina herramientas automatizadas de evaluación con soluciones basadas en inteligencia artificial (IA) para identificar, analizar y superar las barreras de accesibilidad en entornos educativos virtuales.

Para evaluar la accesibilidad en Moodle, se implementó el Kit de Accesibilidad de Brickfield una herramienta capaz de ejecutar auditorías exhaustivas según los criterios de WCAG 2.1, como Mendoza et al. (2025) señalan que, además de agilizar la detección de las incidencias más habituales (ver imagen 1), esta solución aporta recomendaciones concretas que facilitan su pronta corrección y contribuyen a la mejora continua. Además, el análisis se complementó con WebAIM Contrast Checker y NVDA, con el fin de valorar de manera exhaustiva tanto la accesibilidad visual como la auditiva.

Imagen 1 Fuente: elaboración propia.

Los resultados del diagnóstico se organizaron en una tabla que correlaciona actividades y recursos específicos de Moodle con las directrices correspondientes de accesibilidad y las barreras identificadas. Esta matriz, presentada en la tabla 2, proporciona una cartografía integral de los desafíos de accesibilidad en los cursos de Mecánica, estableciendo prioridades para la intervención.

Tabla 2

La integración sistemática de soluciones basadas en IA constituye la innovación medular de este enfoque, trascendiendo el paradigma tradicional de accesibilidad hacia un modelo de diseño inclusivo potenciado algorítmicamente.

Para abordar el desafío crítico de las ecuaciones matemáticas, se implementó un sistema multimodal de transformación semántica mediante LLM. Específicamente, se desarrolló un flujo de trabajo bifásico: primero, GPT-4 y Claude Opus procesaban ecuaciones LaTeX a través de prompts estructurados de la siguiente forma: “Traduce la siguiente ecuación en LaTeX a lenguaje natural descriptivo apropiado para estudiantes con discapacidad visual, explicando el significado conceptual y manteniendo el rigor matemático: [ecuación LaTeX]”.

Posteriormente, estos resultados fueron refinados mediante un proceso automatizado de validación por reglas que verificaba: 1) completitud conceptual, 2) precisión terminológica, 3) adecuación pedagógica y 4) estructura narrativa. Según los datos del informe de la imagen 1, se identificaron un total de 123 errores en elementos de texto, 23 en enlaces, seis en imágenes, cuatro en diseño y uno en tablas, mientras que no se detectaron incidencias en medios. Asimismo, de las 157 actividades evaluadas, reprobaron 74 foros, 63 tareas, 19 bancos de preguntas y un glosario, quedando aprobadas únicamente aquellas etiquetas y exámenes que cumplían con los criterios de accesibilidad.

Este enfoque permitió transformar sistemáticamente expresiones matemáticas complejas en descripciones estructuradas que no solo comunicaban los símbolos, sino que construían un andamiaje conceptual completo. Tras aplicar las nuevas descripciones, las evaluaciones con lectores de pantalla registraron un aumento de 78 % en comprensibilidad y una disminución de 62% en errores de interpretación semántica, especialmente en ecuaciones vectoriales multidimensionales que antes presentaban barreras insuperables.

Las salidas generadas fueron validadas mediante un proceso riguroso que involucró a dos profesores de física, un especialista en accesibilidad y un estudiante con discapacidad visual, garantizando tanto la precisión técnica como la utilidad pedagógica.

Para la generación de texto alternativo en imágenes SVG y la estructuración de tablas HTML, se utilizó Perplexity AI con prompts estructurados que especificaban requisitos de accesibilidad. Estos procesos fueron posteriormente integrados en flujos de trabajo sistematizados que permitieron a los docentes implementar soluciones de accesibilidad sin necesidad de conocimientos técnicos especializados, reduciendo significativamente la carga de trabajo manual.

Para facilitar la replicación de esta metodología, se ha desarrollado una guía práctica estructurada en tres fases principales:

1) Fase diagnóstica (2 a 3 semanas).

Realizar auditoría inicial con Kit de Accesibilidad de Brickfield.

2) Fase de diseño e implementación (4 a 6 semanas).

Desarrollar o adaptar prompts específicos para cada tipo de barrera.

3) Fase de evaluación y mejora continua (proceso permanente).

Realizar pruebas con lectores de pantalla y otras tecnologías asistivas.

Este enfoque sistemático no solo aborda los desafíos actuales de accesibilidad en los cursos de Mecánica, sino que establece un paradigma innovador para la integración de soluciones basadas en IA en el diseño universal de cursos en línea. La combinación de herramientas de evaluación automatizadas con tecnologías de IA adaptativas ofrece un camino prometedor hacia una educación científica más inclusiva y equitativa.

Para ampliar la información sobre aspectos específicos de este proceso, incluyendo detalles técnicos sobre la planificación de actividades, herramientas diagnósticas, recursos para el rediseño y protocolos de evaluación, se recomienda consultar Mendoza et al. (2025), donde se documentan exhaustivamente las experiencias y resultados obtenidos.

La implementación de estrategias de accesibilidad web en entornos educativos presenta desafíos significativos que deben reconocerse para contextualizar adecuadamente los resultados obtenidos y las recomendaciones propuestas. Esta sección analiza las principales limitaciones enfrentadas durante el estudio y las estrategias empleadas para mitigarlas.

Una restricción fundamental deriva de las características de la versión de Kit de Accesibilidad de Brickfield para Moodle, pues si bien es útil para evaluaciones básicas e identificación de errores comunes, generando informes detallados y permitiendo edición HTML para corrección, sus funcionalidades avanzadas son limitadas en comparación con la versión comercial de pago, que ofrece análisis más exhaustivos y corrección sistemática, siendo óptima para un entorno de aprendizaje en línea inclusivo de forma más eficiente y completa.

La segunda limitación significativa concierne al conocimiento técnico especializado requerido para interpretar y aplicar correctamente las recomendaciones de accesibilidad, particularmente en lo referente a la semántica HTML. En este contexto, las herramientas de inteligencia artificial demostraron ser valiosas para superar estas barreras de comprensión técnica. Por ejemplo, cuando Brickfield detectó el uso inadecuado de la etiqueta <b> (formato visual sin valor semántico), recomendando su sustitución por <strong> (elemento con significado semántico de énfasis), utilizando Gemini 2.5 Flash para clarificar estas diferencias conceptuales. La efectividad de este enfoque dependió significativamente de la formulación de prompts estructurados y precisos, como: “Actúa como un experto en accesibilidad web y diseño HTML semántico. Explica detalladamente la diferencia fundamental entre la etiqueta HTML <b> (elemento de negrita) y la etiqueta <strong> (elemento de fuerte importancia)”.

Este tipo de prompts, que especifican con precisión la función, el tema, los puntos esenciales y el formato requerido, resultaron fundamentales para obtener orientación técnica de calidad. Para una comprensión más amplia de este enfoque metodológico, se recomienda consultar el anexo 1 disponible en el siguiente enlace: https://n9.cl/58tj80, donde se presentan diez ejemplos actualizados de prompts desarrollados con ChatGPT-4o, específicamente diseñados para resolver problemas de accesibilidad web en contextos educativos.

La tercera limitación emergió en el proceso de generación automatizada de descripciones alternativas para imágenes de ecuaciones matemáticas, donde se reveló una limitación de Perplexity AI al corregir errores intencionales en imágenes de conversiones de unidades, impidiendo la evaluación de la identificación de errores. Esta incapacidad para distinguir entre describir y corregir requirió un protocolo híbrido con revisión humana y etiquetas específicas (“\\[MANTENER\\_ERRORES\\]” y “\\[DESCRIPCIÓN\\_LITERAL\\]”) para preservar la integridad pedagógica en actividades evaluativas, evidenciando la necesidad de IA con mayor sensibilidad contextual pedagógica.

Adicionalmente, es importante señalar que el estudio estuvo circunscrito a una única institución educativa, lo que podría limitar la generalización de algunos hallazgos a contextos con características demográficas, tecnológicas o pedagógicas diferentes. La evaluación se realizó durante un período académico específico (ciclo 2023-2024), lo que no permite observar tendencias en la implementación y efectividad de las estrategias de accesibilidad. También debe considerarse la dependencia técnica de la versión específica de Moodle utilizada (3.11.6+), cuyos parámetros de accesibilidad y compatibilidad con herramientas externas podrían variar en versiones posteriores o anteriores de la plataforma.

El reconocimiento de estas limitaciones no disminuye la validez de los resultados obtenidos, sino que contextualiza su interpretación y ofrece direcciones valiosas para investigaciones futuras. La transparencia metodológica respecto a estas restricciones fortalece la integridad científica del estudio y facilita la adaptación de las recomendaciones a diversos contextos educativos.

El proceso de análisis visual se desarrolló siguiendo un protocolo sistemático con Voyant Tools, plataforma que permite explorar patrones lingüísticos mediante visualizaciones dinámicas, con base a la experiencia de Smith (2024) y Alhudithi (2021). La metodología incluyó cinco fases secuenciales:

1) Preparación del corpus: las transcripciones de entrevistas fueron depuradas, clasificadas temáticamente y exportadas a formato .txt, siguiendo las recomendaciones de Bazeley y Jackson (2019) para preservar la integridad de los datos cualitativos (las transcripciones anónimas de las entrevistas pueden consultarse en el siguiente enlace https://n9.cl/j8bto).

Este procedimiento permitió transformar datos textuales complejos en representaciones visuales intuitivas, facilitando la identificación de patrones discursivos relevantes para la mejora de la accesibilidad en los cursos de Mecánica.

Para obtener una comprensión integral de la accesibilidad en los cursos de Mecánica, se realizaron entrevistas semiestructuradas a estudiantes del bachillerato virtual. Este proceso evaluativo buscó examinar la experiencia de aprendizaje desde múltiples dimensiones: accesibilidad visual, comprensión del contenido y satisfacción general con las medidas implementadas. Las entrevistas no solo permitieron identificar fortalezas y áreas de oportunidad, sino también recopilar propuestas concretas para futuras mejoras. El análisis se organizó en tres categorías temáticas principales: accesibilidad de la información visual, comprensión y percepción de la información, y satisfacción general con la accesibilidad del curso, proporcionando así una visión holística de la interacción estudiante-contenido.

En mayo de 2024 se analizó una muestra de 14 estudiantes, en una concentración en el grupo de edad de 16 a 19 años (uno de ellos con TDAH), el cual presenta la frecuencia más alta con cinco estudiantes. Le siguen los grupos de 20 a 29 años y de 30 a 39 años, con dos y tres estudiantes respectivamente. Finalmente, los grupos de 40 a 49 años y de 50 a 59 años comparten una frecuencia de dos estudiantes cada uno.

La evaluación de la satisfacción estudiantil respecto a la accesibilidad de los cursos de Mecánica reveló una percepción predominantemente positiva, aunque con áreas específicas identificadas para potenciar la experiencia de aprendizaje. Este aspecto es particularmente relevante, ya que, como señalan Gronseth et al. (2020), “la satisfacción del estudiante con la accesibilidad del curso está directamente relacionada con su compromiso y éxito académico” (p. 215). El análisis de las entrevistas permitió identificar tanto fortalezas consolidadas como oportunidades de mejora. Aspectos positivos destacados:

Claridad estructural: la mayoría de los participantes manifestaron apreciación por la organización lógica y transparencia instructiva de las actividades. Un estudiante de primer semestre sin discapacidad reportada expresó: “En cada actividad vienen las instrucciones, además contamos con material de apoyo donde nos facilitan los enlaces” (R1S2, 42 años). De manera similar, un estudiante con trastornos del espectro autista señaló: “En el apartado de instrucciones de cada actividad se especificaba lo que se tenía que hacer de manera bastante clara” (R1S9, 28 años). Estas percepciones coinciden con Luo y Baaki, quienes señalan que los “diversos hallazgos destacan que una estructura de curso bien organizada, acompañada de representaciones externas y apoyos progresivos, mejora la comprensión, participación y satisfacción del estudiante en entornos virtuales, al facilitar el tránsito desde la exploración hasta el compromiso con el diseño instruccional” (2019, p. 63).

Figura 3 Fuente: elaboración propia.

La visualización revela cuatro núcleos temáticos principales, representados en los testimonios destacados alrededor de la imagen: percepción general de accesibilidad, nivel de satisfacción, facilidad de comprensión y claridad de recursos. Particularmente significativo resulta el equilibrio entre términos asociados a experiencias positivas (bueno, correcto y facilidad) y aquellos que señalan áreas de mejora (complicó, bastante y difícil).

Se identificaron tres áreas de oportunidad para optimizar el bachillerato virtual: complejidad conceptual (dificultad con contenido técnico, especialmente sin formación previa), tal como proponen Ali et al. (2024). Densidad informativa (percepción de sobrecarga cognitiva) y multimodalidad representacional (necesidad de diversos formatos como imágenes y videos para facilitar la comprensión). Estas observaciones se alinean con los principios cognitivos propuestos por Mayer y Fiorella (2014). Estas áreas se relacionan con la implementación de apoyos diferenciados, la segmentación del contenido, según Rose y Meyer (2022), el Diseño Universal para el Aprendizaje se alinea con la necesidad de múltiples representaciones para la accesibilidad cognitiva, reconociendo las diversas formas en que los cerebros procesan la información (p. 142).

Los resultados evidencian una recepción predominantemente positiva respecto a la accesibilidad visual. La claridad instructiva y la diversificación de elementos multimedia emergen como aspectos especialmente valorados por los estudiantes. Este hallazgo corrobora las observaciones de Rello y Baeza-Yates (2020), quienes sostienen que “la claridad en las instrucciones es esencial para garantizar que todos los estudiantes, independientemente de sus capacidades, puedan navegar efectivamente por el contenido del curso” (p. 87). Significativamente, estas estrategias no benefician exclusivamente a estudiantes con necesidades específicas, sino que optimizan la experiencia educativa general.

Aun así, persisten áreas críticas de mejora, particularmente en la representación de fórmulas y contenido matemático, un desafío que trasciende nuestro estudio. Armano et al. (2018) identifican que un lector de pantalla no lee correctamente el contenido matemático, dificultando el acceso a esta información para estudiantes con discapacidad visual. Consecuentemente, resulta imperativo desarrollar soluciones innovadoras para la presentación de contenidos matemáticos, potencialmente aprovechando tecnologías emergentes como la inteligencia artificial para transformar fórmulas a formatos más accesibles.

Respecto a la dimensión cognitiva, los participantes valoraron positivamente la estructura organizativa general y la disponibilidad de modelos prácticos. No obstante, reportaron dificultades con actividades extensas o conceptualmente complejas. Este hallazgo subraya la importancia de implementar principios de segmentación del contenido, concepto respaldado por Mayer y Fiorella (2014), quienes afirman que “la segmentación del material de aprendizaje en unidades manejables puede reducir la carga cognitiva y mejorar la comprensión” (p. 285). La implementación sistemática de este principio podría transformar significativamente la accesibilidad cognitiva del curso.

Adicionalmente, la recurrente sugerencia estudiantil sobre la incorporación de guías procedimentales detalladas refleja la necesidad de estructurar más explícitamente la presentación de información compleja. Pastor (2019) subraya la necesidad de ofrecer diversas formas de representar la información, con la cual se reconozcan las diferencias individuales de cómo los estudiantes perciben y comprenden los contenidos presentados. Por tanto, implementar estas estrategias potenciaría no solo la accesibilidad, sino la efectividad pedagógica global.

La evaluación de satisfacción estudiantil reveló un patrón diferenciado, pero mayoritariamente positivo respecto a las intervenciones de accesibilidad implementadas. El análisis temático de las 14 entrevistas evidenció tres categorías predominantes de satisfacción: 1) valoración de la claridad estructural (71.4% de los participantes), 2) apreciación del ecosistema diversificado de recursos (64.3%) y 3) percepción de relevancia y aplicabilidad directa del contenido adaptado (57.1%). Particularmente significativo resulta que estudiantes sin discapacidad diagnosticada (grupo mayoritario con 92.8% de la muestra) reportaron beneficios tangibles derivados de las mejoras de accesibilidad, validando empíricamente el principio fundamental del Diseño Universal para el Aprendizaje: el diseño inclusivo beneficia a todos los estudiantes, no exclusivamente a quienes presentan necesidades específicas.

Esta constatación corrobora los hallazgos de Gronseth et al. (2020), quienes establecen que “la satisfacción del estudiante con la accesibilidad del curso está directamente relacionada con su compromiso y éxito académico” (p. 215). No obstante, el análisis granular de los datos reveló áreas críticas de insatisfacción persistente, particularmente en torno a la complejidad conceptual de contenidos matemáticos avanzados (reportada por 42.8% de los participantes) y la densidad informativa de ciertas unidades (mencionada por 35.7%), sugiriendo la necesidad de implementar sistemas adaptativos de apoyo diferenciado y estrategias más robustas de segmentación del contenido técnico.

La integración de soluciones basadas en inteligencia artificial para mejorar la accesibilidad representa un enfoque innovador con potencial transformador. Como señalan Huang et al. (2024), “aprovechando la información sobre errores de accesibilidad, los modelos de lenguaje grande (LLM) y las técnicas de ingeniería rápida, se puede lograr una reducción significativa en los errores de infracción de accesibilidad” (p. 1). Esta aproximación puede abordar desafíos técnicos específicos y facilitar una personalización más profunda del contenido para satisfacer diversas necesidades de accesibilidad.

Para contextualizar el aporte específico de esta investigación al campo de la accesibilidad educativa y el Diseño Universal para el Aprendizaje (DUA), resulta fundamental establecer comparaciones sistemáticas con estudios similares. La tabla 3 presenta un análisis comparativo de investigaciones recientes sobre evaluación de accesibilidad, tecnologías digitales e implementación del DUA en entornos educativos.

Tabla 3

Este análisis comparativo evidencia que nuestro estudio representa un avance significativo en la aplicación práctica de principios de accesibilidad en disciplina de Mecánica, específicamente por: 1) la implementación y evaluación de herramientas concretas en lugar de limitarse a percepciones o conceptualizaciones, 2) la integración de tecnologías de IA en la transformación de contenido matemático complejo y 3) la validación de estas intervenciones mediante evaluaciones tanto automatizadas como realizadas por usuarios reales.