La metodología de aula invertida (o "flipped classroom") es un enfoque pedagógico en el que los estudiantes revisan el contenido teórico de una asignatura de forma autónoma fuera del aula, generalmente a través de videos, lecturas de libros/publicaciones u otros recursos en línea, etc. Posteriormente, el tiempo en clase se dedica a actividades prácticas, como resolución de ejercicios, dudas o trabajos basados en proyectos, donde el docente guía y apoya el aprendizaje aplicado. Esta metodología empezó a ganar popularidad a principios de los años 2000, impulsada por el acceso masivo a tecnologías digitales [1-4].
Entre sus principales ventajas destacan la flexibilidad del aprendizaje, un uso más eficiente del tiempo de clase y la posibilidad de personalizar el apoyo docente según las necesidades del estudiante. 
Hasta ahora, la preparación de material didáctico para este tipo de metodologías no ha tenido en cuenta aspectos cognitivos.
La teoría de la carga cognitiva se basa en una arquitectura cognitiva que consiste en una memoria a corto plazo y una memoria de trabajo, ambas limitadas y con unidades de procesamiento parcialmente independientes para la información visual/espacial y auditiva/verbal que interactúan con una memoria a largo plazo comparativamente ilimitada [5-7]. La idea de que la arquitectura de la memoria a corto plazo y la de trabajo tienen limitaciones debe de tenerse muy en cuenta a la hora de diseñar los métodos y materiales docentes para facilitar el aprendizaje mediante el aula invertida [8].
Se sabe que la cantidad de recursos que estas dos memorias dedican a una tarea concreta afectan a cuánto se puede aprender; además, se ha demostrado que el rendimiento en el aprendizaje se degrada tanto por sub-carga como por sobrecarga [9]. Así pues, existe una clara necesidad en desarrollar herramientas para evaluar y predecir la carga cognitiva durante el aprendizaje mediante aula invertida. 

El objetivo de este Proyecto de Innovación Educativa (PIE) es medir la carga cognitiva que afecta a la atención cuando los estudiantes se enfrentan a diferentes tipos de materiales docentes, siendo este un aspecto fundamental a la hora de preparar el material necesario para ejecutar de manera efectiva la metodología del aula invertida. La medida de la carga cognitiva va a permitir no sólo desarrollar el contenido docente para adaptarse mejor a los contenidos de la asignatura, sino también a cada estudiante, favoreciendo de este modo una mejor adquisición de las competencias y contenidos antes de ir al aula para plantear dudas, resolver ejercicios o realizar prácticas.

Esta medida se realizará sobre un conjunto limitado de alumnos de 2 asignaturas del Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación (GITST) de la ETSI de Telecomunicación (ETSIT): Sistemas de Energía (ENRG) y Sistemas Electrónicos de Control (SECO). La metodología docente entre estas asignaturas es muy variada, desde clases magistrales y consulta de diversa documentación (libros y transparencias), aula invertida (visualización de vídeos y resolución de problemas) y prácticas de laboratorio. También el número de estudiantes varía enormemente, desde más de 350 alumnos en ENRG por ser una asignatura obligatoria que cursan todos los alumnos de la titulación, a unos 30 en el caso de SECO, al ser una asignatura del itinerario en Sistemas Electrónicos.
En este PIE se pretende medir la carga cognitiva del alumno y establecer una correlación con la adquisición de las competencias y habilidades definidas en cada una de las guías de aprendizaje. De esta manera, para poder llevar al aula invertida al siguiente nivel, se utilizará esta información de carga cognitiva para desarrollar el material que les permita aprender e interiorizar contenido clave antes de acudir a clase, para después, mediante otras actividades en el aula, poder adquirir esas competencias. 

Para llevar a cabo este PIE, se proponen realizar las siguientes tareas:

1. Realización de escenarios de prueba: se diseñarán y llevarán a cabo diferentes escenarios de prueba que permitan medir la carga cognitiva de los estudiantes. Estos escenarios tienen que permitir recoger todos los datos objetivos necesarios para poder medir, de forma adecuada, la carga cognitiva.
2. Medición de carga cognitiva: se medirá la carga cognitiva cuando el conjunto de estudiantes disponga de distintos medios de apoyo ya sean libros, transparencias, vídeos, o similares. 
3. Recogida y análisis de los parámetros objetivos: durante la realización de los diferentes escenarios, los estudiantes tendrán que llevar sensores que permitan recoger información con respecto a las constantes vitales que tienen un impacto en la carga cognitiva. Estos sensores incluirán unas gafas que permitan analizar el movimiento ocular que es uno de los parámetros más relevantes en la medición de la carga cognitiva. Posteriormente, se filtrarán y analizarán los datos obtenidos por los diferentes sensores.
4. Recogida y análisis de los parámetros subjetivos: tras la realización de los diferentes escenarios se recogerán datos sobre cómo se han sentido durante la realización del estudio cada uno de los estudiantes. Para ello, se definirán cuáles son los cuestionarios más apropiados, entre ellos, una opción será el NASA-TLX por ser uno de los más usados actualmente.
5. Estudio de correlación: se llevará a cabo un estudio de correlación para poder identificar si existe correlación entre los parámetros objetivos y subjetivos recogidos. Esto permitirá, proponer una medición lo más objetiva posible de carga cognitiva para los estudiantes y a partir de aquí definir qué metodología y material docente es más adecuado para ese estudiante en concreto.
6. Desarrollo de las metodologías y materiales docentes que permitirán, a cada alumno, un aprendizaje más eficiente de las competencias y habilidades de las dos asignaturas propuestas. 

Bibliografía
[1] F. Hu, X. Wang and P. Jiang, "Research on Flipped Classroom Model of Information Technology Based on Online Teaching System," 2021 IEEE 3rd International Conference on Computer Science and Educational Informatization (CSEI), Xinxiang, China, 2021, pp. 14-17, doi: 10.1109/CSEI51395.2021.9477645.
[2] Z. Jiang, X. Shen, J. Zhang and H. Wang, "A Flipped Classroom Teaching Design Based on Constructivist Theory," 2023 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC), ZHENGZHOU, China, 2023, pp. 1-5, doi: 10.1109/ICSPCC59353.2023.10400378.
[3] J. Jin-gang, Z. Jia-wei, D. Hai-yan, W. Kai-rui, D. Ye and T. De-dong, "Application of Flipped Classroom Teaching Method in the Single-Chip Microcomputer Course," 2024 13th International Conference on Educational and Information Technology (ICEIT), Chengdu, China, 2024, pp. 184-188, doi: 10.1109/ICEIT61397.2024.10540809.
[4] W. Liu, H. Zhan, H. Han and J. Zhang, "Research on Project-Driven Flipped Classroom Teaching Mode in the Teaching of Hospital Information Systems," 2024 13th International Conference on Educational and Information Technology (ICEIT), Chengdu, China, 2024, pp. 144-148, doi: 10.1109/ICEIT61397.2024.10540947.
[5] Ricker, J. & Cowan, N. “Cognitive load as a measure of capture of the focus of attention.” In R. Z. Zheng (Ed.), Cognitive load measurement and application: A theoretical framework for meaningful research and practice (pp. 129–146). Routledge/Taylor & Francis Group. https://doi.org/10.4324/9781315296258-9.
[6] Baddeley, A. (1992) “Working memory: The interface between memory and cognition”, Journal of Cognitive Neuroscience, 4(3), pp. 281–288. doi:10.1162/jocn.1992.4.3.281.
[7] Baddeley, A. (2017) Exploring working memory. London: Taylor and Francis.
[8] Diningrat, S.W. et al. (2023) “The effect of an extended flipped classroom model for fully online learning and its interaction with working memory capacity on students’ reading comprehension”, Journal of New Approaches in Educational Research, 12(1), pp. 77–99. doi:10.7821/naer.2023.1.1073.
[9] Paas, F. and van Merriënboer, J.J. (2020) “Cognitive-load theory: Methods to manage working memory load in the learning of complex tasks”, Current Directions in Psychological Science, 29(4), pp. 394–398. doi:10.1177/0963721420922183.

El objetivo principal de este PIE es medir la carga cognitiva que afecta a la atención cuando los estudiantes se enfrentan a diferentes tipos de materiales docentes, siendo este un aspecto fundamental a la hora de preparar el material necesario para ejecutar de manera efectiva la metodología del aula invertida. La medida de la carga cognitiva va a permitir no sólo desarrollar el contenido docente para adaptarse mejor a los contenidos de la asignatura, sino también a cada estudiante, favoreciendo de este modo una mejor adquisición de las competencias y contenidos antes de ir al aula para plantear dudas, resolver ejercicios o realizar prácticas. 

En la actualidad el número de suspensos en cada una de las asignaturas es muy variable, entorno al 10% en la asignatura SECO y superior al 50% en la asignatura de ENRG del GITST.
Con la metodología de análisis propuesta se pretende adaptar el contenido docente suministrado al alumno para mejorar sus resultados de aprendizaje así como sus resultados académicos. 
Adicionalmente, se pretende que mejorar también la presencialidad en el aula por parte de los alumnos, ya que este está siendo un factor determinante en las bajas tasas de éxito.

El proyecto se estructurará en tres fases y, dentro de cada una, se proponen acciones concretas a desarrollar:

Fase 1. - Recogida de datos (M1-M6)

Acción 1. Análisis de las variables objetivas que permitan cuantificar la carga cognitiva (M1). Esta tarea consiste en el análisis de las distintas constantes vitales que se requieren medir para conocer la carga cognitiva del estudiante. Esto permitirá, a su vez, seleccionar los sensores que se pueden utilizar para recoger esta información. Esta medición de constantes vitales se hará a un grupo voluntario de estudiantes que, previo al análisis, proporcionarán su consentimiento. En dicho consentimiento se establecerá que el uso de los datos recogidos se utilizará única y exclusivamente con fines de investigación relacionados con el rendimiento académico.

Acción 2. Elección de las muestras de alumnos de las distintas asignaturas sobre los que se medirá su carga cognitiva(M1). Se tendrá en cuenta, entre otros aspectos, su expediente académico y su género, de forma que se minimice el sesgo en los resultados del proyecto.

Acción 3. Elección de la parte de las asignaturas que se desea evaluar (M1-M2), diseñando las pruebas para el aula invertida que permitan la medida de la carga cognitiva y el diseño de cuestionarios.

Acción 4. Definición de las tecnologías a utilizar en el análisis de información de los sensores (M2-M3).

Acción 5. Realización de las pruebas y recogida de información (M3-M5). Esta tarea consiste en llevar a cabo las distintas pruebas y recogida de toda la información objetiva (registrada por los sensores) y subjetiva (a través de cuestionarios diseñados en la Acción 3).

Acción 6. Diseño de la base de datos (M2-M6), para almacenar toda la información registrada en las distintas pruebas.

Fase 2. - Análisis y medición de la carga cognitiva (M5-M7)

Acción 7. Análisis de correlación y propuesta de medición objetiva de la carga cognitiva (M5-M7). Una vez realizadas todas las acciones previas, se llevará a cabo una correlación entre la información proporcionada por las medidas objetivas y subjetivas y se analizarán los resultados de la evaluación de los alumnos durante el periodo de exámenes de las diversas asignaturas. Este análisis permitirá proponer una medición de carga cognitiva más objetiva.

Acción 8. Clasificación de los alumnos en función de los diferentes niveles de carga cognitiva (M7). Esto permitirá conocer la disposición de cada alumno, en función del tipo de material docente utilizado lo que permitirá, poder adaptar el material docente y favorecer el aprendizaje.

Fase 3. – Desarrollo de materiales para el aula cognitiva invertida (M8)

Acción 9. Propuesta de mejoras en el material y metodología docente de cada asignatura (M8). En función de los resultados de la acción previa, se propondrán una serie de mejoras en el material docente, así como una personalización de los contenidos en función del tipo de alumno, permitiendo ofrecer un aula virtual personalizada y que favorezca al máximo el aprendizaje.

Para el seguimiento del proyecto se llevará a cabo una reunión quincenal del grupo para evaluar la evolución del mismo, comprobando que se sigue el plan de trabajo definido.

En caso de desviaciones, se analizará su motivo y se aplicarán acciones correctoras con objeto de evitar retrasos en el cumplimiento de dicho plan.

Con respecto a la evaluación del proyecto, éste será diferente en función de las fases:

- Fase 1: la evaluación se llevará a cabo aportando la información recogida en la base de datos de todos los alumnos que han realizado las diferentes pruebas.

- Fase 2: la evaluación se llevará a cabo aportando una evaluación objetiva de carga cognitiva por alumno y prueba.

- Fase 3: la evaluación se llevará a cabo aportando los materiales didácticos creados para el aula invertida que hagan que esa carga cognitiva favorezca el aprendizaje de las competencias.

Como resultado se aportará lo siguiente:

• Un informe final donde se recoja una descripción del proyecto con todas las acciones llevadas a cabo, así como lecciones aprendidas a lo largo del proyecto y los resultados conseguidos.
• Una guía metodológica sobre la relación entre la carga cognitiva y los distintos tipos de materiales y metodologías docentes utilizadas para el aula invertida.

Se proponen los siguientes materiales divulgativos: 

• Una reseña en forma de articulo para su difusión en la web de la UPM. 
• Una píldora en vídeo (2-3 minutos) describiendo el desarrollo del PIE.
• Una ponencia en un congreso de innovación educativa, donde se presenten los principales resultados del proyecto.

Puesto que la metodología de análisis propuesta está centrada en alumnos presenciales de la UPM, se pretende tener una colaboración puntual con el departamento de Ingeniería Eléctrica, Electrónica, Control, Telemática y Química Aplicada a la Ingeniería de la UNED, cuyos alumnos trabajan siempre en forma remota.