Original
Recibido: 20/8/2026 │Aceptado: 19/11/2026
Evaluación multidimensional de capacidades
tecnológicas para gestión de proyectos mediante modelado de información de
construcción
Multidimensional assessment of
technological capabilities for project management through building information
modeling
Erwin Alberto Conrado Ramos Pérez, Doctor en Gestión
Ambiental. Facultad de Ingeniería Civil. Universidad Nacional “San Luis
Gonzaga”. Ica, Perú.
Resumen
La evaluación de capacidades BIM exige diferenciar
conocimientos conceptuales, representación digital, interpretación técnica e
integración tecnológica en la gestión de proyectos. El objetivo de este trabajo
es analizar multidimensionalmente las capacidades tecnológicas para la gestión
digital de proyectos mediante modelado de información de construcción. Se
desarrolló un ejercicio metodológico de enfoque cuantitativo, orientación
aplicada, alcance descriptivo-comparativo y diseño no experimental. Se
utilizaron 50 registros simulados y 24 criterios distribuidos en cuatro
dimensiones, valorados mediante una escala Likert de cinco puntos. Se
calcularon estadísticos descriptivos y se aplicaron las pruebas de Friedman y
Wilcoxon para muestras relacionadas, con ajuste de Holm y estimación del
coeficiente de concordancia de Kendall. La puntuación global alcanzó una media
de 3,30 ± 0,46. El modelado y la representación digital obtuvieron la mayor
puntuación (3,59 ± 0,55), mientras que la interpretación y el análisis de
información técnica presentaron la menor (3,14 ± 0,68). Se identificaron
diferencias entre las cuatro dimensiones (χ² = 24,348; p = 0,000021; W =
0,162). Las comparaciones por pares confirmaron puntuaciones superiores en
modelado y representación digital respecto a las otras tres dimensiones, sin
diferencias significativas entre estas últimas. La distribución de las
puntuaciones permitió distinguir capacidades vinculadas con la representación
digital de aquellas relacionadas con la comprensión, interpretación e
integración de información técnica. Se concluye que el procedimiento permitió
caracterizar y comparar cuatro dimensiones de capacidades tecnológicas, lo que
constituye una base metodológica para futuras evaluaciones empíricas en la
formación universitaria de ingeniería civil.
Palabras
clave: capacidades tecnológicas, evaluación
multidimensional, gestión de proyectos,
modelado de información de
construcción
Abstract
The assessment of
BIM capabilities requires distinguishing conceptual knowledge, digital
representation, technical interpretation, and technological integration in
project management. The objective was to conduct a multidimensional analysis of
technological capabilities for digital project management through Building
Information Modeling. A methodological exercise was conducted using a
quantitative approach, applied orientation, descriptive-comparative scope, and
non-experimental design. Fifty simulated records and 24 criteria distributed
across four dimensions were used, with responses rated on a five-point Likert
scale. Descriptive statistics were calculated, and the Friedman and Wilcoxon
tests for related samples were applied, with Holm adjustment and estimation of
Kendall’s coefficient of concordance. The overall score reached a mean of 3.30
± 0.46. Modeling and digital representation obtained the highest score (3.59 ±
0.55), whereas the interpretation and analysis of technical information
presented the lowest (3.14 ± 0.68). Differences were identified among the four
dimensions (χ²
= 24.348; p = 0.000021; W = 0.162). Pairwise comparisons confirmed higher
scores for modeling and digital representation than for the other three
dimensions, with no significant differences among the latter. The score
distribution made it possible to distinguish capabilities associated with
digital representation from those related to the understanding, interpretation,
and integration of technical information. It is concluded that the procedure
enabled the characterization and comparison of four dimensions of technological
capabilities, providing a methodological basis for future empirical assessments
in undergraduate civil engineering education.
Keywords: building
information modeling, multidimensional assessment, project management,
technological capabilities
Introducción
La
gestión de proyectos de construcción demanda capacidades para organizar
información técnica, coordinar actividades y anticipar decisiones que
involucran diferentes componentes del proceso constructivo. La incorporación de
entornos digitales ha ampliado estas exigencias, al introducir nuevas formas de
representación, intercambio y utilización de información entre los
participantes de los proyectos (Wang et al., 2023; Goel, 2025). En este escenario,
el modelado de información de construcción ha adquirido importancia por su
capacidad para integrar información del proyecto y facilitar la coordinación
durante sus distintas fases (Del Savio et al., 2024; Ahankoob et al., 2025). Su
utilización también ha extendido las demandas de formación hacia conocimientos
que combinan interpretación técnica, manejo de recursos digitales y comprensión
de procedimientos de gestión constructiva (Olowa et al., 2023; Geng et al.,
2025).
La
incorporación de estas tecnologías en la ingeniería civil no se limita al
aprendizaje de programas informáticos, sino que comprende la capacidad para
utilizar representaciones digitales como soporte de actividades de análisis,
planificación y coordinación. En este sentido, la integración de conceptos
relacionados con la gestión de costos, la programación de actividades y la
colaboración interdisciplinaria adquiere relevancia en la preparación de
futuros profesionales (Patching et al., 2024; Brioso et al., 2023). Las
aplicaciones educativas basadas en dispositivos móviles, realidad virtual y
entornos digitales han ampliado los recursos disponibles para representar
situaciones constructivas y facilitar la comprensión de contenidos
especializados (Kuncoro et al., 2023; Hajirasouli et al., 2024; Valbuena et
al., 2024). Sin embargo, la disponibilidad de estos recursos no permite
establecer, por sí misma, el grado de capacidad que poseen los estudiantes para
utilizarlos en actividades vinculadas con la gestión de proyectos. Incluso las
experiencias de enseñanza virtual requieren considerar las condiciones de
implementación y la articulación de los contenidos con los propósitos de
aprendizaje (Abanda et al., 2025).
Una
dificultad relevante reside en que las capacidades tecnológicas pueden presentar
niveles de desarrollo diferentes dentro de una misma formación profesional. El
conocimiento de los fundamentos de una metodología digital no necesariamente
representa un dominio equivalente de las operaciones, la interpretación de
información o la resolución de problemas técnicos. Esta diferenciación resulta
pertinente ante las exigencias de alfabetización digital y solución
colaborativa de problemas identificadas en la educación superior técnica
(Luengo et al., 2024; Ebekozien et al., 2023). Asimismo, las evaluaciones
realizadas en estudiantes de carreras vinculadas con la construcción han
permitido reconocer diferencias entre las competencias digitales fundamentales
y aquellas que requieren una mayor especialización tecnológica (Hagan et al.,
2025). A estas dificultades se añaden las relacionadas con la heterogeneidad de
los conocimientos previos y la articulación de los contenidos tecnológicos
dentro de los programas universitarios (Kong, 2024).
La
identificación de estas diferencias plantea la necesidad de disponer de
procedimientos que permitan examinar las capacidades tecnológicas mediante
componentes diferenciados y criterios de valoración comparables. Una evaluación
centrada exclusivamente en la percepción general del dominio tecnológico podría
ocultar diferencias entre el conocimiento conceptual, la utilización de
herramientas, la interpretación de información y la preparación para intervenir
en procesos constructivos. Por consiguiente, una estructura multidimensional
permitiría organizar estas capacidades, establecer perfiles de desempeño y
reconocer los componentes que requieren mayor atención formativa. Esta
perspectiva resulta congruente con los planteamientos sobre las competencias de
empleabilidad en el sector de la construcción y la necesidad de integrar los
conocimientos tecnológicos en propuestas educativas orientadas al desempeño
profesional (Ghanbaripour et al., 2024; Jayathilaka et al., 2025).
En
correspondencia con esta problemática, el objetivo del estudio fue evaluar
multidimensionalmente las capacidades tecnológicas para la gestión digital de
proyectos mediante modelado de información de construcción en la formación
universitaria. La aproximación se orientó a estructurar un procedimiento de
valoración por componentes, identificar diferencias en sus niveles de
desarrollo y establecer criterios que contribuyeran a interpretar las
necesidades de fortalecimiento tecnológico. De este modo, el aporte esperado se
situó en la utilidad metodológica de una estructura de evaluación susceptible
de adaptación a otros contextos de formación en ingeniería civil.
Materiales y métodos
La
investigación se desarrolló con orientación aplicada, enfoque cuantitativo y
alcance descriptivo-comparativo, mediante un diseño no experimental de corte transversal.
El procedimiento se estructuró como una demostración metodológica para evaluar
capacidades tecnológicas vinculadas con la gestión digital de proyectos de
construcción mediante el modelado de información de construcción (BIM). El
escenario de referencia se delimitó en la ciudad de Ica, Perú, durante el
periodo comprendido entre febrero y julio de 2026. La propuesta se centró en
establecer una estructura de evaluación por componentes y examinar las
diferencias entre sus dimensiones mediante procedimientos estadísticos para
datos relacionados.
La
unidad de análisis estuvo constituida por 50 registros sintéticos, construidos
con fines de demostración y procesamiento estadístico. Estos registros no
correspondieron a estudiantes reclutados ni a observaciones obtenidas mediante
aplicación de un cuestionario en una institución educativa. Su generación
permitió representar perfiles hipotéticos con puntuaciones diferenciadas en
capacidades tecnológicas relacionadas con el uso de BIM. En consecuencia, no se
estableció una muestra empírica ni se efectuaron procedimientos de selección de
participantes. Los registros tampoco se utilizaron para estimar características
de una población universitaria, sino para comprobar la organización de los
indicadores, el cálculo de puntuaciones dimensionales y la aplicación de
pruebas estadísticas.
La
evaluación se organizó en cuatro dimensiones. La primera, comprensión de
fundamentos y estructura informacional, comprendió el reconocimiento de los
principios BIM, la organización de información del proyecto y la comprensión de
las relaciones entre sus componentes. La segunda, modelado y representación
digital, consideró las capacidades relacionadas con la elaboración,
modificación y representación de elementos constructivos mediante modelos
digitales. La tercera, interpretación y análisis de información técnica,
incorporó la lectura de datos del modelo, la identificación de inconsistencias
y la interpretación de información necesaria para valorar condiciones del
proyecto. La cuarta, integración tecnológica para la planificación y
coordinación de proyectos, comprendió la articulación de información digital
con actividades de programación, estimación de costos, coordinación de
participantes y gestión compartida de información. Estas dimensiones se
establecieron como componentes operativos de la propuesta de evaluación y no
como categorías universales o niveles profesionales estandarizados.
El
instrumento de evaluación se estructuró mediante 24 criterios, distribuidos
equitativamente entre las cuatro dimensiones, con seis criterios por
componente. Cada criterio se representó mediante una afirmación susceptible de
valoración en una escala ordinal de cinco categorías, desde 1 (totalmente en
desacuerdo) hasta 5 (totalmente de acuerdo). La puntuación de cada dimensión se
calculó mediante el promedio de sus seis criterios, siempre que se dispusiera
de respuestas completas. La puntuación global se obtuvo mediante el promedio de
las cuatro puntuaciones dimensionales. Para facilitar la interpretación
descriptiva se establecieron cinco intervalos: muy bajo (1,00–1,80), bajo
(1,81–2,60), medio (2,61–3,40), alto (3,41–4,20) y muy alto (4,21–5,00). Estos
intervalos tuvieron carácter interpretativo y se utilizaron exclusivamente para
describir la distribución de las puntuaciones generadas; no representaron
baremos validados de competencia tecnológica.
La
construcción de la matriz sintética comprendió la generación de 50 registros
con 24 respuestas individuales por registro. El procedimiento incorporó variación
entre las cuatro dimensiones y entre los criterios pertenecientes a cada una,
con el propósito de evitar puntuaciones idénticas y permitir el examen de
diferencias intra-registro. Para ello, se generaron puntuaciones latentes
correlacionadas entre dimensiones, a las que se incorporó variación específica
por criterio. Los valores resultantes se redondearon y limitaron a las cinco
categorías de la escala. La matriz se organizó en formato tabular, de modo que
cada fila representara un registro y cada columna correspondiera a uno de los
criterios o a una puntuación dimensional calculada. Se conservaron las
respuestas individuales para permitir la reproducción de los cálculos y la
verificación de los resultados.
El
procesamiento estadístico comprendió dos niveles. En el primero se calcularon
frecuencias absolutas, porcentajes, medias, desviaciones estándar, medianas y
rangos intercuartílicos para describir el comportamiento de los criterios y de
las cuatro dimensiones. La media y la desviación estándar se utilizaron como
indicadores complementarios de distribución, mientras que la mediana y el rango
intercuartílico tuvieron prioridad interpretativa por el carácter ordinal de
las respuestas originales.
En
el segundo nivel se aplicó la prueba de Friedman para comparar las puntuaciones
de las cuatro dimensiones, debido a que procedían de los mismos 50 registros y,
por tanto, constituían medidas relacionadas. La hipótesis nula estableció que
no existían diferencias en la distribución de rangos entre las dimensiones; la
hipótesis alternativa indicó que al menos una de ellas presentaba un
comportamiento diferente. Se consideró un nivel de significancia de 0,05. La
magnitud de la concordancia asociada con el resultado de Friedman se estimó
mediante el coeficiente W de Kendall, calculado como el cociente entre el
estadístico de Friedman y el producto del número de registros por el número de
grados de libertad de la prueba. Este coeficiente permitió complementar la
significancia estadística con una estimación de la magnitud del patrón de
diferencias observado.
Cuando
la prueba global de Friedman identificó diferencias estadísticamente
significativas, se efectuaron comparaciones pareadas mediante la prueba de
rangos con signo de Wilcoxon. Se examinaron las seis combinaciones posibles
entre las cuatro dimensiones y se aplicó el procedimiento de Holm para ajustar
los valores de probabilidad y controlar el error asociado con las comparaciones
múltiples. Se consideró significativo un valor de p ajustado inferior a 0,05. Como
medida complementaria se calculó la correlación biserial de rangos para datos
emparejados, con el propósito de describir la dirección y magnitud de las
diferencias entre cada par de dimensiones. La interpretación de estas
comparaciones se realizó en función de las puntuaciones de los registros
sintéticos y no como evidencia de diferencias entre grupos de estudiantes
reales.
Los
procedimientos de generación de la matriz y análisis estadístico se ejecutaron
mediante procesamiento computacional reproducible, utilizando Python y
bibliotecas especializadas para el cálculo estadístico. La base de datos y los
resultados se organizaron en hojas independientes para conservar la
trazabilidad entre los criterios originales, las puntuaciones dimensionales,
los estadísticos descriptivos y las pruebas inferenciales. La comprobación de
los resultados incluyó la revisión de las dimensiones comparadas, los
estadísticos de contraste, los valores de probabilidad y los ajustes aplicados
a las comparaciones pareadas.
La
evaluación de la validez de contenido se consideró una fase posterior de
desarrollo del instrumento, mediante revisión de especialistas en educación
tecnológica, metodología de investigación y gestión de proyectos constructivos.
También se contempló la realización de una prueba piloto y el análisis de
consistencia interna antes de una aplicación empírica. Estos procedimientos no
se consideraron ejecutados ni se atribuyeron propiedades psicométricas al
instrumento a partir de la matriz sintética. Por consiguiente, los resultados
estadísticos obtenidos no se utilizaron como evidencia de validez o fiabilidad
de la escala.
En
relación con los aspectos éticos, el procedimiento utilizó exclusivamente
información sintética, sin participación de personas, acceso a expedientes
académicos ni tratamiento de datos personales. Se mantuvo la distinción entre
los registros generados y cualquier información atribuible a estudiantes o
instituciones. Los resultados se limitaron a demostrar la aplicación del
procedimiento de evaluación y análisis estadístico, sin formular conclusiones
empíricas sobre la formación universitaria en ingeniería civil.
Análisis y discusión de
los resultados
La evaluación multidimensional de las capacidades
tecnológicas mostró diferencias en las puntuaciones obtenidas entre los cuatro
componentes establecidos (Tabla 1). La puntuación global alcanzó una media de
3,30 ± 0,46 y una mediana de 3,31, con valores comprendidos entre 2,46 y 4,54.
La distribución se concentró principalmente en el nivel medio (56,0 %) y, en
menor proporción, en el nivel alto (36,0 %). Este comportamiento permitió
identificar variaciones en el desarrollo representado por los registros
sintéticos, sin que ello constituyera una estimación de capacidades en
estudiantes reales.
Tabla 1. Distribución
descriptiva de las capacidades tecnológicas según dimensiones de evaluación
|
Dimensión |
Media ± DE |
Mediana (Q1–Q3) |
Muy bajo (%) |
Bajo (%) |
Medio (%) |
Alto (%) |
Muy alto (%) |
|
Comprensión
de fundamentos y estructura informacional |
3,16 ± 0,61 |
3,17 (2,83–3,63) |
2,0 |
14,0 |
52,0 |
30,0 |
2,0 |
|
Modelado
y representación digital |
3,59 ± 0,55 |
3,50 (3,21–3,83) |
0,0 |
4,0 |
34,0 |
46,0 |
16,0 |
|
Interpretación
y análisis de información técnica |
3,14 ± 0,68 |
3,17 (2,67–3,50) |
2,0 |
16,0 |
52,0 |
22,0 |
8,0 |
|
Integración
tecnológica para la planificación y coordinación de proyectos |
3,29 ± 0,59 |
3,25 (2,83–3,67) |
0,0 |
10,0 |
46,0 |
38,0 |
6,0 |
|
Puntuación
global |
3,30 ± 0,46 |
3,31 (2,92–3,57) |
0,0 |
4,0 |
56,0 |
36,0 |
4,0 |
Fuente: Elaboración
propia
El modelado y la representación digital alcanzaron la
mayor puntuación media (3,59 ± 0,55), con una mediana de 3,50. El 62,0 % de los
registros se ubicó en los niveles alto y muy alto para esta dimensión. En
contraste, la interpretación y el análisis de información técnica presentaron
una media de 3,14 ± 0,68, mientras que la comprensión de fundamentos y
estructura informacional obtuvo 3,16 ± 0,61. En ambas dimensiones predominó el
nivel medio, con proporciones del 52,0 %. La integración tecnológica para la
planificación y coordinación de proyectos alcanzó una media de 3,29 ± 0,59, con
el 44,0 % de los registros en los niveles alto y muy alto. En conjunto, estos
resultados describieron un comportamiento diferenciado entre las capacidades de
representación digital y aquellas relacionadas con la comprensión,
interpretación e integración de información técnica.
La comparación de las cuatro dimensiones mediante la
prueba de Friedman identificó diferencias estadísticamente significativas entre
las puntuaciones relacionadas (χ² = 24,348; gl = 3; p = 0,000021). El
coeficiente W de Kendall alcanzó 0,162, lo que representó una magnitud
relativamente baja de concordancia en el patrón de rangos. La dimensión de
modelado y representación digital presentó el mayor rango promedio (3,21), seguida
de la integración tecnológica para la planificación y coordinación de proyectos
(2,49), la comprensión de fundamentos y estructura informacional (2,21) y la
interpretación y análisis de información técnica (2,09). Esta distribución
permitió reconocer que las diferencias globales estuvieron acompañadas de una
posición relativamente superior del componente de modelado y representación
digital (Tabla 2).
Tabla
2. Comparación de las puntuaciones dimensionales mediante la prueba de Friedman
|
Dimensión |
Rango
promedio |
|
Comprensión de
fundamentos y estructura informacional |
2,21 |
|
Modelado y
representación digital |
3,21 |
|
Interpretación y
análisis de información técnica |
2,09 |
|
Integración
tecnológica para la planificación y coordinación de proyectos |
2,49 |
|
Estadístico |
Resultado |
|
Número de
registros |
50 |
|
Estadístico de
Friedman (χ²) |
24,348 |
|
Grados de
libertad |
3 |
|
Valor p |
0,000021 |
|
W de Kendall |
0,162 |
Fuente: Elaboración Propia
Las
comparaciones pareadas mediante la prueba de Wilcoxon, con ajuste de Holm,
identificaron diferencias estadísticamente significativas en tres de las seis
combinaciones examinadas (Tabla 3). El modelado y la representación digital
presentó puntuaciones superiores a la comprensión de fundamentos y estructura
informacional (p ajustado = 0,000112), a la interpretación y análisis de
información técnica (p ajustado = 0,000236) y a la integración tecnológica para
la planificación y coordinación de proyectos (p ajustado = 0,001617). Las
magnitudes de las correlaciones biseriales de rangos emparejados fueron 0,723,
0,720 y 0,618, respectivamente, en favor del modelado y la representación
digital.
Por
otra parte, no se identificaron diferencias estadísticamente significativas
entre la comprensión de fundamentos y estructura informacional y la
interpretación y análisis de información técnica (p ajustado = 0,909872), entre
la comprensión de fundamentos y la integración tecnológica (p ajustado =
0,470418), ni entre la interpretación y análisis de información técnica y la
integración tecnológica (p ajustado = 0,321544). Por consiguiente, las
diferencias detectadas en el contraste global se localizaron principalmente en
las comparaciones que involucraron el componente de modelado y representación
digital.
Tabla 3. Comparaciones
pareadas de las dimensiones mediante Wilcoxon y ajuste de Holm
|
Dimensional |
W de Wilcoxon |
p sin ajustar |
p ajustado (Holm) |
Correlación biserial de rangos |
Interpretación |
|
Fundamentos frente a modelado |
149,5 |
0,000019 |
0,000112 |
−0,723 |
Superior modelado |
|
Fundamentos frente a interpretación |
577,0 |
0,909872 |
0,909872 |
0,019 |
No significativa |
|
Fundamentos frente a integración |
412,5 |
0,235209 |
0,470418 |
−0,203 |
No significativa |
|
Modelado frente a interpretación |
126,5 |
0,000047 |
0,000236 |
0,720 |
Superior modelado |
|
Modelado frente a integración |
180,5 |
0,000404 |
0,001617 |
0,618 |
Superior modelado |
|
Interpretación frente a integración |
375,0 |
0,107181 |
0,321544 |
−0,275 |
No significativa |
Fuente:
Elaboración Propia
La
evaluación multidimensional de las capacidades tecnológicas mostró un
comportamiento diferenciado entre las cuatro dimensiones consideradas. El
modelado y la representación digital alcanzaron la puntuación media más alta
(3,59 ± 0,55), mientras que la interpretación y el análisis de información
técnica presentaron el valor inferior (3,14 ± 0,68). La comprensión de
fundamentos y estructura informacional obtuvo una media de 3,16 ± 0,61, y la
integración tecnológica para la planificación y coordinación de proyectos
registró 3,29 ± 0,59. Esta distribución sugirió que el desempeño representado
en el ejercicio no fue homogéneo y que las capacidades vinculadas con la
producción de modelos digitales ocuparon una posición relativamente favorable
frente a las relacionadas con el examen de información técnica.
La
diferencia entre el modelado y la interpretación técnica resultó especialmente
relevante porque ambas capacidades cumplen funciones complementarias: la
primera permite construir representaciones digitales y la segunda interviene en
la comprensión y utilización de la información que estas contienen. Esta
diferenciación fue contrastable con Hagan et al. (2025), quienes identificaron,
entre estudiantes de universidades técnicas de Ghana, un dominio moderado de competencias
digitales fundamentales y mayores dificultades en habilidades avanzadas, como
el modelado tridimensional y otras tecnologías especializadas.
Aunque
el patrón de los datos simulados no reprodujo necesariamente el comportamiento
descrito por estos autores, la comparación permitió reconocer que las
capacidades digitales pueden presentar niveles distintos según la naturaleza de
las tareas tecnológicas evaluadas. Por otra parte, Del Savio et al. (2024)
propusieron mecanismos curriculares para desarrollar y consolidar competencias
BIM mediante contenidos específicos, plataformas colaborativas, formación
docente y proyectos de aplicación. En conjunto, estos antecedentes permitieron
considerar que la formación BIM requiere una estructura que conecte el
conocimiento de sus fundamentos con la representación digital y la
interpretación de información técnica. No obstante, los resultados del presente
ejercicio no demostraron que esas condiciones curriculares estuvieran ausentes
en una institución real, sino que ilustraron una distribución posible de
capacidades que podría examinarse mediante una aplicación empírica.
La
dimensión de modelado y representación digital presentó una posición
relativamente superior, con una media de 3,59 y una proporción conjunta del 62
% en los niveles alto y muy alto. Este resultado descriptivo adquirió mayor
relevancia al considerar la prueba de Friedman, que identificó diferencias
entre las cuatro dimensiones evaluadas (χ² = 24,348; gl = 3; p =
0,000021). La comparación por pares mediante la prueba de Wilcoxon, con ajuste
de Holm, confirmó que el modelado y la representación digital obtuvo
puntuaciones significativamente superiores a la comprensión de fundamentos y
estructura informacional (p ajustado = 0,000112), a la interpretación y el
análisis de información técnica (p ajustado = 0,000236) y a la integración
tecnológica para la planificación y coordinación de proyectos (p ajustado =
0,001617).
Esta
diferenciación permitió interpretar que, dentro de la estructura de evaluación
propuesta, las actividades asociadas con la representación digital podían
alcanzar una valoración distinta de aquellas que demandaban comprender,
interpretar e integrar información para la gestión de proyectos. El resultado
encontró un punto de comparación en Abanda et al. (2025), quienes examinaron la
enseñanza virtual de módulos BIM y destacaron la posibilidad de desarrollar
contenidos técnicos mediante modalidades educativas a distancia. Sin embargo,
la disponibilidad de modalidades de enseñanza o de herramientas digitales no
garantiza, por sí misma, una integración equivalente de todas las capacidades
requeridas para trabajar con modelos de información.
De
manera complementaria, Patching et al. (2024) abordaron el diseño colaborativo
de un programa universitario que integró BIM, entrega integrada de proyectos y
Lean Construction. Este antecedente permitió considerar que la formación
tecnológica puede adquirir mayor amplitud cuando el modelado se relaciona con
procedimientos de coordinación y gestión, en lugar de limitarse a la
elaboración de representaciones digitales. En consecuencia, la diferencia
observada respaldó la conveniencia de estructurar la evaluación de BIM mediante
componentes que permitan distinguir la producción del modelo, la interpretación
de sus contenidos y su utilización en actividades de planificación y
coordinación.
La
interpretación y el análisis de información técnica constituyeron la dimensión
con la media más baja (3,14 ± 0,68), mientras que la comprensión de fundamentos
y estructura informacional alcanzó 3,16 ± 0,61. Ambas dimensiones concentraron
el 52 % de los registros en el nivel medio y no presentaron diferencias
estadísticamente significativas entre sí (p ajustado = 0,910). Tampoco se
identificaron diferencias significativas entre la comprensión de fundamentos y
la integración tecnológica para la planificación y coordinación de proyectos (p
ajustado = 0,470), ni entre la interpretación técnica y esta última dimensión
(p ajustado = 0,322). Estos resultados indicaron que las diferencias
descriptivas entre dichas capacidades no alcanzaron evidencia estadística
suficiente en las comparaciones realizadas.
La
proximidad de sus puntuaciones permitió considerar que, en el esquema
propuesto, la comprensión conceptual, la interpretación de información y la
integración para la gestión representaron componentes con valoraciones
relativamente próximas. Esta observación fue compatible con el planteamiento de
Ahankoob et al. (2025), quienes analizaron la aceptación de BIM y las experiencias
de aprendizaje en estudiantes universitarios de construcción desde el modelo de
aceptación tecnológica. Su aproximación permitió reconocer la importancia de
las percepciones sobre la tecnología en los procesos de aprendizaje, aunque la
aceptación no debió confundirse con la capacidad para interpretar información
técnica o utilizarla en decisiones relacionadas con proyectos.
Asimismo,
Geng et al. (2025) revisaron las competencias de empleabilidad requeridas para
los graduados del sector de la construcción, situando la preparación
profesional en un marco que supera el conocimiento de herramientas específicas.
Desde esta perspectiva, las capacidades tecnológicas asociadas con BIM deben
comprender tanto la familiarización con sus fundamentos como la interpretación
de información y su integración en procesos de trabajo. Sin embargo, los
resultados simulados no permitieron establecer que una dimensión condicionara
el desarrollo de otra ni que las puntuaciones representaran niveles reales de
preparación profesional.
La
comparación global de las dimensiones también requirió considerar la magnitud
de las diferencias observadas. El coeficiente de concordancia de Kendall
alcanzó un valor de 0,162, lo que reflejó una concordancia relativamente baja
en la diferenciación de las puntuaciones dimensionales. Por tanto, la
significación estadística de la prueba de Friedman no debió interpretarse como
evidencia de una separación amplia entre todas las capacidades evaluadas. La
diferencia se concentró principalmente en la posición superior del modelado y
la representación digital, mientras que las otras tres dimensiones no mostraron
diferencias significativas entre sí.
Esta
distinción fue importante para evitar una interpretación excesiva del resultado
global y para reconocer que la evaluación multidimensional permitió identificar
un perfil de puntuaciones, no una jerarquía absoluta de capacidades. En
relación con este planteamiento, Ghanbaripour et al. (2024) examinaron,
mediante una revisión sistemática, la influencia de tecnologías emergentes en
el aprendizaje, la participación y la empleabilidad dentro de la educación del
entorno construido. Su contribución permitió situar la formación tecnológica
como un proceso que requiere considerar simultáneamente los resultados de aprendizaje
y su pertinencia para el desempeño profesional.
De
manera complementaria, Brioso et al. (2023) estudiaron estrategias y
herramientas virtuales para la enseñanza de la construcción en estudiantes de
ingeniería civil, lo que reforzó la relevancia de incorporar recursos digitales
en actividades vinculadas con contenidos disciplinares. La convergencia
temática de estos antecedentes respaldó la pertinencia educativa de integrar
BIM en la formación universitaria, aunque no permitió atribuir a una herramienta
específica la mejora automática de las capacidades tecnológicas. En este
sentido, el aporte metodológico del ejercicio consistió en diferenciar cuatro
componentes de evaluación que permiten examinar, por separado, la comprensión
de fundamentos, la representación digital, la interpretación técnica y la
integración tecnológica para la gestión de proyectos. Esta organización podría
servir como base para diseñar instrumentos de evaluación y futuras
investigaciones empíricas orientadas a identificar perfiles de capacidades
tecnológicas en contextos formativos de ingeniería civil.
El
ejercicio presentó limitaciones metodológicas que condicionaron el alcance de
sus resultados. Los 50 registros fueron simulados y no procedieron de
estudiantes reales, por lo que las puntuaciones no permitieron generalizar los
hallazgos. Las pruebas estadísticas identificaron diferencias entre
dimensiones, pero no establecieron relaciones causales ni explicaron sus
posibles determinantes educativos. Asimismo, el instrumento requirió validación
de contenido por especialistas, pilotaje y evaluación de sus propiedades
métricas antes de su aplicación empírica. Por tanto, los resultados demostraron
la utilidad metodológica del procedimiento multidimensional, sin constituir
evidencia de dominio BIM, eficacia formativa o preparación profesional de
estudiantes.
Conclusiones
La
evaluación multidimensional permitió cumplir el objetivo de analizar las
capacidades tecnológicas para la gestión digital de proyectos mediante modelado
de información de construcción. Los resultados mostraron un comportamiento
diferenciado entre las cuatro dimensiones evaluadas, con una puntuación
relativamente superior en modelado y representación digital, que presentó
diferencias estadísticamente significativas respecto a la comprensión de
fundamentos, la interpretación de información técnica y la integración
tecnológica para la planificación y coordinación de proyectos.
En
cambio, no se identificaron diferencias significativas entre estas tres últimas
dimensiones. Este comportamiento evidenció la utilidad de distinguir los
componentes de las capacidades tecnológicas en lugar de interpretarlos como una
competencia única. Por tanto, el principal aporte del ejercicio consistió en
proponer un procedimiento de evaluación que permite caracterizar y comparar
dichas dimensiones, como base metodológica para futuras aplicaciones empíricas
en la formación universitaria de ingeniería civil.
Referencias
bibliográficas
Abanda,
F. H., Almukhtar, A., & Austin, M. (2025). Lessons from the virtual delivery of building information modelling
modules in the COVID-19 era. Buildings, 15(2), 215. https://doi.org/10.3390/buildings15020215
Ahankoob, A., Abbasnejad,
B., & Aranda, M. G. (2025). Building information modelling (BIM) acceptance
and learning experiences in undergraduate construction education: A technology
acceptance model (TAM) perspective—An Australian case study. Buildings,
15(11), 1804. https://doi.org/10.3390/buildings15111804
Brioso,
X., Calderón, H. C., & Fuentes, H. D. (2023). Strategies and virtual tools for teaching building
construction to civil engineering undergraduates: A case study. Advances in
Building, 7(3), 46-60. Education. https://doi.org/10.20868/abe.2023.3.5205
Del Savio, A. A., Galantini,
V. K., Luna, T. A., Salinas, S. J. R., & Vergara, O. M. A. (2024).
Embedding building information modelling in the construction area: A case
within an undergraduate civil engineering program. International Journal of
Engineering Pedagogy, 14(6), 109–138. https://doi.org/10.3991/ijep.v14i6.43927
Ebekozien,
A., Aigbavboa, C., & Aliu, J. (2023). Built
environment academics for 21st-century world of teaching: Stakeholders'
perspective. International Journal of Building Pathology and Adaptation,
41(6), 119–138. https://doi.org/10.1108/IJBPA-04-2022-0062
Geng, L., Ma, M., Osei-Kyei, R., Jin, X., &
Shrestha, S. (2025). A review of employability skills for graduates in the
construction sector. Higher Education, Skills and Work-Based Learning, 15(7),
153–170. https://doi.org/10.1108/HESWBL-08-2024-0242
Ghanbaripour,
A. N., Talebian, N., Miller, D., Tumpa,
R. J., Zhang, W., Golmoradi, M., & Skitmore, M. (2024). A systematic review of the impact of
emerging technologies on student learning, engagement, and employability in
built environment education. Buildings, 14(9), 2769. https://doi.org/10.3390/buildings14092769
Goel, A. (2025). Construction management students’
perception of BIM adoption and its implications in a non-mandated country. International
Journal of Construction Management, 25(3), 278–288. https://doi.org/10.1080/15623599.2024.2317038
Hagan, D. E., Aryanti, T.,
& Ilhamdaniah, I. (2025). Digital competencies
among construction students in Ghana's technical universities: A quantitative
assessment from the students’ perspective. TEKNIK, 46(3),
255–269. https://doi.org/10.14710/teknik.v46i3.68465
Hajirasouli,
A., Banihashemi, S., Sanders, P., & Rahimian, F.
(2024). BIM-enabled virtual reality (VR)-based pedagogical framework in
architectural design studios. Smart and Sustainable Built Environment, 13(6),
1490–1510. https://doi.org/10.1108/SASBE-07-2022-0149
Jayathilaka, R. D. W. W., Wijewickrama,
M. K. C. S., & Edwards, D. J. (2025). Developing a holistic teaching and
learning framework for construction management education: A systematic
literature review. Engineering, Construction and Architectural Management,
32(13), 258–284. https://doi.org/10.1108/ECAM-11-2024-1557
Kong, F. (2024). Research on the construction of civil
engineering curricula and the training model for innovative talents based on
BIM technology. Pacific International Journal, 7(6), 206–211. https://doi.org/10.55014/pij.v7i6.736
Kuncoro,
T., Ichwanto, M. A., & Muhammad, D. F. (2023).
VR-based learning media of earthquake-resistant construction for civil
engineering students. Sustainability,
15(5), 4282. https://doi.org/10.3390/su15054282
Luengo,
A. D., Cabello, P., & Rodriguez, M. B. B. (2024). Online collaborative problem-solving as a tangible
outcome of digital skills in technical and vocational higher education. Computers
& Education, 218, 105079. https://doi.org/10.1016/j.compedu.2024.105079
Olowa, T., Witt, E., & Lill, I. (2023). Building
information modelling (BIM)-enabled construction education: Teaching project
cash flow concepts. International Journal of Construction Management, 23(9),
1494–1505. https://doi.org/10.1080/15623599.2021.1979300
Patching, A., Skitmore, M.,
Rusch, R., & Lester, D. (2024). Case study of the collaborative design of
an integrated BIM, IPD and Lean university education program. International
Journal of Construction Management, 24(7), 799–808. https://doi.org/10.1080/15623599.2023.2215107
Valbuena, B. C., Lozano, R. N. E., Serrano, S. A.,
& Granados, L. C. (2024). CAMPUS: A mobile app for construction processes
learning and teaching in higher education. Computer Applications in
Engineering Education, 32(4), e22739. https://doi.org/10.1002/cae.22739
Wang, L., Huang, M., Zhang, X., Yan, X., Jin, R.,
Wanatowski, D., Cheshmehzangi, A., & Chohan, N.
(2023). Incorporating BIM into the upper-division curriculum of construction
engineering and management. European
Journal of Engineering Education,
48(3), 482–501. https://doi.org/10.1080/03043797.2022.2112150