Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10259/11983
Título
Reconstrucción virtual del patrimonio industrial como eje didáctico en animación y otras enseñanzas artísticas profesionales: inteligencia artificial generativa y aprendizaje significativo en el caso de la Fabril Sedera S.A. (Burgos)
Autor
Director
Fecha de publicación
2026-06
Fecha de lectura/defensa
2026-06-26
Resumen
La irrupción de la inteligencia artificial generativa transforma las industrias creativas y plantea, en las enseñanzas artísticas, un desafío de fondo: el alumnado obtiene resultados verosímiles sin recorrer el proceso que sostiene el criterio profesional. Frente a esa creatividad indocumentada, este Trabajo Fin de Máster propone un modelo de cuatro capas integradas: el patrimonio industrial como eje cultural, una metodología de cuatro fases para la reconstrucción virtual rigurosa, la inteligencia artificial sometida a un protocolo de transparencia, atribución y validación, y las competencias profesionales propias del título, con aprendizaje basado en proyectos y Diseño Universal para el Aprendizaje como envolturas pedagógicas. El modelo se aplica al módulo de Medios Informáticos del CFGS de Animación de la EASD de Burgos sobre la Fabril Sedera S.A., fábrica textil desaparecida cuya chimenea aún se conserva junto al centro, en cinco unidades formativas, veinte actividades y un proyecto integrador a lo largo de 128 horas. La Casa de Calderas, hilo conductor del trabajo, contrasta el flujo riguroso del oficio con artefactos de IA generativa sobre la misma pieza. Se completa con un plan de validación prospectiva para el curso 2026/2027 con cuatro instrumentos triangulados.
Palabras clave
Reconstrucción virtual
Patrimonio industrial
Inteligencia artificial generativa
Aprendizaje significativo
Enseñanzas artísticas
Materia
Edificios industriales
Industrial buildings
Inteligencia artificial
Artificial intelligence
Aprendizaje
Learning, Psychology of
Documento(s) sujeto(s) a una licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Ficheros en este ítem
Nombre:
Serrano_Fernández_David-TFM.pdfEmbargado hasta: 2027-01-03
Tamaño:
2.086Mb
Formato:
Adobe PDF









