El modelo nexus-reload-mil: génesis, arquitectura e impacto en el aula de química bogotana

José Armando Herrera Robles; Jorge Luis Montealegre Torres

Vol. 7 Núm. 1 (2026), Artículos

Vol. 7 Núm. 1 (2026)

El modelo nexus-reload-mil: génesis, arquitectura e impacto en el aula de química bogotana

Artículos

Publicado 2026-06-30

José Armando Herrera Robles⁺⁻
Jorge Luis Montealegre Torres⁺⁻

José Armando Herrera Robles

Universidad Nacional de Colombia, Colombia

https://orcid.org/0000-0002-0309-9400

Jorge Luis Montealegre Torres

Secretaría de Educación Municipal de Armenia, Colombia

https://orcid.org/0000-0002-1024-5453

PDF

Palabras clave

NEXUS-RELOAD-MIL
Pensamiento Complejo
Tercero Incluido
Transdisciplina
Química
Ecología
Ética
Inteligencia Artificial Generativa
Didáctica de la Química
Fricción Cognitiva

Cómo citar

Herrera Robles, J. A., & Montealegre Torres, J. L. (2026). El modelo nexus-reload-mil: génesis, arquitectura e impacto en el aula de química bogotana. Formación Estratégica, 7(1), 149–160. Recuperado a partir de https://www.formacionestrategica.com/index.php/foes/article/view/272

Resumen

El artículo presenta el Modelo NEXUS-RELOAD-MIL, una arquitectura pedagógica emergente diseñada para reconfigurar el aula de química de la educación media pública bogotana como un sistema reflexivo ante la irrupción de la Inteligencia Artificial Generativa. Objetivo: Diseñar, implementar y evaluar el Modelo NEXUS-RELOAD-MIL para reconfigurar el aula de química de la educación media pública bogotana como un sistema reflexivo y crítico ante la irrupción de la Inteligencia Artificial Generativa. Metodología: El modelo nació de una investigación doctoral de corte mixto (N=100 estudiantes, 6 docentes, dos instituciones educativas distritales de Bogotá, período marzo-octubre 2025), estructurada bajo la Ecología de Investigación-Diseño Transdisciplinar, que articula la Investigación-Acción Participativa y la Investigación Basada en Diseño. Se expone la génesis del modelo —fruto del diagnóstico de tres crisis estructurales del aula: ceguera unidisciplinar, brecha de equidad sociotecnológica y uso acrítico de las herramientas generativas—, su arquitectura de cinco fases interdependientes (NEXUS: Narrativa, Exploración, X-LAB, Upgrade y Sinapsis), el motor de mejora continua (RELOAD) y la brújula transdisciplinar basada en la Alfabetización Mediática e Informacional (MIL). Resultados: Los resultados empíricos confirman que el modelo erradica la subordinación algorítmica: el 78 % de los estudiantes rechaza la transcripción acrítica (media: 1,91/5,0), el 90 % alcanza niveles de alta criticidad epistémica y el 89 % integra química, ecología y ética en retos socioambientales territoriales. Conclusión: Se concluye que el Modelo NEXUS-RELOAD-MIL constituye una propuesta educativa original y transferible que demuestra que la soberanía intelectual no depende de dispositivos de alta tecnología, sino de un diseño didáctico riguroso y éticamente comprometido con las comunidades más vulnerables.

PDF

Referencias

Acero, C., González, M., & Santamaría, R. (2025). Journey through the MILtiverse: Toolkit for youth organizations. UNESCO. https://doi.org/10.58338/FVKH3606

Akgun, S., & Greenhow, C. (2022). Artificial intelligence in education: Addressing ethical challenges in K-12 settings. AI and Ethics, 2(3), 431-440. https://doi.org/10.1007/s43681-021-00096-7

Anderson, T., & Shattuck, J. (2012). Design-based research: A decade of progress in education research? Educational Researcher, 41(1), 16-25. https://doi.org/10.3102/0013189X11428813

ATLAS.ti Scientific Software Development GmbH. (2022). ATLAS.ti 22 [Computer software]. ATLAS.ti Scientific Software Development GmbH. https://atlasti.com

Bachelard, G. (2000). La formación del espíritu científico (23.ª ed.). Siglo XXI.

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of FAccT 2021, 610-623. https://doi.org/10.1145/3442188.3445922

Blonder, R., & Feldman-Maggor, Y. (2024). Generative AI in chemistry education: Cultural biases and pedagogical implications. Journal of Chemical Education, 101(8), 3201-3210. https://doi.org/10.1021/acs.jchemed.4c00311

Brown, A. L. (1992). Design experiments: Theoretical and methodological challenges in creating complex interventions in classroom settings. Journal of the Learning Sciences, 2(2), 141-178. https://doi.org/10.1207/s15327809jls0202_2

Chen, B. (2025). Generative AI as epistemic infrastructure: Implications for human epistemic agency in education. Educational Technology Research and Development. https://doi.org/10.1007/s11423-025-10478-9

Creswell, J. W., & Clark, V. L. P. (2018). Designing and conducting mixed methods research (3.ª ed.). SAGE.

Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20(1), 22. https://doi.org/10.1186/s41239-023-00392-8

DeLuca, C., Bolden, B., Chan, J., Poulton, P., & Searchfield, C. (2014). Collaborative inquiry for learning in education. McGill Journal of Education, 49(3), 643-664. https://doi.org/10.7202/1029328ar

Edelson, D. C. (2002). Design research: What we learn when we engage in design. Journal of the Learning Sciences, 11(1), 105-121. https://doi.org/10.1207/S15327809JLS1101_4

Estrada, A., Agudelo, P., & Flórez, R. (2025). Inteligencia artificial en la enseñanza de la química: revisión sistemática de tendencias y desafíos. Tecné, Episteme y Didaxis, 57(1), 45-68. https://doi.org/10.17227/ted.num57-18327

Fals Borda, O. (1985). Conocimiento y poder popular: Lecciones con campesinos de Nicaragua, México y Colombia. Siglo XXI.

Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods designs: Principles and practices. Health Services Research, 48(6pt2), 2134-2156. https://doi.org/10.1111/1475-6773.12117

Fishman, B., Penuel, W. R., Allen, A. R., Cheng, B. H., & Sabelli, N. (2013). Design-based implementation research: An emerging model for transforming the relationship of research and practice. En B. J. Fishman & W. R. Penuel (Eds.), Design-based implementation research (NSSE Yearbook, Vol. 112, Parte 2, pp. 136-156). National Society for the Study of Education.

Gell-Mann, M. (1994). El quark y el jaguar: Aventuras en lo simple y lo complejo. Tusquets.

Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542-570. https://doi.org/10.1111/ejed.12533

Jacobson, M. J., & Wilensky, U. (2006). Complex systems in education. Journal of the Learning Sciences, 15(1), 11-34. https://doi.org/10.1207/s15327809jls1501_4

Johnson, R. B., & Onwuegbuzie, A. J. (2004). Mixed methods research: A research paradigm whose time has come. Educational Researcher, 33(7), 14-26. https://doi.org/10.3102/0013189X033007014

Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

Kemmis, S., & McTaggart, R. (2014). Participatory action research. En N. K. Denzin & Y. S. Lincoln (Eds.), Handbook of qualitative research (4.ª ed., pp. 549-603). SAGE.

Kosmyna, N., Hauptmann, E., Yuan, Y. J., Liao, X.-H., Beresnitzky, A., & Braunstein, I. M. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. ArXiv. https://arxiv.org/abs/2506.08872

Maldonado, C. E. (2024). Inteligencia artificial y ética. Universidad El Bosque.

Max-Neef, M. A. (2005). Foundations of transdisciplinarity. Ecological Economics, 53(1), 5-16. https://doi.org/10.1016/j.ecolecon.2005.01.014

McKenney, S., & Reeves, T. C. (2019). Conducting educational design research (2.ª ed.). Routledge. https://doi.org/10.4324/9781315105642

Merleau-Ponty, M. (1993). Fenomenología de la percepción. Planeta-Agostini.

Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO Publishing.

Morin, E. (1999a). Los siete saberes necesarios para la educación del futuro. UNESCO Publishing.

Morin, E. (1999b). La cabeza bien puesta: Repensar la reforma, reformar el pensamiento. Nueva Visión.

Nicolescu, B. (1994). La transdisciplinariedad: Una nueva visión del mundo. Multiversidad Mundo Real Edgar Morin.

Popper, K. (1980). La lógica de la investigación científica. Tecnos.

Salinas, J. (2023). IA y docencia universitaria en ciencias exactas: Retos y perspectivas. Perfiles Educativos, 45(180), 112-129. https://doi.org/10.22201/iisue.24486167e.2023.180.60812

Swindell, J., Greeley, S., Farag, A., & Verdone, J. (2024). Generative AI and the Promethean gap: Rethinking human epistemic agency in the age of algorithmic intelligence. AI & Society. https://doi.org/10.1007/s00146-024-01887-y

UNESCO. (2021). Recomendación sobre la ética de la inteligencia artificial. UNESCO Publishing.

UNESCO. (2024). AI competency framework for students. UNESCO Publishing.

UNESCO. (2025). Media and information literacy: Global standards for MIL practitioners. UNESCO Publishing.

Wang, F., & Hannafin, M. J. (2005). Design-based research and technology-enhanced learning environments. Educational Technology Research and Development, 53(4), 5-23. https://doi.org/10.1007/BF02504682

Yuriev, E., Wink, M., & Holme, T. A. (2024). Generative AI in chemistry education: From personalised learning to ethical pedagogy. Chemical Education Research and Practice, 25(2), 341-358. https://doi.org/10.1039/D3RP00225J.