ChatGPT en el aula virtual: útil, imperfecto y difícil de ignorar

¿Qué ocurre cuando un asistente basado en ChatGPT deja de ser una herramienta externa y pasa a formar parte del propio campus virtual? Miguel-Ángel Cabeza-Rodríguez analiza esta experiencia a partir de la integración de un asistente basado en ChatGPT 3.5 en 21 asignaturas de una universidad online, pertenecientes a titulaciones y áreas de conocimiento muy distintas. 

El estudio recoge la valoración de 391 estudiantes y examina cuatro dimensiones de su experiencia: la eficiencia del asistente, su impacto en el aprendizaje, su contribución al desarrollo de habilidades y los aspectos técnicos y de accesibilidad.

Los resultados dibujan una percepción mayoritariamente favorable. El alumnado valora especialmente que el asistente pueda aclarar conceptos, responder dudas y servir de apoyo para avanzar de forma más autónoma, hasta el punto de que numerosos participantes reclaman que se extienda a otras asignaturas. 

El análisis muestra, además, que la satisfacción depende sobre todo de que el asistente resulte realmente eficaz: su capacidad para proporcionar respuestas útiles pesa más que los aspectos puramente técnicos. Pero la experiencia también revela los límites de estas herramientas. Entre las principales críticas aparecen respuestas poco precisas o insuficientemente profundas, la ausencia de determinadas funcionalidades y la necesidad de orientar mejor al estudiante sobre cómo utilizar la IA.

La cuestión, por tanto, no parece ser simplemente si incorporar o no asistentes de IA a la universidad, sino cómo hacerlo para que aporten verdadero valor educativo. Los estudiantes los perciben fundamentalmente como un complemento capaz de proporcionar apoyo inmediato y favorecer el aprendizaje autónomo, no como un sustituto del profesorado ni del pensamiento crítico. 

La experiencia apunta así hacia un modelo en el que la integración de la inteligencia artificial debe acompañarse de un buen diseño pedagógico, respuestas suficientemente fiables, formación para utilizar la herramienta y una adecuada conexión con cada asignatura. El potencial existe, pero su utilidad educativa dependerá menos de tener un chatbot disponible que de convertirlo en un auténtico asistente para aprender.

---

Cómo citar: Cabeza-Rodríguez, M.- Ángel. (2025). Asistentes ChatGPT en educación superior en línea y satisfacción del alumnado: un caso de estudio. RIED-Revista Iberoamericana de Educación a Distancia, 28(2), 9–38. https://doi.org/10.5944/ried.28.2.43552

ChatGPT in the virtual classroom: useful, imperfect, and hard to ignore

What happens when a ChatGPT-based assistant stops being an external tool and becomes part of the virtual campus itself? Miguel-Ángel Cabeza-Rodríguez examines this experience through the integration of a ChatGPT 3.5-based assistant into 21 courses at an online university, spanning a wide range of degree programs and fields of knowledge.

The study gathers the views of 391 students and examines four dimensions of their experience: the assistant’s efficiency, its impact on learning, its contribution to skill development, and technical and accessibility aspects.

The results reveal a largely positive perception. Students particularly value the assistant’s ability to clarify concepts, answer questions, and support more autonomous learning, to the point that many participants would like to see it extended to other courses.

The analysis also shows that satisfaction depends above all on whether the assistant is genuinely effective: its ability to provide useful answers matters more than purely technical considerations. At the same time, the experience also exposes the limitations of these tools. Among the main criticisms are answers that lack precision or sufficient depth, the absence of certain functionalities, and the need to provide students with better guidance on how to use AI effectively.

The question, therefore, is not simply whether universities should introduce AI assistants, but how to do so in ways that create genuine educational value. Students tend to see them primarily as a complement that can provide immediate support and encourage autonomous learning, rather than as a substitute for teachers or critical thinking.

The experience therefore points towards a model in which the integration of artificial intelligence must be accompanied by sound pedagogical design, sufficiently reliable responses, guidance on how to use the tool, and proper alignment with the specific needs of each course. The potential is clearly there, but its educational value will depend less on simply making a chatbot available than on turning it into a genuine assistant for learning.

---

How to Cite: Cabeza-Rodríguez, M.- Ángel. (2025). ChatGPT assistants in online higher education and student satisfaction: a case study. RIED-Revista Iberoamericana de Educación a Distancia, 28(2), 9–38. https://doi.org/10.5944/ried.28.2.43552

Las competencias que hacen posible aprender bien online

La expansión de la educación online ha transformado las posibilidades de acceso y flexibilidad de la enseñanza superior, pero también ha puesto de manifiesto que aprender a distancia exige algo más que disponer de una plataforma y buenos contenidos. 

Gonzalo Garcés y Elena Bastías analizan esta cuestión mediante un estudio bibliométrico y una revisión sistemática de 781 publicaciones sobre aprendizaje online en educación superior. Su trabajo permite identificar cómo ha evolucionado este campo de investigación y cuáles son algunos de sus principales focos de interés: la satisfacción del alumnado, el compromiso y la motivación, la calidad de la experiencia educativa y el desarrollo de competencias para desenvolverse en entornos virtuales.

El análisis revela un crecimiento especialmente intenso de la investigación desde 2020 y organiza las principales tendencias en cuatro grandes ámbitos: percepción y satisfacción ante el uso de tecnologías; compromiso, participación y motivación; habilidades y competencias de los futuros profesionales; y calidad de la educación online. 

Entre los conceptos que adquieren mayor relevancia aparecen la autoeficacia, el aprendizaje autorregulado, la empleabilidad, la aceptación de la tecnología y el diseño de experiencias capaces de mantener al estudiante implicado. Los autores subrayan además que una educación virtual eficaz requiere tanto competencias digitales como responsabilidad, pensamiento crítico, capacidad de autorregulación y reflexión sobre el propio aprendizaje.

A partir de estos resultados, el artículo propone un marco de competencias que conecta conocimientos, actitudes y capacidades prácticas con las herramientas y tecnologías utilizadas en el aprendizaje online. La propuesta sitúa la reflexión como una competencia especialmente importante para el desarrollo profesional y la empleabilidad, al tiempo que insiste en la necesidad de diseñar entornos educativos que favorezcan la autonomía sin descuidar la interacción, la motivación, la retroalimentación y la equidad de acceso. 

La principal conclusión es clara: la calidad de la educación online no depende únicamente de la tecnología, sino de cómo esta se integra en modelos pedagógicos capaces de desarrollar las competencias que estudiantes y profesionales necesitan en escenarios educativos y laborales cada vez más digitales.

---

Cómo citar: Garcés, G., & Bastías, E. (2025). Modelo de competencias para el aprendizaje online en educación superior: un análisis bibliométrico y revisión sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 28(1), 259–290. https://doi.org/10.5944/ried.28.1.41351

The competencies that make effective online learning possible

The expansion of online education has transformed access to and flexibility in higher education, but it has also made clear that learning at a distance requires more than simply having a platform and good content.

Gonzalo Garcés and Elena Bastías examine this issue through a bibliometric study and a systematic review of 781 publications on online learning in higher education. Their work shows how this field of research has evolved and identifies some of its main areas of interest: student satisfaction, engagement and motivation, the quality of the educational experience, and the development of competencies for navigating virtual environments.

The analysis reveals particularly strong growth in research since 2020 and groups the main trends into four broad areas: perceptions of and satisfaction with the use of technology; engagement, participation, and motivation; the skills and competencies required by future professionals; and the quality of online education.

Among the concepts gaining particular prominence are self-efficacy, self-regulated learning, employability, technology acceptance, and the design of learning experiences capable of keeping students engaged. The authors also stress that effective online education requires not only digital competencies but also responsibility, critical thinking, self-regulation, and the ability to reflect on one’s own learning.

Based on these findings, the article proposes a competency framework that connects knowledge, attitudes, and practical abilities with the tools and technologies used in online learning. The framework places reflection as a particularly important competency for professional development and employability, while also emphasizing the need to design educational environments that foster autonomy without neglecting interaction, motivation, feedback, and equitable access.

The main conclusion is clear: the quality of online education does not depend solely on technology, but on how it is integrated into pedagogical models capable of developing the competencies that students and professionals need in increasingly digital educational and professional contexts.

---

How to Cite: Garcés, G., & Bastías, E. (2025). Competencies model for online learning in higher education: a bibliometric analysis and systematic review. RIED-Revista Iberoamericana de Educación a Distancia, 28(1), 259–290. https://doi.org/10.5944/ried.28.1.41351

Aprender a colaborar en entornos online

Trabajar en grupo no significa necesariamente colaborar bien, y esa diferencia se vuelve especialmente importante en la educación online. La distancia, la combinación de comunicación síncrona y asíncrona y la menor presencia directa del profesorado hacen que gestionar expectativas, desacuerdos y emociones forme parte del propio proceso de aprendizaje. El estudio de Adolfo Montalvo García, Santiago Ávila Vila y Frank Longo analiza esta dimensión socioemocional del trabajo colaborativo universitario a partir de 722 estudiantes de másteres de management. 

Los autores validan un modelo compuesto por cinco factores (autocontrol, influencia personal, comunicación integral, trabajo en equipo y gestión de conflictos) que permite comprender mejor cómo contribuye cada estudiante a las dinámicas del grupo y qué aspectos pueden favorecer una colaboración más eficaz.

Los resultados respaldan la estructura de cinco factores propuesta y muestran que estas dimensiones están estrechamente relacionadas entre sí. La colaboración online no depende únicamente de repartir tareas o cumplir plazos, sino también de saber manejar los desacuerdos, regular las propias emociones, influir positivamente en el clima del grupo, comunicarse con claridad y contribuir de manera cooperativa. 

El estudio identifica además algunas diferencias asociadas al sexo y la edad en varios de estos factores, aunque la aportación principal reside en ofrecer un marco que convierte procesos socioemocionales difíciles de observar en dimensiones que pueden analizarse y trabajarse de forma explícita. Esto abre posibilidades tanto para orientar mejor al alumnado como para diseñar actividades y programas formativos que presten atención no solo al producto final del trabajo en equipo, sino también a la calidad de la interacción que lo hace posible.

El interés del trabajo está precisamente en desplazar la atención desde el resultado final hacia los procesos socioemocionales que sostienen la colaboración. En los entornos virtuales, donde el profesorado tiene menos acceso directo a lo que ocurre dentro de cada equipo, disponer de un modelo de este tipo puede ayudar a detectar dificultades, acompañar mejor a los estudiantes y desarrollar competencias que también serán relevantes en contextos profesionales. 

Los autores señalan, no obstante, la necesidad de comprobar su validez en otros contextos culturales y de complementar en futuras investigaciones los autoinformes con datos sobre gestos, expresiones o patrones dinámicos de interacción. Con esa cautela, el estudio deja una idea especialmente útil para la educación superior: colaborar online no es una habilidad que deba darse por supuesta. También requiere aprendizaje, acompañamiento y desarrollo socioemocional.

---

Cómo citar: Montalvo García, A., Ávila Vila, S., & Longo, F. (2024). Modelo de trabajo colaborativo online desde la perspectiva socioemocional. RIED-Revista Iberoamericana de Educación a Distancia, 27(2), 17–34. https://doi.org/10.5944/ried.27.2.39115

Learning to Collaborate in Online Environments

Working in a group does not necessarily mean collaborating well, and this distinction becomes especially important in online education. Distance, the combination of synchronous and asynchronous communication, and the reduced direct presence of instructors mean that managing expectations, disagreements, and emotions becomes part of the learning process itself. The study by Adolfo Montalvo García, Santiago Ávila Vila, and Frank Longo examines this socio-emotional dimension of collaborative work in higher education, drawing on a sample of 722 students enrolled in management master’s programmes.

The authors validate a model comprising five factors (self-control, personal influence, comprehensive communication, teamwork, and conflict management) which helps explain how each student contributes to group dynamics and which aspects may foster more effective collaboration.

The results support the proposed five-factor structure and show that these dimensions are closely interrelated. Online collaboration depends not only on dividing up tasks or meeting deadlines, but also on knowing how to manage disagreements, regulate one’s own emotions, contribute positively to the group climate, communicate clearly, and work cooperatively.

The study also identifies some differences associated with sex and age across several of these factors, although its main contribution lies in providing a framework that turns socio-emotional processes that are difficult to observe into dimensions that can be analysed and addressed explicitly. This opens up possibilities both for better supporting students and for designing activities and training programmes that focus not only on the final product of teamwork, but also on the quality of the interaction that makes it possible.

The significance of the study lies precisely in shifting attention away from the final outcome towards the socio-emotional processes that sustain collaboration. In virtual environments, where instructors have less direct access to what happens within each team, a model of this kind can help identify difficulties, provide more effective support, and develop competencies that will also be relevant in professional settings.

The authors nevertheless point to the need to test the model’s validity in other cultural contexts and, in future research, to complement self-report data with information on gestures, expressions, or dynamic patterns of interaction. With that caveat, the study leaves a particularly useful message for higher education: online collaboration is not a skill that should be taken for granted. It too requires learning, support, and socio-emotional development.

---

How to Cite: Montalvo García, A., Ávila Vila, S., & Longo, F. (2024). Online collaborative work model from a socio-emotional perspective. RIED-Revista Iberoamericana de Educación a Distancia, 27(2), 17–34. https://doi.org/10.5944/ried.27.2.39115

Machine learning e inteligencia artificial: ¿dónde están transformando la educación?

La inteligencia artificial y el machine learning han ampliado rápidamente su presencia en la investigación educativa, pero bajo estas etiquetas conviven aplicaciones, técnicas y problemas muy diferentes. La revisión sistemática de Wiston Forero-Corba y Francisca Negre Bennasar analiza 55 estudios publicados entre 2021 y febrero de 2023 en Web of Science y Scopus, procedentes de 38 países y desarrollados desde la educación primaria hasta la universidad. 

El trabajo identifica 33 técnicas de inteligencia artificial y machine learning y permite observar para qué se estaban utilizando: desde la predicción del rendimiento y el abandono escolar hasta la orientación académica, la robótica, los sistemas de recomendación, la enseñanza de la propia inteligencia artificial o el apoyo a determinados colectivos de estudiantes. Más que una única tendencia, la revisión muestra un campo diverso en el que las tecnologías inteligentes empiezan a intervenir tanto en el aprendizaje como en la gestión educativa.

Uno de los resultados más significativos es que esta investigación ya no se concentra principalmente en la universidad: el 74,6 % de los estudios analizados se desarrolló en educación primaria o secundaria. También existe un claro predominio del aprendizaje supervisado y de aplicaciones predictivas, especialmente relacionadas con el rendimiento académico, para las que técnicas como Random Forest aparecen con frecuencia. Pero el panorama es más amplio: la revisión recoge experiencias sobre pensamiento computacional, alfabetización en inteligencia artificial, robótica, orientación, inclusión o personalización del aprendizaje. 

Esta diversidad evidencia tanto las posibilidades de estas tecnologías como la necesidad de contar con docentes capaces de comprenderlas e integrarlas de manera pedagógicamente adecuada. Los autores insisten por ello en la importancia de fortalecer la competencia digital docente y recuerdan además que la utilización intensiva de datos plantea cuestiones relacionadas con su calidad, los posibles sesgos y su tratamiento responsable.

El estudio ofrece así una fotografía amplia de la investigación sobre inteligencia artificial y machine learning en educación en un momento de fuerte crecimiento del campo. Esa fotografía tiene también límites: la revisión considera únicamente artículos en inglés indexados en WoS y Scopus, y muestra una distribución geográfica desigual, además de una presencia todavía escasa de trabajos sobre diversidad, discapacidad y necesidades educativas especiales. Sus resultados permiten, no obstante, desplazar la discusión desde una pregunta demasiado genérica (qué puede hacer la inteligencia artificial en educación) hacia cuestiones más concretas: qué problemas educativos puede ayudar a abordar, qué técnicas resultan adecuadas para cada propósito y qué preparación necesitan docentes e instituciones para utilizarlas con criterio. 

La expansión de estas tecnologías, sugiere el trabajo, no convierte por sí sola la IA en innovación educativa; su valor depende de cómo y para qué se incorpore a los procesos de enseñanza, aprendizaje y gestión.

 ---

Cómo citar: Forero-Corba, W., & Negre Bennasar, F. (2024). Técnicas y aplicaciones del Machine Learning e inteligencia artificial en educación: una revisión sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 209–253. https://doi.org/10.5944/ried.27.1.37491

Machine Learning and Artificial Intelligence: Where Are They Transforming Education?

Artificial intelligence and machine learning have rapidly expanded their presence in educational research, but these labels encompass very different applications, techniques, and problems. The systematic review by Wiston Forero-Corba and Francisca Negre Bennasar analyses 55 studies published between 2021 and February 2023 in Web of Science and Scopus, covering 38 countries and educational levels ranging from primary school to university.

The study identifies 33 artificial intelligence and machine learning techniques and examines what they were being used for: from predicting academic performance and student dropout to academic guidance, robotics, recommender systems, the teaching of artificial intelligence itself, and support for specific groups of students. Rather than revealing a single dominant trend, the review portrays a diverse field in which intelligent technologies are beginning to play a role in both learning and educational management.

One of the most significant findings is that this research is no longer concentrated primarily in higher education: 74.6% of the studies analysed were conducted in primary or secondary education. There is also a clear predominance of supervised learning and predictive applications, particularly those related to academic performance, for which techniques such as Random Forest are frequently used. Yet the picture is broader: the review includes experiences involving computational thinking, AI literacy, robotics, academic guidance, inclusion, and personalised learning.

This diversity highlights both the possibilities offered by these technologies and the need for teachers who are able to understand them and integrate them in pedagogically appropriate ways. The authors therefore emphasise the importance of strengthening teachers’ digital competence and also point out that the intensive use of data raises questions about data quality, potential biases, and responsible handling.

The study thus provides a broad snapshot of research on artificial intelligence and machine learning in education at a time of rapid growth in the field. That snapshot also has limitations: the review considers only English-language articles indexed in WoS and Scopus, reveals an uneven geographical distribution, and identifies a still limited presence of research on diversity, disability, and special educational needs. Nevertheless, its findings help shift the discussion away from an overly general question (what can artificial intelligence do in education?) towards more specific ones: what educational problems can it help address, which techniques are appropriate for each purpose, and what preparation do teachers and institutions need to use them effectively and responsibly?

The expansion of these technologies, the study suggests, does not in itself turn AI into educational innovation; its value depends on how and why it is incorporated into teaching, learning, and educational management processes.

---

How to Cite: Forero-Corba, W., & Negre Bennasar, F. (2024). Techniques and applications of Machine Learning and Artificial Intelligence in education: a systematic review. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 209–253. https://doi.org/10.5944/ried.27.1.37491

Mapas cognitivos para aprender a pensar la ciencia

Los mapas cognitivos permiten representar no solo qué sabe una persona, sino también cómo relaciona, organiza y jerarquiza sus conocimientos. El estudio de Alba Guiral y Manoli Pifarré explora este potencial en la formación inicial del profesorado mediante una experiencia de aprendizaje científico mediada por tecnología. 

Participaron 47 estudiantes del grado de Educación Primaria de la Universidad de Lleida, que trabajaron en pequeños grupos durante 25 horas para resolver un reto sociocientífico relacionado con la potabilidad y la gestión del agua. En un entorno digital colaborativo fueron construyendo mapas que hacían visibles conceptos, relaciones y distintas fases de la indagación científica. Antes y después de la experiencia elaboraron además, individualmente y en papel, un mapa sobre la potabilidad del agua, lo que permitió analizar la evolución tanto de sus conocimientos científicos como de su manera de representarlos.

Los resultados muestran cambios claros entre ambos momentos. Al comienzo, la mayoría de los estudiantes presentaba conocimientos poco elaborados y tendía a representar las ideas como hechos aislados o mediante relaciones sencillas. Después de la experiencia aumentó significativamente el nivel de explicación científica: casi nueve de cada diez estudiantes fueron capaces de desarrollar al menos explicaciones parciales de los conceptos evaluados. También se enriqueció la estructura de los mapas. 

Las representaciones finales incorporaron más relaciones, jerarquías y agrupaciones entre conceptos, y aumentó el uso de estructuras en red, asociadas a una organización más compleja del conocimiento. Resulta especialmente interesante que estas diferencias aparecieran en mapas individuales realizados sin tecnología, lo que sugiere que algunas de las formas de organizar y representar el conocimiento practicadas durante la experiencia colaborativa pudieron transferirse posteriormente al trabajo individual.

El interés del estudio trasciende así la utilización de una herramienta digital concreta. La tecnología sirve aquí para hacer visible el razonamiento, sostener la discusión entre estudiantes y ayudar a representar un proceso de indagación sobre un problema científico complejo. Los mapas cognitivos muestran además un potencial relevante como instrumento de evaluación: permiten observar no solo los conceptos que conoce el estudiante, sino también cómo los integra, jerarquiza y relaciona. 

Al tratarse de un estudio de caso con 47 participantes y sin un grupo de comparación, sus resultados deben interpretarse dentro de ese contexto, y las propias autoras plantean ampliar la investigación a otros grupos y situaciones. Con esa cautela, el trabajo ofrece una idea valiosa para la formación docente: las tecnologías educativas pueden contribuir al aprendizaje cuando ayudan a los estudiantes a hacer explícitas, discutir y reorganizar las relaciones que construyen entre las ideas.

---

Cómo citar: Guiral Herrera, A., & Pifarré Turmo, M. (2023). Los mapas cognitivos digitales para la construcción de conocimiento científico en la formación inicial del profesorado. RIED-Revista Iberoamericana de Educación a Distancia, 26(2), 89–109. https://doi.org/10.5944/ried.26.2.36067

Cognitive Maps for Learning to Think Scientifically

Cognitive maps make it possible to represent not only what a person knows, but also how they relate, organise, and structure that knowledge. The study by Alba Guiral and Manoli Pifarré explores this potential in initial teacher education through a technology-mediated science learning experience.

The study involved 47 students enrolled in the Primary Education degree programme at the University of Lleida, who worked in small groups for 25 hours to address a socio-scientific challenge related to drinking water and water management. In a collaborative digital environment, they constructed maps that made concepts, relationships, and different stages of scientific inquiry visible. Before and after the experience, they also individually created a paper-based map on drinking water, allowing the researchers to analyse changes both in their scientific knowledge and in the way they represented it.

The results show clear changes between the two points in time. At the beginning, most students demonstrated relatively undeveloped knowledge and tended to represent ideas as isolated facts or through simple relationships. After the experience, the level of scientific explanation increased significantly: almost nine out of ten students were able to develop at least partial explanations of the concepts assessed. The structure of the maps also became richer.

The final representations incorporated more relationships, hierarchies, and groupings among concepts, while the use of network structures—associated with a more complex organisation of knowledge—also increased. Particularly interesting is the fact that these differences appeared in individual maps produced without technology, suggesting that some of the ways of organising and representing knowledge practised during the collaborative experience may subsequently have transferred to individual work.

The significance of the study therefore extends beyond the use of a particular digital tool. Here, technology serves to make reasoning visible, support discussion among students, and help represent a process of inquiry into a complex scientific problem. Cognitive maps also show considerable potential as an assessment tool: they make it possible to observe not only which concepts students know, but also how they integrate, organise hierarchically, and connect them.

As this is a case study involving 47 participants and no comparison group, the findings should be interpreted within that context, and the authors themselves propose extending the research to other groups and settings. With that caveat, the study offers a valuable insight for teacher education: educational technologies can contribute to learning when they help students make explicit, discuss, and reorganise the relationships they construct among ideas.

---

How to Cite: Guiral Herrera, A., & Pifarré Turmo, M. (2023). Digital Cognitive Maps for Scientific Knowledge Construction in Initial Teacher Education: . RIED-Revista Iberoamericana de Educación a Distancia, 26(2), 89–109. https://doi.org/10.5944/ried.26.2.36067

Cómo convertir una videoconferencia en una experiencia de aprendizaje

Durante la pandemia, muchas clases universitarias pasaron del aula a la pantalla sin que necesariamente cambiara su lógica: el docente seguía explicando y el alumnado escuchando, solo que a través de una videoconferencia. El estudio de Marc Fuertes-Alpiste, Núria Molas-Castells, Francesc Martínez-Olmo, Maria Jose Rubio-Hurtado y Cristina Galván Fernández parte precisamente de este problema y analiza qué ocurre cuando la sesión síncrona se diseña para promover una participación más activa. 

La experiencia, desarrollada en el grado de Pedagogía de la Universidad de Barcelona, combinó videoconferencias con actividades interactivas mediante Nearpod, alternando explicaciones breves con preguntas, ejercicios, propuestas gamificadas y algunas actividades colaborativas. En ella participaron cinco docentes y 82 estudiantes. Más que comprobar la eficacia de una herramienta concreta, la investigación busca conocer cómo perciben profesores y alumnos una forma de enseñanza en la que la tecnología se utiliza para reforzar la interacción entre estudiantes, docentes y contenidos.  

Las valoraciones recogidas muestran una experiencia mayoritariamente positiva. Muchos estudiantes consideran que este formato encaja con su forma de aprender y destacan que el ritmo de las actividades les ayuda a mantener la atención, aplicar inmediatamente lo explicado y reconocer qué contenidos han comprendido y cuáles necesitan revisar. La participación también aumenta respecto a una clase convencional, porque las actividades hacen posible que intervenga el conjunto del grupo y no solo quienes suelen tomar la palabra espontáneamente. Para el profesorado, el diseño de estas sesiones no exige partir de cero, pero sí obliga a pensar con mayor cuidado la secuencia, los tiempos y los momentos de interacción. 

Uno de los elementos más interesantes es el uso de las analíticas de aprendizaje: las respuestas del alumnado permiten detectar durante la propia sesión qué conceptos plantean mayores dificultades, volver sobre ellos y ajustar las explicaciones. Junto a estas ventajas aparecen también algunas dificultades: problemas técnicos, un ritmo excesivamente pautado para determinados estudiantes, la necesidad de manejar varias plataformas o el predominio de actividades individuales frente a otras formas de aprendizaje más colaborativas.  

La experiencia ofrece así algunas pistas relevantes para pensar la enseñanza síncrona en la universidad más allá de las circunstancias excepcionales que impulsaron su expansión. Se trata de un estudio situado, realizado con una muestra pequeña y en una única titulación, por lo que sus resultados invitan más a explorar este tipo de diseños que a generalizarlos. Los propios autores señalan la conveniencia de probarlos con grupos más numerosos, en otras disciplinas y mediante propuestas de carácter más colaborativo y socioconstructivista. 

Pero el interés del trabajo trasciende las plataformas empleadas. Los estudiantes siguen atribuyendo un papel fundamental al docente para orientar la sesión, ampliar las explicaciones y resolver dudas, mientras que la tecnología resulta especialmente valiosa cuando permite comprobar la comprensión, favorecer la participación y adaptar la enseñanza a lo que sucede durante la clase. La conclusión de fondo es sencilla pero relevante: digitalizar una sesión no consiste únicamente en trasladar la exposición a una pantalla. La tecnología puede ampliar las posibilidades de aprendizaje cuando el diseño de las actividades, los tiempos y las interacciones la convierte realmente en un recurso pedagógico. 

---

Cómo citar: Fuertes-Alpiste, M., Molas-Castells, N., Martínez-Olmo, F., Rubio-Hurtado, M. J., & Galván Fernández, C. (2023). Videoconferencias interactivas en educación superior: una propuesta de mejora para el aprendizaje y la participación. RIED-Revista Iberoamericana de Educación a Distancia, 26(1), 265–285. https://doi.org/10.5944/ried.26.1.34012

How to Turn a Videoconference into a Learning Experience

During the pandemic, many university classes moved from the classroom to the screen without necessarily changing their underlying logic: instructors continued to explain while students listened, only now through a videoconference. The study by Marc Fuertes-Alpiste, Núria Molas-Castells, Francesc Martínez-Olmo, Maria Jose Rubio-Hurtado, and Cristina Galván Fernández starts precisely from this issue and examines what happens when synchronous sessions are designed to promote more active participation.

The experience, carried out in the Pedagogy degree programme at the University of Barcelona, combined videoconferencing with interactive activities using Nearpod, alternating brief explanations with questions, exercises, gamified activities, and some collaborative tasks. Five instructors and 82 students took part. Rather than testing the effectiveness of a particular tool, the study seeks to understand how instructors and students perceive a form of teaching in which technology is used to strengthen interaction among students, teachers, and learning content.

The feedback collected shows a largely positive experience. Many students felt that the format suited the way they learn and highlighted how the pace of the activities helped them maintain their attention, immediately apply what had been explained, and recognise which concepts they had understood and which they needed to review. Participation also increased compared with a conventional class, because the activities enabled the whole group to contribute rather than only those who would normally speak up spontaneously. For instructors, designing these sessions does not mean starting from scratch, but it does require more careful consideration of the sequence, timing, and opportunities for interaction.

One of the most interesting elements is the use of learning analytics: students’ responses make it possible to identify, during the session itself, which concepts are causing the greatest difficulty, revisit them, and adjust the explanations accordingly. Alongside these advantages, some challenges also emerge: technical problems, an overly structured pace for some students, the need to manage several platforms, and the predominance of individual activities over more collaborative forms of learning.

The experience therefore offers some useful insights for thinking about synchronous teaching in higher education beyond the exceptional circumstances that accelerated its expansion. This is a context-specific study, conducted with a small sample in a single degree programme, so its findings are better seen as an invitation to explore these kinds of designs than as a basis for broad generalisation. The authors themselves point to the value of testing them with larger groups, in other disciplines, and through more collaborative and socio-constructivist approaches.

Yet the significance of the study goes beyond the platforms used. Students continue to assign a fundamental role to the instructor in guiding the session, expanding on explanations, and resolving questions, while technology becomes particularly valuable when it helps check understanding, encourage participation, and adapt teaching to what is happening during the class. The underlying conclusion is simple but important: digitising a session is not merely a matter of moving a lecture onto a screen. Technology can broaden opportunities for learning when the design of activities, timing, and interactions truly turns it into a pedagogical resource.

---

How to Cite: Fuertes-Alpiste, M., Molas-Castells, N., Martínez-Olmo, F., Rubio-Hurtado, M. J., & Galván Fernández, C. (2023). Interactive Videoconferences in Higher Education: A Proposal to Enhance Learning and Participation. RIED-Revista Iberoamericana de Educación a Distancia, 26(1), 265–285. https://doi.org/10.5944/ried.26.1.34012

La herramienta que hace justo lo contrario que ChatGPT

La educación digital ha multiplicado plataformas, recursos y automatismos, pero eso no significa necesariamente que haya multiplicado las herramientas para pensar mejor. Ese es el punto de partida de Víctor Hugo Pérez Gallo en su estudio sobre SOCIOKAIROS, un entorno heurístico diseñado para ayudar a estudiantes de ciencias sociales a formular y reformular problemas de investigación. 

Integrado directamente en Moodle mediante un paquete SCORM, el sistema no funciona como una inteligencia artificial que entrega una respuesta acabada: analiza la estructura del problema, señala ambigüedades, identifica variables y obliga al estudiante a revisar sus propias decisiones metodológicas. La diferencia no es menor. Frente a herramientas que permiten delegar parte del razonamiento, SOCIOKAIROS intenta convertir la tecnología en una forma de fricción productiva.

La experiencia se llevó a cabo con 218 estudiantes de universidades de Cuba, Brasil y España, combinando cuestionarios, respuestas abiertas y los registros de actividad generados automáticamente por Moodle. Los datos muestran una recepción favorable: entre el 79 % y el 90 % del alumnado valoró positivamente aspectos como la utilidad, la facilidad de uso o la capacidad del sistema para ayudarle a estructurar su pensamiento metodológico. 

Pero quizá sea más revelador lo que ocurrió durante el proceso: cada estudiante realizó una media de 2,8 reformulaciones y quienes iteraron más tendieron también a obtener mejores puntuaciones dentro del propio entorno. En las respuestas abiertas aparece repetidamente una expresión sugerente: la sensación de “pensar acompañado”. La herramienta parece funcionar menos como un proveedor de soluciones que como un interlocutor que devuelve preguntas, contradicciones y decisiones que necesitan ser justificadas.

Conviene no convertir esa asociación en una prueba de eficacia que el diseño del estudio no permite establecer. No hubo grupo de control ni mediciones pre y post, la muestra fue intencional y pueden intervenir tanto el efecto novedad como la deseabilidad social. Los resultados muestran, por tanto, viabilidad, aceptación y patrones de uso, no que SOCIOKAIROS cause por sí mismo una mejora transferible del pensamiento científico. 

Su interés está quizá en otro lugar: propone una idea de tecnología educativa casi opuesta a la obsesión por ahorrar tiempo. Aquí el sistema introduce pausas, obliga a volver sobre lo escrito y hace visible el razonamiento. En una época en la que buena parte de la innovación digital promete llegar antes a la respuesta, SOCIOKAIROS explora qué ocurre cuando diseñamos una herramienta precisamente para retrasarla un poco.

---

Cómo citar: Pérez Gallo, V. H. (2026). SOCIOKAIROS: Heurística computacional para la enseñanza reflexiva en la educación universitaria a distancia. RIED-Revista Iberoamericana de Educación a Distancia, 29(2), 257–285. https://doi.org/10.5944/ried.47132

The Tool That Does Exactly the Opposite of ChatGPT

Digital education has multiplied platforms, resources, and automated processes, but that does not necessarily mean it has multiplied the tools that help us think better. This is the starting point of Víctor Hugo Pérez Gallo’s study on SOCIOKAIROS, a heuristic environment designed to help social science students formulate and reformulate research problems.

Integrated directly into Moodle through a SCORM package, the system does not work like an artificial intelligence that delivers a finished answer: it analyses the structure of the problem, points out ambiguities, identifies variables, and requires students to reconsider their own methodological decisions. The difference is important. Whereas other tools allow users to delegate part of the reasoning process, SOCIOKAIROS seeks to turn technology into a form of productive friction.

The experience involved 218 students from universities in Cuba, Brazil, and Spain, combining questionnaires, open-ended responses, and activity records generated automatically by Moodle. The data show a favourable reception: between 79% and 90% of students rated aspects such as usefulness, ease of use, and the system’s ability to help them structure their methodological thinking positively.

Perhaps more revealing, however, is what happened during the process itself: each student produced an average of 2.8 reformulations, and those who iterated more also tended to achieve higher scores within the environment. One suggestive expression appears repeatedly in the open-ended responses: the feeling of “thinking with support”. The tool seems to function less as a provider of solutions than as an interlocutor that returns questions, contradictions, and decisions that need to be justified.

This association should not, however, be turned into evidence of effectiveness that the study design cannot establish. There was no control group or pre-post measurement, the sample was purposive, and both novelty effects and social desirability may have influenced the results. The findings therefore demonstrate feasibility, acceptance, and patterns of use, rather than showing that SOCIOKAIROS itself causes transferable improvements in scientific thinking.

Its real interest may lie elsewhere: it proposes an idea of educational technology that runs almost counter to the obsession with saving time. Here, the system introduces pauses, forces students to return to what they have written, and makes their reasoning visible. At a time when much digital innovation promises to get us to the answer faster, SOCIOKAIROS explores what happens when we deliberately design a tool to slow that process down a little.

---

How to Cite: Pérez Gallo, V. H. (2026). SOCIOKAIROS: A computational heuristic for reflexive teaching in distance university education. RIED-Revista Iberoamericana de Educación a Distancia, 29(2), 257–285. https://doi.org/10.5944/ried.47132

Qué necesita dominar un docente en la era de la IA

La expansión de la inteligencia artificial en las aulas ha generado una paradoja bastante concreta: pedimos al profesorado que aprenda a utilizarla de manera pedagógica, crítica y responsable, pero todavía contamos con pocos instrumentos específicos para saber qué domina realmente y dónde necesita formación. 

El trabajo de Andresa Sartor-Harada y Juliana Azevedo-Gomes aborda precisamente ese problema mediante el desarrollo del AI-ED-SAT, un cuestionario de autoevaluación que desplaza el foco desde la competencia digital genérica hacia cuatro dimensiones propias de la IA educativa: comprensión conceptual, uso pedagógico, reflexión ética e integración curricular. La distinción importa, porque manejar con soltura una herramienta de IA no equivale necesariamente a saber cuándo utilizarla, cómo incorporarla al currículo o qué implicaciones tiene delegar determinadas decisiones en un sistema algorítmico.

El instrumento se construyó mediante un proceso bastante exigente: revisión de la literatura, dos rondas Delphi con 12 expertos y una prueba piloto con 128 docentes de siete países hispanohablantes. De los 40 ítems iniciales se conservaron 38, y los análisis psicométricos ofrecen resultados sólidos: una consistencia interna global de 0,93, cuatro factores que explican el 67,8 % de la varianza y buenos índices de ajuste en el análisis confirmatorio. 

Pero quizá el dato más sugerente no sea estadístico, sino el perfil que aparece detrás de las respuestas: el profesorado se percibe más competente en el uso pedagógico de la IA que en su dimensión ética y en su integración curricular. Es una diferencia relevante, porque sugiere que la adopción práctica de estas tecnologías puede estar avanzando más deprisa que la reflexión sobre cómo encajarlas en decisiones educativas de mayor alcance.

Conviene, en cualquier caso, interpretar el AI-ED-SAT por lo que es: una herramienta de autoevaluación, no una prueba directa del desempeño docente. La muestra fue además seleccionada por conveniencia, la validación se limita por ahora al ámbito hispanohablante y los propios autores consideran estos resultados una primera validación que deberá replicarse con muestras más amplias y diversas. 

Precisamente ahí puede estar una de sus utilidades más interesantes. En lugar de convertir la “competencia en IA” en una etiqueta general, el cuestionario permite descomponerla y localizar necesidades concretas. Utilizado con esa finalidad, puede servir menos para clasificar docentes que para formular una pregunta bastante más productiva: qué necesita aprender cada profesor para pasar de usar inteligencia artificial a tomar buenas decisiones educativas sobre ella.

---

Cómo citar: Sartor-Harada, A., & Azevedo-Gomes, J. (2026). AI-ED-SAT: diseño y validación de un cuestionario para autoevaluar competencias docentes en IA educativa. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 79–110. https://doi.org/10.5944/ried.45413

What Teachers Need to Master in the Age of AI

The expansion of artificial intelligence in the classroom has created a fairly specific paradox: we expect teachers to learn how to use it pedagogically, critically, and responsibly, yet we still have few specific instruments for determining what they actually know and where they need further training.

The work of Andresa Sartor-Harada and Juliana Azevedo-Gomes addresses precisely this problem through the development of AI-ED-SAT, a self-assessment questionnaire that shifts the focus from generic digital competence to four dimensions specific to educational AI: conceptual understanding, pedagogical use, ethical reflection, and curricular integration. The distinction matters because being proficient with an AI tool does not necessarily mean knowing when to use it, how to incorporate it into the curriculum, or what the implications are of delegating certain decisions to an algorithmic system.

The instrument was developed through a fairly demanding process: a literature review, two Delphi rounds involving 12 experts, and a pilot study with 128 teachers from seven Spanish-speaking countries. Of the initial 40 items, 38 were retained, and the psychometric analyses yielded solid results: an overall internal consistency of 0.93, four factors explaining 67.8% of the variance, and good fit indices in the confirmatory analysis.

Perhaps the most suggestive finding, however, is not statistical but lies in the profile that emerges from the responses: teachers perceive themselves as more competent in the pedagogical use of AI than in its ethical dimension or curricular integration. This is a significant difference because it suggests that the practical adoption of these technologies may be progressing faster than reflection on how they should fit into broader educational decisions.

In any case, AI-ED-SAT should be interpreted for what it is: a self-assessment tool, not a direct measure of teaching performance. The sample was also selected by convenience, validation has so far been limited to Spanish-speaking contexts, and the authors themselves regard these findings as an initial validation that should be replicated with larger and more diverse samples.

That may be precisely where one of its most interesting uses lies. Rather than turning “AI competence” into a broad label, the questionnaire makes it possible to break the concept down and identify specific needs. Used in this way, it may be less useful for classifying teachers than for posing a far more productive question: what does each teacher need to learn in order to move from using artificial intelligence to making sound educational decisions about it?

---

How to Cite: Sartor-Harada, A., & Azevedo-Gomes, J. (2026). AI-ED-SAT: design and validation of a questionnaire for self-assessment of teaching skills in educational AI. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 79–110. https://doi.org/10.5944/ried.45413

La universidad ante los chatbots: usos, promesas y límites

La conversación sobre inteligencia artificial en la universidad suele avanzar más deprisa que la evidencia disponible. El trabajo de Eva Jiménez-García, Judit Ruiz-Lázaro, Sonia Martínez-Requejo y Sara Redondo-Duarte intenta poner algo de orden en ese terreno mediante una revisión sistemática de 42 estudios sobre chatbots e inteligencia artificial en educación superior. 

El análisis permite ver un campo que ha crecido con enorme rapidez, especialmente desde 2020, y que en 2023 concentró más de la mitad de los artículos incluidos. Pero también muestra que la investigación no gira únicamente en torno a ChatGPT o al apoyo académico: aparecen aplicaciones en orientación universitaria, tutoría, gestión, salud mental, motivación, aprendizaje personalizado y asistencia administrativa.

Uno de los aspectos más interesantes del artículo es su intento de conectar esta expansión tecnológica con la sostenibilidad. La relación, sin embargo, resulta bastante desigual. De los 42 trabajos analizados, solo 21 estaban asociados en Web of Science con algún Objetivo de Desarrollo Sostenible, y diez de ellos se concentraban en el ODS 4, Educación de Calidad. Salud y bienestar, reducción de las desigualdades, energía limpia o acción climática aparecen de manera mucho más marginal. 

Más que demostrar que los chatbots están contribuyendo ya de forma amplia a la Agenda 2030, los datos dibujan una agenda de investigación todavía muy parcial: hay muchos ámbitos de la sostenibilidad sobre los que apenas sabemos qué puede aportar la IA en la universidad.

La revisión resulta especialmente útil porque evita presentar la adopción de estas herramientas como un proceso automático. Junto a sus posibilidades educativas, identifica problemas de interoperabilidad, privacidad, integridad académica, calidad de las interacciones y aceptación por parte de estudiantes y docentes. 

También reconoce una limitación metodológica importante: el corpus procede exclusivamente de Web of Science, una decisión que facilita la homogeneidad del análisis bibliométrico pero restringe el alcance de la literatura examinada. La lectura que deja el artículo es, por tanto, menos complaciente y más útil: la cuestión ya no es si la IA entrará en la educación superior, sino con qué evidencias, para resolver qué problemas y bajo qué condiciones institucionales merece realmente hacerlo.

---

Cómo citar: Jiménez-García, E., Ruiz-Lázaro, J., Martínez-Requejo, S., & Redondo-Duarte, S. (2025). Inteligencia Artificial y chatbots para una educación superior sostenible: una revisión sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 28(2), 81–104. https://doi.org/10.5944/ried.28.2.43240

The University and Chatbots: Uses, Promises, and Limits

The conversation about artificial intelligence in higher education often moves faster than the available evidence. The study by Eva Jiménez-García, Judit Ruiz-Lázaro, Sonia Martínez-Requejo, and Sara Redondo-Duarte seeks to bring some order to this rapidly evolving field through a systematic review of 42 studies on chatbots and artificial intelligence in higher education.

The analysis reveals a field that has grown at remarkable speed, particularly since 2020, with more than half of the articles included in the review published in 2023. But it also shows that research extends well beyond ChatGPT or academic support: applications include student guidance, tutoring, management, mental health, motivation, personalised learning, and administrative assistance.

One of the most interesting aspects of the article is its attempt to connect this technological expansion with sustainability. The relationship, however, is far from even. Of the 42 studies analysed, only 21 were associated in Web of Science with a Sustainable Development Goal, and ten of these focused on SDG 4, Quality Education. Health and well-being, reduced inequalities, clean energy, and climate action appear much more marginally.

Rather than demonstrating that chatbots are already making a broad contribution to the 2030 Agenda, the data point to a research agenda that remains highly uneven: there are still many areas of sustainability in which we know very little about what AI might contribute to higher education.

The review is particularly useful because it avoids presenting the adoption of these tools as an automatic or straightforward process. Alongside their educational potential, it identifies challenges related to interoperability, privacy, academic integrity, the quality of interactions, and acceptance by both students and faculty.

It also acknowledges an important methodological limitation: the corpus is drawn exclusively from Web of Science, a decision that improves the consistency of the bibliometric analysis but narrows the scope of the literature examined. The article therefore leaves us with a more critical, and ultimately more useful, perspective: the question is no longer whether AI will enter higher education, but on what evidence, to solve which problems, and under what institutional conditions its adoption is genuinely worthwhile.

---

How to Cite: Jiménez-García, E., Ruiz-Lázaro, J., Martínez-Requejo, S., & Redondo-Duarte, S. (2025). Artificial Intelligence and chatbots for sustainable higher education: a systematic review. RIED-Revista Iberoamericana de Educación a Distancia, 28(2), 81–104. https://doi.org/10.5944/ried.28.2.43240

Por qué algunos juegos educativos funcionan y otros no

La gamificación suele venderse por sus elementos más visibles: puntos, competición, retos, premios. Pero este trabajo de Carmen-María Queiro-Ameijeiras, Elies Seguí-Mas y José Martí-Parreño plantea una pregunta bastante más interesante: ¿qué hace que un estudiante quiera realmente utilizar una experiencia gamificada para aprender? 

Para investigarlo, los autores combinaron dos marcos que normalmente miran el problema desde lados distintos. El Modelo de Aceptación de la Tecnología pregunta, simplificando, si una herramienta parece útil y fácil de utilizar; la Teoría de la Autodeterminación se interesa por cuestiones más humanas, como sentirse competente, tener autonomía y relacionarse con los demás. El estudio pone ambas piezas en el mismo modelo y las prueba con 149 estudiantes de cuatro universidades españolas que participaron en BUGAMAP, un simulador en el que equipos de cuatro o cinco personas gestionaban una compañía de seguros y debían reaccionar a situaciones como un crack bursátil o una catástrofe natural.

El resultado más interesante es que lo social pesa mucho. El aprendizaje colaborativo es el factor que presenta la relación más fuerte con la utilidad percibida de la experiencia (β=0,537) y también influye claramente en su facilidad de uso (β=0,438). Sentirse competente, por su parte, aumenta la percepción de utilidad, mientras que disponer de autonomía hace que el sistema se perciba como más fácil de manejar. 

Y a partir de ahí aparece una cadena bastante lógica: cuanto más útil y fácil se percibe la experiencia, mejor es la actitud hacia ella; y esa actitud aumenta la intención de volver a utilizarla. Lo llamativo es que la aceptación de un juego educativo no parece depender tanto de hacerlo más espectacular o competitivo como de conseguir que el estudiante pueda hacer algo con otros, sentirse capaz de hacerlo y conservar cierto control sobre lo que hace.

Hay que poner algún freno a la interpretación. La muestra es de conveniencia, el estudio es transversal y analiza una experiencia muy concreta de simulación empresarial y contable; además, el propio modelo deja una parte considerable de la aceptación sin explicar. Los autores reconocen que sería necesario probarlo longitudinalmente, con muestras más representativas y añadiendo factores como el apoyo institucional, el feedback o la personalización. 

Pero precisamente por eso resulta útil una lectura menos literal del artículo. Su mensaje no es que exista una receta estadística para fabricar gamificación exitosa, sino que quizá llevemos demasiado tiempo mirando la parte equivocada del juego. Una buena experiencia gamificada puede depender menos de las recompensas que añadimos que de las necesidades humanas que conseguimos satisfacer mientras se juega.

---

Cómo citar: Queiro-Ameijeiras, C.-M., Seguí-Mas, E., & Martí-Parreño, J. (2025). Determinantes de la aceptación de la gamificación en la educación superior: un modelo empírico. RIED-Revista Iberoamericana de Educación a Distancia, 28(1), 127–155. https://doi.org/10.5944/ried.28.1.41565

Why Some Educational Games Work and Others Don’t

Gamification is often sold through its most visible features: points, competition, challenges, rewards. But this study by Carmen-María Queiro-Ameijeiras, Elies Seguí-Mas, and José Martí-Parreño asks a much more interesting question: what actually makes a student want to use a gamified experience for learning?

To explore this, the authors combined two frameworks that usually approach the problem from different angles. The Technology Acceptance Model asks, in simple terms, whether a tool seems useful and easy to use; Self-Determination Theory focuses on more human factors, such as feeling competent, having autonomy, and relating to others. The study brings both perspectives together in a single model and tests it with 149 students from four Spanish universities who took part in BUGAMAP, a simulator in which teams of four or five managed an insurance company and had to respond to events such as a stock market crash or a natural disaster.

The most interesting result is how much the social dimension matters. Collaborative learning shows the strongest relationship with the perceived usefulness of the experience (β=0.537) and also clearly influences perceived ease of use (β=0.438). Feeling competent, meanwhile, increases perceived usefulness, while having autonomy makes the system seem easier to use.

From there, a fairly logical chain emerges: the more useful and easy to use the experience seems, the more positive students’ attitudes toward it become; and that attitude, in turn, increases their intention to use it again. What is striking is that acceptance of an educational game does not seem to depend so much on making it more spectacular or competitive, but on enabling students to do something with others, feel capable of doing it, and retain a degree of control over what they are doing.

Some caution is needed in interpreting the findings. The study uses a convenience sample, is cross-sectional, and focuses on a very specific business and accounting simulation; moreover, the model itself leaves a substantial part of gamification acceptance unexplained. The authors acknowledge that it should be tested longitudinally, with more representative samples and with additional factors such as institutional support, feedback, or personalisation.

But that is precisely why a less literal reading of the article is useful. Its message is not that there is a statistical recipe for producing successful gamification, but that we may have spent too long looking at the wrong part of the game. A good gamified experience may depend less on the rewards we add than on the human needs we manage to satisfy while people are playing.

---

How to Cite: Queiro-Ameijeiras, C.-M., Seguí-Mas, E., & Martí-Parreño, J. (2025). Determinants of gamification acceptance in Higher Education: an empirical model. RIED-Revista Iberoamericana de Educación a Distancia, 28(1), 127–155. https://doi.org/10.5944/ried.28.1.41565