ABRIL, 2026 (294-319)Número 28
METAANÁLISIS DEL EFECTO DE LA
INTEGRACIÓN DE LOS SIMULADORES
VIRTUALES EN LA ENSEÑANZA DE LAS
CIENCIAS
META-ANALYSIS OF THE EFFECT OF
INTEGRATING VIRTUAL SIMULATORS INTO
SCIENCE TEACHING
DOI: https://doi.org/10.37135/chk.002.28.14
Artículo de Revisión
Recibido: (01/09/2025)
Aceptado: (08/12/2025)
1Profesor-investigador y Asesor metodológico de investigación del Centro
Académico Cauchy, Riobamba, Ecuador, email: luischonillo035@gmail.com
Luis Orlando Chonillo-Sislema1
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
295
Los simuladores virtuales (SV) se han convertido en verdaderos escenarios del conocimiento,
al ser capaces de trasladar lo abstracto a lo visible y lo inaccesible a lo manipulable. Sin
embargo, pocos estudios han explorado, analizado y sistematizado el impacto de los SV en la
enseñanza de las ciencias. El método fue una revisión sistemática, aplicando la metodología
SALSA (Búsqueda, Evaluación, Síntesis y Análisis), con metaanálisis para denir el efecto
de los SV en el aprendizaje de los estudiantes. La muestra fue de 31 estudios extraídos de
Scopus, SciELO, PubMed y Latindex 2.0, en los que en primer lugar se analizó el papel
educativo de los SV en la última década; de ellos, 16 estudios fueron metaanalizados con un
total de 1296 estudiantes. El efecto medio estandarizado de intervenciones con SV fue grande
(1.73, IC95% [1.00;2.45]; Z = 4.67, p = .001) frente a los métodos tradicionales utilizados,
con una alta heterogeneidad (I2 = 94.8%, p < .01); variables como el nivel educativo, tipo
de simulación, enfoque metodológico y duración de programas modularon la efectividad de
los SV. Estos hallazgos respaldan que los SV son un recurso ecaz para la enseñanza de las
ciencias, siempre y cuando se articulen a procesos híbridos de aprendizaje.
PALABRAS CLAVE: Aprendizaje activo, enseñanza de las ciencias, estrategia de enseñanza,
metaanálisis, tecnología educacional
Virtual simulators (VS) have become true knowledge scenarios, capable of transforming the
abstract into the visible and the inaccessible into the manipulable. However, few studies have
explored, analysed, and systematized the impact of VS on science education. The method was
a systematic review that applied the SALSA methodology (Search, Assessment, Synthesis, and
Analysis) and used meta-analysis to dene the eect of VS on student learning. The sample
consisted of 31 studies extracted from Scopus, SciELO, PubMed, and Latindex 2.0, in which
the educational role of VAs over the last decade was rst analysed; of these, 16 were meta-
analysed, involving a total of 1,296 students. The standardized mean eect of SV interventions
was large (1.73, 95% CI [1.00; 2.45]; Z = 4.67, p = .001) compared to traditional methods,
with high heterogeneity (I² = 94.8%, p < .01); variables such as educational level, type of
simulation, methodological approach, and program duration modulated the eectiveness of
VEs. These ndings support the use of VEs as an eective resource for science education,
provided they are integrated into hybrid learning processes.
KEYWORDS: Active learning, science education, teaching strategy, meta-analysis,
educational technology
RESUMEN
ABSTRACT
METAANÁLISIS DEL EFECTO DE LA
INTEGRACIÓN DE LOS SIMULADORES
VIRTUALES EN LA ENSEÑANZA DE LAS
CIENCIAS
META-ANALYSIS OF THE EFFECT OF
INTEGRATING VIRTUAL SIMULATORS INTO
SCIENCE TEACHING
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
296
INTRODUCCIÓN
Es indiscutible que, gracias a las nuevas tecnologías aplicadas a
la educación cientíca, los modelos tradicionales de enseñanza se
ven interpelados por formas nuevas de representar y comprender la
realidad. Antes de la revolución digital, aprender ciencias en las aulas
resultaba un ejercicio complejo, distante e incluso inalcanzable, pues la
comprensión de muchos fenómenos quedaba limitada a la imaginación
del estudiante.
La enseñanza de las ciencias experimentales -química, física y biología-,
históricamente centrada en la transmisión unidireccional de contenidos
y en prácticas convencionales en el laboratorio, se ha revitalizado
gracias a las tecnologías inmersivas que permiten integrar elementos
virtuales al entorno real, dando cabida a múltiples vínculos en los que
se representan las ciencias.
El creciente interés por incorporar recursos digitales en los procesos
pedagógicos responde no solo a la necesidad de modernizar los entornos
educativos, sino también a la demanda de experiencias de aprendizaje
más signicativas, dinámicas y personalizadas. Esto se debe a que los
“estudiantes se han convertido en exigentes evaluadores de la actividad
didáctica del docente; es por ello que la educación tradicional de las
ciencias en las aulas les parece tediosa, abstracta, de poco aporte a su
aprendizaje” (Carbajal-Destre et al., 2022, p. 485).
La adquisición del conocimiento desde la lógica de Bruner (1974)
sucede cuando el alumno aprende desde el descubrimiento, que tiene
lugar durante una exploración motivada por la curiosidad de conocer
acerca de la asignatura. En este marco, los SV proporcionan al alumno
un mayor contacto efectivo con la ciencia, permitiéndoles aprender de
forma intuitiva y dinámica. Para George Pimentel (citado en Hernández,
2012), los SV están diseñados para que el estudiante comprenda mejor
la naturaleza de las ciencias, ya que estos exigen un realismo que facilita
entrar en contacto con ciertos elementos de un caso real.
Su utilización no constituye una novedad: desde hace años, los
profesores de ciencias recurren a simuladores como estrategia didáctica
para favorecer aprendizajes en temáticas abstractas. En palabras de
Martínez (2005) el estudio de las ciencias:
debe apoyarse de actividades auxiliares en las que se muestren
los procesos, cambios y los fenómenos naturales, en un
entorno lo más cercano a como se producen en la realidad,
para que los estudiantes puedan apreciar variaciones y puedan
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
297
llegar a determinadas conclusiones, si son bien conducidos la
observación, interpretación y el razonamiento. (p 8)
Los SV, integrados en plataformas de realidad aumentada, laboratorios
digitales, mundos virtuales 3D o interfaces basadas en inteligencia
articial, constituyen complejos sistemas capaces de reproducir y
replicar aspectos conceptuales en escenarios reales. Gracias a ellos,
hoy es posible modelar procesos químicos, visualizar estructuras
microscópicas, simular condiciones experimentales con un grado
de detalle, entender procesos celulares o interacciones planetarias a
gran escala. A través de sus escenarios dinámicos y manipulables, se
posicionan como una estrategia disruptiva que desafía los modelos de
enseñanza-aprendizaje lineales y memorísticos.
Para Carrizo (2021), los SV constituyen un espacio articial o
mundo imaginario con el cual el estudiante interactúa. Estos entornos
virtuales sustentan su valor pedagógico en el aprendizaje experiencial
(experiential learning) y en su aplicación práctica aprender haciendo
(learning by doing). Ambos términos coinciden que la forma más ecaz
de construir el conocimiento es a través de experiencias signicativas.
En la misma línea, Cueva et al. (2019) alude que los SV representan un
nuevo lenguaje práctico para la enseñanza de conceptos y la génesis de
conocimientos, proceso que tiene al interior de escenarios difusos de
elementos centrales y cambiantes.
En los últimos años, diversos estudios han explorado el efecto de
las tecnologías en la educación, intensicando los resultados de
aprendizaje en varias disciplinas académicas. Los SV han sido objeto
de creciente atención en investigaciones orientadas a la enseñanza de
las ciencias, quienes han intentado sintetizar la ecacia de los SV sobre
los resultados del aprendizaje (Campos & Benarroch, 2024; Kartimi
et al., 2022; Rosli & Ishak, 2024; Villalobos-Molero & Romero-
Alonso, 2023; Yaipén-Gonzales et al., 2023; Zárate-Moedano et al.,
2022). Sin embargo, la mayoría de estas revisiones han sido narrativas,
bibliométricas, bibliográcas o sistemáticas, evidenciando resultados
muy prometedores en cuanto al entendimiento y comprensión de las
ciencias y sin llegar a cuanticar de manera precisa el impacto de los
SV en el aprendizaje.
De hecho, algunos metaanálisis como el de Cao et al. (2025), D’Angelo
et al. (2013; 2014) lo han realizado en materias STEM (acrónimo
en inglés de Science, Technology, Engineering, and Mathematics);
Zaturrahmi et al. (2020) sobre laboratorios virtuales (LV); Li y Liang
(2024) LV en educación en ingeniería; y Uslu-Sahan et al. (2023) en
simulación de realidad virtual aplicada a enfermería. Como se evidencia,
investigaciones similares existen, pero ninguno cuantica el impacto de
los SV en la enseñanza de las ciencias experimentales a partir de la
evidencia reportada en la literatura.
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
298
Por consiguiente, para avanzar en la creación de nuevo conocimiento,
se requiere de un acercamiento analítico que evalúe los resultados
acumulados de estudios previos sobre los SV. A partir de estas
consideraciones, la revisión previa al presente artículo se enfocó en
comparar los hallazgos obtenidos en diferentes niveles educativos,
áreas experimentales y contextos geográcos, para establecer patrones
comunes y detectar brechas de conocimiento. Los resultados de este
artículo permitirán conocer la magnitud de este impacto y apoyaría el
proceso de decisión de los docentes que se planteen adoptar SV como
centros de conocimiento para la enseñanza de las ciencias.
METODOLOGÍA
A partir de los estudios de Ronilo y Castro (2023) y Bernal-García
et al. (2022), se ejecutó una revisión sistemática (RS) con metaanálisis
(MA). La revisión construyó su corpus de conocimiento a partir de
dos fuentes: la primera giró en torno a la interpretación, síntesis y
análisis de la literatura cientíca recabada de los estudios seleccionados
y la segunda combinó datos (n, muestra; M, media; SD, desviación
estándar), adoptados de los estudios para realizar el MA.
Para la noticación adecuada de los resultados, se utilizaron las
recomendaciones de los reportes de Botella y Zamora (2017) y Sánchez-
Meca (2022). Para el desarrollo de la RS y el MA se empleó la metodología
SALSA (acrónimo en inglés de Search, Appraisal, Synthesis, Analysis;
Grant y Booth, 2009). Este marco “garantizó precisión investigativa,
sistematización, exhaustividad y reproducibilidad del estudio (…)
reduciendo riesgos relacionados con el sesgo de publicación y aumentar
su aceptabilidad” (Mengist et al., 2020, p. 8).
La revisión fue realizada en cinco pasos:
1. Protocolo de investigación
Se utilizó el framework PICOS1 para la composición de la pregunta,
pregunta que responde: ¿Cuál es la efectividad de los SV en la enseñanza
de las ciencias, en comparación con los métodos tradicionales, para
mejorar el aprendizaje de los estudiantes según la evidencia en estudios
cuasiexperimentales?
A partir de esta pregunta y de los antecedentes revisados se desprende
la siguiente hipótesis: las intervenciones basadas en SV producen
resultados de aprendizaje signicativamente superiores en comparación
con las intervenciones tradicionales.
Además, también se recurrió a preguntas como: a) ¿Qué estudios se
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
299
Por consiguiente, para avanzar en la creación de nuevo conocimiento,
se requiere de un acercamiento analítico que evalúe los resultados
acumulados de estudios previos sobre los SV. A partir de estas
consideraciones, la revisión previa al presente artículo se enfocó en
comparar los hallazgos obtenidos en diferentes niveles educativos,
áreas experimentales y contextos geográcos, para establecer patrones
comunes y detectar brechas de conocimiento. Los resultados de este
artículo permitirán conocer la magnitud de este impacto y apoyaría el
proceso de decisión de los docentes que se planteen adoptar SV como
centros de conocimiento para la enseñanza de las ciencias.
METODOLOGÍA
A partir de los estudios de Ronilo y Castro (2023) y Bernal-García
et al. (2022), se ejecutó una revisión sistemática (RS) con metaanálisis
(MA). La revisión construyó su corpus de conocimiento a partir de
dos fuentes: la primera giró en torno a la interpretación, síntesis y
análisis de la literatura cientíca recabada de los estudios seleccionados
y la segunda combinó datos (n, muestra; M, media; SD, desviación
estándar), adoptados de los estudios para realizar el MA.
Para la noticación adecuada de los resultados, se utilizaron las
recomendaciones de los reportes de Botella y Zamora (2017) y Sánchez-
Meca (2022). Para el desarrollo de la RS y el MA se empleó la metodología
SALSA (acrónimo en inglés de Search, Appraisal, Synthesis, Analysis;
Grant y Booth, 2009). Este marco “garantizó precisión investigativa,
sistematización, exhaustividad y reproducibilidad del estudio (…)
reduciendo riesgos relacionados con el sesgo de publicación y aumentar
su aceptabilidad” (Mengist et al., 2020, p. 8).
La revisión fue realizada en cinco pasos:
1. Protocolo de investigación
Se utilizó el framework PICOS1 para la composición de la pregunta,
pregunta que responde: ¿Cuál es la efectividad de los SV en la enseñanza
de las ciencias, en comparación con los métodos tradicionales, para
mejorar el aprendizaje de los estudiantes según la evidencia en estudios
cuasiexperimentales?
A partir de esta pregunta y de los antecedentes revisados se desprende
la siguiente hipótesis: las intervenciones basadas en SV producen
resultados de aprendizaje signicativamente superiores en comparación
con las intervenciones tradicionales.
Además, también se recurrió a preguntas como: a) ¿Qué estudios se
obtienen de la literatura cientíca acerca de los SV en el aprendizaje de
las ciencias? b) ¿Cuáles son los simuladores más investigados para la
enseñanza de las ciencias experimentales? c) ¿Qué contenidos se han
abordado en las investigaciones sobre los SV?
2. Search (Búsqueda)
La búsqueda se efectuó de abril a junio de 2025 en las bases de datos
de Scopus, PubMed, Scientic Electronic Library Online (SciELO) y
el catálogo Latindex 2.0, empleando las palabras clave en español e
inglés: “simuladores virtuales”, “virtual simulators”, “virtual labs”,
“aprendizaje en ciencias”, “learning with simulations”. También,
se empleó Google Académico con el propósito de detectar posible
literatura gris sobre el tema. Para mejorar la precisión de la búsqueda, se
utilizaron operadores booleanos (AND, OR). El periodo de indagación
se delimitó a diez años entre 2015 y 2025, con el n de garantizar la
actualidad de los resultados.
3. Appraisal (Valoración)
Los estudios se sometieron a un proceso de valoración crítica. Se
incluyeron: a) investigaciones empíricas que evalúen la variable
aprendizaje; b) estudios con enfoque cuantitativo o mixto; c) estudios con
diseño cuasiexperimental con grupo control (GC) y grupo intervención
(GI); d) publicaciones con suciente información estadística M (media),
SD (desviación estándar); e) en formato (artículo, ponencia, capítulos,
etc.); y f) estudios publicados en idioma inglés y español. Por otro lado,
se excluyeron: a) publicaciones duplicadas; b) estudios sin respaldo
estadístico; y c) documentos que no presentaban resultados claros en
términos de aprendizaje.
Como se observa en la gura 1, se identicaron 190 registros
provenientes de las bases Scopus (n = 65), Pubmed (n = 26), SciELO
(n = 44) y Latindex 2.0 (n = 55); y 10 estudios se integraron desde
una búsqueda complementaria. El total de registros (n = 200) pasaron
al software Mendeley para su posterior análisis, donde los duplicados
también fueron eliminados (n = 46), al igual que investigaciones que
solo contaban con el resumen (n = 45), lo que resultó en 109 documentos
únicos que pasaron a una lectura rápida del título, palabras clave y
resumen, descartándose 35 estudios por problemas de acceso para su
lectura.
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
300
Figura 1: Diagrama de ujo del proceso de búsqueda y selección de
estudios
A partir de estos criterios de inclusión, a los 74 documentos registrados
se les realizó una revisión exhaustiva de los textos completos, donde se
excluyeron 43 estudios por no tener claridad en el diseño metodológico,
información cualitativa sin respaldo estadístico (M, SD), estudios en
idiomas ajenos al español e inglés, y estudios con SV aplicados en otras
disciplinas académicas (e.g., matemática). Así, el paquete nal quedó
conformado por 31 estudios que cumplieron con los objetivos y criterios
establecidos, donde 11 fueron de Scopus; 4 de PubMed; 8 de Latindex;
2 de SciELO y 6 se integraron en la búsqueda complementaria.
4. Synthesis (Síntesis)
La información obtenida del paquete nal se organizó a través de varios
indicadores bibliométricos almacenados en una matriz en Microsoft
Excel, como la población involucrada, los contextos educativos (escolar,
universitario o formación técnica), así como resultados relacionados
con el aprendizaje. Esta síntesis identicó tendencias comunes como
el número de estudios por año, países con mayor utilización de SV,
niveles educativos en que fueron aplicados, diseños metodológicos,
instrumentos, tipo de simulación y contenidos temáticos para los cuales
fueron abordados.
5. Analysis (Análisis)
Se efectuó un análisis de la información de los estudios que fue
organizada en indicadores bibliométricos y la gestión de grácos de
frecuencia, nubes de palabras y redes de concurrencia, utilizando SPSS
V.27 y VOSviewer. De ellos, un número pequeño de estudios aportaron
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
301
datos estadísticos (n, M, SD) para el MA; se empleó el software RStudio
para el análisis estadístico con la intención de calcular las diferencias de
medias estandarizadas (DMS) (evaluó el DMS como <0.2, trivial; 0.2-
0.5, pequeño; 0.6-1.2, moderado; 1.2-2.0, grande; 2.0-4.0, muy grande;
> 4.0, extremadamente grande; Cohen, 2013).
La medida DMS se empleó porque todos los estudios evaluaron la
misma variable (aprendizaje), pero de forma distinta. En el caso de
detectar heterogeneidad, se procedió a aplicar el modelo de efectos
aleatorios; sin embargo, al aplicar este procedimiento, no se resolvió
la heterogeneidad. En consecuencia, se llevó a cabo un análisis de
sensibilidad leave-one-out, acompañado de la interpretación del
gráco Galbraith plot para examinar la heterogeneidad y un análisis
de variables moderadoras que permitió explicar las posibles fuentes de
dicha variación.
La medida I2 se analizó como marcador estadístico junto a la chi-cuadrada
para determinar si las diferencias observadas eran compatibles solo
con el azar. Para medir la heterogeneidad, se utilizaron los siguientes
parámetros de evaluación: inconsistencia pequeña, 25-50; media, 50-
75; alta, cuando es superior el porcentaje al 75 % (Higgins, 2003).
Finalmente, el sesgo de publicación se evaluó a partir de la interpretación
gráca funnel plot y se vericó mediante pruebas estadísticas (Sánchez-
Meca, 2022).
RESULTADOS Y DISCUSIÓN
CARACTERÍSTICAS GENERALES
A continuación, se presentan los resultados de la RS y el MA en dos
secciones, la primera contiene las tendencias en la aplicación de
los SV en la enseñanza de las ciencias, a partir del análisis de datos
bibliométricos y metodológicos, mientras que en la segunda sección se
expone el efecto de los SV en la enseñanza de las ciencias, para lo cual
se realizó una estimación del efecto combinado, como consecuencia del
análisis de resultados de los estudios independientes revisados.
La tabla 1 expone datos cualitativos más relevantes de la revisión;
de estos, 16 de ellos (estudios 2, 4, 7, 10, 13, 14, 15, 16, 17, 18, 19,
20, 21, 22, 28, 29, 31; tabla 2) eran susceptibles para el MA, ya que
los demás solo proporcionaban valores del pretest y postest en el GI,
intervenciones sin GC y estudios con muestras n < 20 individuos o
faltaban datos de la M o SD.
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
302
Tabla 1: Resumen de los estudios incluidos en la revisión
Tabla 2: Resumen de los estudios incluidos en el MA
TENDENCIAS DE LOS SV EN LA ENSEÑANZA DE
LAS CIENCIAS
La evolución de la producción cientíca referida al uso de los SV
evidenció que los años con mayor difusión de estudios fueron
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
303
2021 y 2023, con un 19.35 % cada año, siendo evidente una mayor
cantidad de publicaciones en el 2024 y 2025 (revisado hasta junio).
Los picos en estos años muestran una dinámica interesante debido a la
migración a la modalidad virtual ante las regulaciones por la pandemia
de la COVID-19, que obligó a la adopción de nuevas tecnologías de
aprendizaje. De igual forma, la base de datos Scopus (n = 11, 35.48%)
arrojó la mayor cantidad de trabajos referidos al tema.
En relación con la distribución geográca (gura 2B), trece manuscritos
fueron realizados en países americanos (Perú, Ecuador, Colombia,
Estados Unidos, México); diez en países asiáticos (Filipinas, Taiwán,
China, Malasia, Israel, Indonesia); cuatro en Europa (España, Italia,
Eslovenia), y cuatro en países africanos (Nigeria, Etiopía, Rwanda); y
fueron Ecuador (n = 7, 19%) y Malasia (n = 7, 12%) quienes presentan
el mayor número de estudios. Asimismo, el análisis lingüístico de las
publicaciones reveló estudios escritos en inglés (n = 21, 67.7%) y en
español (n = 10, 32.3%).
Para Lorenzo (2022), el continuo crecimiento de nuevos estudios sobre
tecnologías inmersivas es cada vez más recurrente en los ámbitos del
conocimiento experimental que lo utilizan como una herramienta para
el proceso de aprendizaje y enseñanza. Este hallazgo ha podido obtener
una imagen sobre los años y los países que han sido pioneros de nuevas
ideas e intervenciones en el ámbito de la tecnología educativa en el
campo de las ciencias experimentales.
El análisis de los campos de conocimiento evidencia una marcada
predominancia de las investigaciones en un 41.9 % en Biología, un 35.5
% en Química y el 22.6 % en Física; donde la mayor parte se aplicó dentro
de las Ciencias Sociales (n = 24, 74.42 %), el 16.13 % (5) en Ciencias
de la Salud y el 6.52 % (2), ambas en Ciencias Naturales e Ingeniería.
Esta distribución está asociada con la facilidad de implementar recursos
digitales y técnicas, donde los contenidos resultan más cercanos a la vida
cotidiana y permiten mayor conexión con la realidad de los estudiantes.
También los estudios revisados indicaron una concentración de
experiencias con SV llevada a cabo en niveles de bachillerato con el
48.4 % de los trabajos abordados. Además, la presencia de niveles de
educación superior (48.4 %) y un 9.7 % se vinculan a nivel de primaria
(ver gura 2C).
El análisis de los diseños de investigación muestra que la mitad de los
estudios son o bien cuantitativos (n = 24, 77.42%) o bien mixtos (n =
4, 12.90%); cuatro estudios no especicaron información N/A (n = 3,
9.68%). La mayoría responden a investigaciones cuasiexperimentales
con grupo control (n = 23, 74.2%), cuasiexperimentales en un único
grupo (n = 3, 9.7%), cuasiexperimentales con postest (n = 3, 10%).
También, se encontraron estudios N/A (n = 1, 3.2%) y no experimentales
(n = 1, 3.2%).
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
304
También, los estudios fueron apoyados por una amplia variedad
de instrumentos de evaluación, pruebas objetivas, actividades
experimentales; encuestas de percepción, satisfacción (estudiantes),
opinión (docentes) y motivación. De igual manera, emplearon
instrumentos especícos: prueba práctica de física (PPT), la escala de
actitud hacia la física práctica (PPAS), el test de logros prácticos en
química (CPAT), el cuestionario de estrategias motivacionales para el
aprendizaje (Pintrich et al., 1993), de actitud (Penichet & Mato, 1996),
de motivación de materiales didácticos (Loorbach et al., 2015) y de
competencias (Cobos et al., 2012).
Los estudios examinados contrastan aspectos coherentes con la
focalización en el constructo rendimiento académico a causa de
los SV, para lo cual se evidenció la utilización de una diversidad de
instrumentos y mediciones relacionadas principalmente con los
procesos de aprendizaje, ejercen una gran inuencia en el aprendizaje
de nuestros estudiantes.
Figura 2: Indicadores bibliométricos de las investigaciones revisadas
(n = 31)
Siguiendo con el desarrollo metodológico, se empleó el análisis del
contenido, con el n de crear una nube de palabras (NP) que visualizara
los descriptores más empleados en los estudios (gura 3). También para
analizar posibles asociaciones entre los términos, se utilizó la técnica de
mapeo VOS (visualización de similitudes, gura 4).
En la gura 3 se observan los términos más repetidos en los resúmenes,
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
305
como el ranking de las 20 palabras más frecuentes; se visualizan como
palabras más frecuentes: estudiantes, virtuales, aprendizaje, laboratorio,
experimental, química, simulación, física, enseñanza, anatomía,
conocimiento, comprensión, PhET, entre otros; lo que corrobora la
búsqueda realizada por términos clave.
Figura 3: Nube de palabras y ranking de frecuencia de términos clave
En la red bibliométrica, los nodos reejan la frecuencia de aparición
de la palabra (clústeres de colores), mientras que la proximidad y el
grosor de las líneas indican la fuerza de relación entre estos conceptos.
En el centro, se visualiza una fuerte relación de los clústeres simulation
(simulación, azul), virtual (amarillo), virtual laboratory (laboratorio
virtual, verde), medical education (educación médica, rojo), anatomy
(anatomía, rosa) y education (educación, celeste); destacan como los
términos centrales más prominentes dentro de los SV. Estos conceptos
están interconectados con varios clústeres especícos, como el asociado
a “simulation”, “higher education” (violeta), “secondary education”
(naranja); subrayan su uso en aspectos como “virtual simulation”,
“interactive simulation” y “academic performance”. Estas palabras
resaltan las implicaciones prácticas de estas tecnologías en el ámbito
pedagógico de las ciencias.
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
306
Figura 4: Mapa de coocurrencias de términos en las áreas de SV y
educación.
En relación con el tipo de simulación, la mayor parte de estudios
incorporaron laboratorios virtuales (n = 12, 38.7%), simuladores (n
= 12, 38.7%), simuladores de disección (n = 5, 16.1%), de realidad
aumentada (n = 1, 3.2%) y realidad virtual (n = 1, 3.2%). Las lecturas
en los documentos reejaron una fuerte adopción de SV, aplicados en
Física, Química y Biología, los que fueron clasicados en distintas
categorías, como se observa en la gura 5:
− Simuladores de situaciones reales (e.g., simulaciones médicas).
− Simuladores de realidad 3D (e.g. BioDigital, Mozaik education,
SurgicalAR, iCell©, Jipspace, Visual Body 7, Unity y Vuforia,
MelScience, Avogrado, Anatomage)
− Simuladores de procesos (e.g. PhET, Froguts, Biomodel,
Chemsketch, Edumedia, ChemDraw, Learn Genetics).
− Simuladores de experimentación (e.g. Chemlab 2.5, Pearson;
Yenka, Crocodile Chemistry 605, Go-Lab, American Association of
Chemistry Teachers, Olabs, ChemCollective, LV cruzando moscas,
Chemix, Lab. Salvador-Hurtado, Microoscope, Lab. Blogspot ,
BioNetwok).
Estos simuladores han demostrado ser de gran utilidad pedagógica
en contextos reales de la educación cientíca. Los SV como los
mencionados permiten un grado de personalización de los contenidos
cientícos que se ajustan a la dinámica teórico-práctica. En cuanto a los
temas abordados, estos fueron:
− Química: titulaciones, disoluciones, gravimetría, pH, molaridad,
balanceo de ecuaciones (1); propiedades físicas de sustancias,
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
307
enlaces químicos, compuestos inorgánicos, reactivo limitante y en
exceso, propiedades de los gases y sus leyes (3, 30); reacciones,
soluciones acuosas (conductividad eléctrica) (4); sustancias puras
granulares, separación de mezclas (12); cinética química (16);
electroquímica (20); volumetría y formación de sales (21); fuerzas,
energías y fenómenos eléctricos (22); solubilidad (24); y reacción
nuclear (31).
− Biología: Disección: humano (corazón, 29) y animales (ranas
y calamares [2, 6]; cerdo (corazón, estómago, riñón) y cordero
(mediastino, pulmón, hígado) [5]); Anatomía humana: general
(26); especícos como plexo braquial (7); pelvis, perineo y sistema
musculoesquelético (MSK) (8), cabeza y cuello (9) y antebrazo
(huesos, músculos, vasos y nervios) (27). También, genética
mendeliana: Drosophila melanogaster (13); parasitología (14);
expresión genética (23) e histología (25).
− Física: energía y trabajo (10), movimiento en una dimensión, dos
dimensiones (proyectiles), circular y fuerzas (11), movimiento
armónico simple y energía (17), corriente eléctrica (19) y cinemática
bidimensional (28).
Figura 5: SV y sus aplicaciones en las ciencias experimentales
La pluralidad de los contenidos abordados, la diversidad de enfoques
metodológicos y, en especial, la variedad de plataformas de simulación,
concuerdan con lo encontrado por Kebritchi et al. (2010) y reforzado
por Tüysüz (2010), quienes sostienen que la ecacia de los SV no
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
308
radica únicamente en la herramienta empleada, sino en la solidez de su
integración pedagógica. En la misma dirección
Puicaño-Camavilca (2024) enfatiza que la integración de tecnologías
digitales en el aula no constituye únicamente una alternativa a las
metodologías tradicionales, sino que congura un escenario de
aprendizaje más versátil, dinámico e inmersivo, donde los estudiantes
no solo acceden a múltiples fuentes de información, sino que también
interactúan con ellas. Esto siempre y cuando los SV estén acompañados
de un diseño didáctico que potencie su uso.
EFECTO DE LOS SV EN LA ENSEÑANZA DE LAS
CIENCIAS
Los hallazgos metaanalíticos sobre el uso de SV en el aprendizaje
en las ciencias experimentales (k = 16) incluyeron un total de 1296,
compuesto por 643 participantes (GE), expuestos a SV, y 653 (GC) a
metodologías tradicionales. El análisis estadístico del MA representado
en el diagrama de bosque o forest plot que se visualiza en la gura 6,
evidenció que la estimación del efecto global favorece al GI respecto
al GC (DMS = 1.73; Z = 4.67, p < .001), mostrando una oscilación de
los efectos entre 1.00 y 2.45. Lo que respalda el objetivo planteado
en este estudio, pues los entornos de simulación constituyen recursos
ecaces para promover la comprensión conceptual, la experimentación
y el aprendizaje signicativo.
El forest plot reveló que catorce estudios favorecían al GI expuesto a
SV y dos al GC. De los 16 estudios, 12 obtuvieron tamaños de efecto
positivos y grandes (DMS ≥ 0.80). Curiosamente, el mayor tamaño del
efecto (DMS = 6.37) se observó en el estudio 15. Mientras, 2 encontraron
tamaños positivos y medianos (estudios 2, 28), lo que demuestra que
el aprendizaje basado en la simulación es más ecaz para mejorar
el aprendizaje de los estudiantes en comparación con la instrucción
tradicional (Ortiz-Velásquez et al., 2025). Solo dos obtuvieron un
tamaño del efecto que puede interpretarse como sin efecto (estudios
14, 16).
En cuanto a la heterogeneidad, el MA informó resultados agrupados
muy heterogéneos (Modelo Máxima verosimilitud restringida [RMEL]:
τ2 = 2.08, τ = 1.44; Q = 288.87, gl = 15, p < .001; I2 = 94.8%, IC95%
[92.9%; 96.2%]). Por lo tanto, es importante interpretar estos resultados
con precaución debido a la amplia variabilidad en el tamaño del efecto
entre los estudios. A pesar de esto, el valor del efecto global sugiere que
los SV tienen una inuencia positiva en el aprendizaje de los estudiantes.
Este resultado se ajusta a los resultados de los MA realizados por Santos
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
309
y Prudente (2022) y Talan (2020), quienes establecieron la ecacia de
las simulaciones por tener un efecto positivo y fuertemente signicativo
en el aprendizaje de los estudiantes.
Figura 6: Efecto de SV en el aprendizaje de los estudiantes en
ciencias
Respecto a los efectos por áreas experimentales, se observaron tamaños
del efecto grandes en Física (DMS = 2.34), con un intervalo de
conanza (IC) al 95 % [0.73, 3.95], y el efecto de las intervenciones fue
signicativo (Z = 2.86, p <.001). En cuanto a Química (DMS = 1.74,
con un IC al 95% [0.97, 2.50], Z = 4.45; p <.001) y Biología (DMS =
0.89, con un IC al 95% [-0.48, 2.26], Z = 1.27; p <.204), los resultados
indicaron una heterogeneidad alta en todos los casos (I² ≥ 80 %); no
se encontraron diferencias signicativas (p =.347); este valor indica
que los SV varían en función al área de las ciencias experimentales de
aplicación.
En el caso de Biología, los resultados fueron moderados, posiblemente
debido a la complejidad multiescala de los procesos biológicos
(Paxinou et al., 2017). Lo que puede implicar que, en todas las áreas
de las ciencias, los SV podrían haber mejorado el rendimiento de los
estudiantes, siendo Física y Química las que más se beneciaron.
El efecto global calculado anteriormente no puede ser considerado
homogéneo y, por tanto, se debe proceder a un análisis que explique el
origen de tal heterogeneidad. Como consecuencia, se aplicó un análisis
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
310
leave one out (dejar uno afuera). El análisis mostró que los resultados
de los distintos estudios son similares y, por tanto, el efecto tiene una
misma dirección, magnitud y signicancia estadística.
Debido a la heterogeneidad de los estudios, como elemento adicional en
la tabla 3, se analizó la inuencia de variables moderadoras en el efecto
global, teniendo en cuenta la región, nivel educativo, metodología, tipo
de simulación y duración del tratamiento.
Tabla 3: Análisis de moderadores
Respecto a la región, el análisis reveló que los SV mejoraban el
aprendizaje de alumnos, independientemente del lugar en que se
hubiera realizado el estudio. Se comprobó que el efecto era mayor en
África (DMS = 2.19), seguido de América (DMS = 2.11) y Asia (DMS
= 1.10); no se observaron diferencias signicativas entre los tamaños
del efecto (p = .219).
En cuanto al nivel de estudios, se observó que el uso de SV tuvo un
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
311
efecto positivo y mayor en alumnos de bachillerato (DMS = 1.80) que
en los niveles de educación superior (DSM = 0.99); se encontraron
diferencias signicativas (p = .022). Esto explica que los SV varía en
función del país y el nivel educativo. Como señalan Merchant et al.
(2013), en muchos contextos educativos los SV representan recursos
novedosos y poco comunes que llevan a la curiosidad de los estudiantes
en todos los niveles educativos en especial donde hay abundancia de
recursos digitales.
En relación con el tipo de simulación, los resultados de los laboratorios
tienen un mayor efecto en la enseñanza de las ciencias (DMS = 2.69),
seguido de los simuladores (DMS = 1.56) y disección (DMS = 0.76);
se observaron diferencias signicativas (p = .11). Estos resultados
evidencian que la ecacia de los SV depende de los objetivos de
aprendizaje y el tipo de recurso empleado. Para Reyes-Pozo et al. (2025)
la idoneidad constructivista de los SV funciona como guías visuales
que favorece la construcción de modelos mentales claros y refuerza la
seguridad del estudiante frente a los retos de la ciencia.
Asimismo, las investigaciones con enfoque cuantitativo alcanzaron un
efecto grande (DMS = 2.10), mientras que aquellas con enfoques mixtos
reportaron un efecto moderado (DMS = 0.62); se observaron diferencias
signicativas (p = .013). Esto indica que los resultados varían según el
diseño metodológico: los estudios cuantitativos con mediciones directas
(pruebas de rendimiento, habilidades observables) suelen mostrar
efectos más elevados que aquellos que incluyen percepciones, actitudes
o experiencias, como ocurre en los enfoques mixtos (Yang et al., 2024).
En cuanto a la duración de las intervenciones, los programas que
utilizaron SV durante 3-6 meses tuvieron el mayor efecto (DMS = 2.15).
Mientras que las implementadas durante semanas a un mes produjeron
tamaños medianos de DMS = 0.53. Sin embargo, en algunos estudios
no indicaron la duración, pero obtuvieron un efecto grande (DMS
= 2.18); se observaron diferencias signicativas (p = .001). Estos
hallazgos sugieren que, aunque la ecacia de los SV puede variar con la
duración, los estudiantes pueden seguir logrando cambios signicativos
en su aprendizaje independientemente del tiempo, en comparación con
la enseñanza presencial.
De acuerdo con Tong et al. (2022), las sesiones con una duración de 11
a 30 minutos tuvieron efecto mayor en la adquisición de conocimientos.
Sin embargo, las sesiones superiores a 30 minutos mostraron un tamaño
de efecto más pequeño, que sugiere que la duración óptima de la
intervención inuye en los resultados de aprendizaje.
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
312
HETEROGENEIDAD Y RIESGO DE SESGO DE LOS
ESTUDIOS INCLUIDOS
Como se indicó, hay evidencia de heterogeneidad entre los estudios,
9 de los 16 estudios (2, 3, 14, 15, 16, 19, 21, 22, 29; ver gura 7A) se
encuentran fuera de la región sombreada, que es la que más contribuye
a la heterogeneidad, por caer fuera de la banda de conanza. Si no se
tienen en cuenta estas investigaciones, un nuevo cálculo del tamaño
del efecto global da como resultado un tamaño del efecto 1.23, IC 95%
[0.92; 1.56], Z = 7.61; p <.0001. La repetición del análisis sin estos
estudios produce un resultado signicativo (Q(6) =16.10; p = 0.013), y
una heterogeneidad menor (I2 = 62.7%).
Con el objetivo de identicar posible sesgo de publicación en la muestra
de los estudios recolectados, estos fueron representados en un gráco
de embudo funnel plot (Figura 7B). En dicho gráco se ilustra cómo se
distribuyen los estudios de acuerdo con la precisión (SD) y su tamaño
del efecto estimado. La correspondiente prueba de Begg (p = .013) y de
Egger (p = .001), empleadas para probar la existencia o no de simetría,
arrojaron valores de p signicativos, estadísticamente impiden rechazar
la hipótesis nula (existencia de simetría), por lo cual se aprecia sesgo de
publicación en el conjunto de estudios seleccionados.
Este comportamiento sugiere que la mayoría de las investigaciones
incluidas reportan resultados favorables a la aplicación de los SV
(concentración hacia el lado izquierdo del eje central). Asimismo, la
dispersión de los diversos estudios en el extremo derecho de la línea de
no efecto evidencia una distribución asimétrica en términos tanto del
tamaño del efecto (eje X) como de la precisión de las estimaciones (eje
Y), lo cual podría estar asociado al elevado grado de heterogeneidad
entre los estudios analizados.
Figura 7: Análisis de heterogeneidad (Galbraith plot) y evaluación
del sesgo (funnel plot) de publicación
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
313
En lo referente al sesgo de publicación, el análisis estimó que los
estudios publicados tienden a reportar con mayor frecuencia resultados
favorables a los SV. Esta situación coincide con otros MA en el ámbito
STEM, que advierte que publicaciones con resultados nulos o negativos,
consecuentemente, da un riesgo de sesgo sobre la estimación del efecto
global (Cao et al., 2025). Estas limitaciones no invalidan los benecios
observados, pero señalan la necesidad de un diseño más riguroso y de
una integración pedagógica más estratégica para consolidar el papel de
los SV en la educación cientíca actual.
LIMITACIONES DEL ARTÍCULO
Los resultados de esta revisión presentan algunas limitaciones. En
primer lugar, se evidenció la necesidad de contar con más estudios sobre
SV en ciencias que reporten de manera detallada las intervenciones, a
n de fortalecer futuros MA. Además, el análisis se centró únicamente
en medidas de rendimiento académico (aprendizaje), lo que redujo el
número de trabajos elegibles e impidió valorar otros factores relevantes
como los actitudinales o motivacionales frente al uso de experimentos
virtuales.
Para investigaciones futuras se recomienda ampliar el foco hacia
estos factores, así como explorar la satisfacción o habilidades, lo que
permitiría reunir una mayor cantidad de estudios y al mismo tiempo,
determinar un constructo más general y de mayor impacto para la
comunidad educativa internacional. Además, se invita a la comunidad
académica y docente a fortalecer investigaciones en el área de biología,
puesto a que la disponibilidad de estudios en esta revisión fue baja.
CONCLUSIONES
La RS ha observado un crecimiento constante en la producción cientíca
relacionada con los SV durante la última década, destacando su papel
emergente como herramienta de interacción para aprender ciencias.
Asimismo, se percibió el empleo de una amplia gama de plataformas y
modelos de simulación, utilizados para la representación de una variedad
de contenidos de física, química y biología. Sin embargo, la diversidad
de simuladores, la variabilidad en los enfoques metodológicos asumidos
y las diferencias en los instrumentos de evaluación presentaron una
debilidad metodológica en todos los estudios.
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
314
El MA conrma un efecto global grande y signicativo de los SV
sobre el aprendizaje conceptual y práctico, que valida su efecto
sobre las metodologías tradicionales. Esto validó la hipótesis de que
las intervenciones basadas en SV generan resultados de aprendizaje
signicativamente mejores en comparación con las intervenciones
tradicionales. No obstante, la amplitud de los estudios y la heterogeneidad
observada advierten que estos resultados no son uniformes, y que su
efectividad depende de factores contextuales y disciplinarios: Física y
Química presentan mayores benecios, mientras que Biología muestra
resultados más moderados; los programas de mediana duración y los
niveles de bachillerato se consolidan como los más favorecidos.
Más allá de su dimensión tecnológica, el papel de los SV trasciende
ser un simple medio de comunicación, sino que es un complemento
paralelo a los laboratorios reales donde los estudiantes pueden explorar,
experimentar, manipular variables y observar resultados semejantes
al real, convirtiendo la simulación en una experiencia de aprendizaje
interactiva, dinámica y signicativa. Sin embargo, su efectividad no
reside únicamente en la herramienta, sino en cómo se contextualiza y
se diseña su implementación.
Independientemente de las conclusiones derivadas del presente estudio,
el sesgo reveló un patrón de publicación favorable a los SV, evidenciado
en la asimetría del funnel plot y el valor de las pruebas de Egger y Begg,
que sugieren que la literatura cientíca podría estar sobrestimando el
efecto de los SV debido a que las aportaciones cientícas con resultados
nulos, que relacionan el uso de SV y el rendimiento académico, fueron
escasas.
Finalmente, los resultados de este MA sugieren que los docentes pueden
integrar SV como complemento a la enseñanza y a los laboratorios
tradicionales, especialmente en Física y Química. La implementación
de intervenciones cuidadosamente contextualizadas y programas de
mediana duración optimiza de manera signicativa el aprendizaje
conceptual y práctico de los estudiantes, contribuyendo a experiencias
educativas más efectivas y fundamentadas.
DECLARACIÓN DE CONFLICTOS DE INTERESES: El autor
declara no tener conictos de interés.
DECLARACIÓN DE DISPONIBILIDAD DE DATOS: El autor
declara que los datos y las investigaciones utilizadas en el estudio
ejecutado se encuentran disponibles y sin restricciones de acceso
para ser analizados por los interesados en el repositorio: https://doi.
org/10.6084/m9.gshare.29583326
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
315
REFERENCIAS BIBLIOGRÁFICAS
Bernal-García, M., Quemba-Mesa, M., Silva-Ortiz, S., & Pacheco-
Olmos, B. (2022). Laboratorios tradicionales versus nuevas
tecnologías para el estudio de anatomía humana en estudiantes
de medicina: revisión sistemática y metaanálisis. International
Journal of Morphology, 40(1), 30-36. https://doi.org/10.4067/
S0717-95022022000100030
Botella, J., & Zamora, Á. (2017). El metaanálisis: una metodología para
la investigación en educación. Educación XX1, 20(2), 17-38.
https://doi.org/10.5944/educxx1.19030
Bruner, J. S. (1974). Toward a theory of instruction. Harvard University
Press.
Campos, G., & Benarroch, A. (2024). Laboratorios virtuales para la
enseñanza de las ciencias: una revisión sistemática. Enseñanza
de las Ciencias, 42(2), 109-129. https://doi.org/10.5565/rev/
ensciencias.6040
Cao, X., Lu, H., Wu, Q., & Hsu, Y. (2025). Systematic review and meta-
analysis of the impact of STEM education on students learning
outcomes. Frontiers in Psychology, 16, 1579474. https://doi.
org/10.3389/fpsyg.2025.1579474
Carbajal-Destre, P., Rodríguez-Barboza, J. R., Palacios-Garay, J., Ávila-
Sánchez, G. A., & Cadenillas-Albornoz, V. (2022). Gamicación
como técnica de motivación en el nivel superior. Horizontes,
6(23), 484-496. https://doi.org/10.33996/revistahorizontes.
v6i23.351
Carrizo, N. (2021). ¿Cómo pueden aportar las tecnologías inmersivas
a la educación ambiental? Electronic Journal of SADIO, 20(2),
84-97. http://sedici.unlp.edu.ar/handle/10915/135623
Cobos, D., Jaén, E. L., López, E., Martín, A. H., & Molina, L. (2012).
I Congreso Virtual Internacional sobre Innovación Pedagógica
y Praxis Educativa Innovagogía 2012. AFOE. https://acortar.
link/lgMEG0
Cohen, J. (2013). Statistical Power Analysis for the Behavioral Sciences
(2.a ed.). Routledge.
Cueva, J. L., García, A., & Martínez, O. A. (2019). El conectivismo
y las TIC: un paradigma que impacta el proceso enseñanza
aprendizaje. Revista Scientic, 4(14), 205-227. https://doi.
org/10.29394/Scientic.issn.2542-2987.2019.4.14.10.205-227
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
316
D’Angelo, C., Harris, C., & Rutstein, D. (2013). Systematic review and
meta-analysis of STEM simulations. En N. Rummel, M. Kapur,
M. Nathan, & S. Puntambekar. (Eds.), To see the world and a
grain of sand: learning across levels of space, time, and scale:
CSCL 2013 conference proceedings vol. 2-short papers, panels,
posters, demos & community events, (pp. 239-240). ISLS.
https://acortar.link/xSorPX
D’Angelo, C., Rutstein, D., Harris, C., Bernard, R., Borokhovski, E., &
Haertel, G. (2014). Simulations for STEM learning: systematic
review and meta-analysis. Menlo Park: SRI International,
5(23), 1-5. https://acortar.link/ZkJvqv
Grant, M. J., & Booth, A. (2009). A typology of reviews: an analysis
of 14 review types and associated methodologies. Health
Information & Libraries Journal, 26(2), 91-108. https://doi.
org/10.1111/j.1471-1842.2009.00848.x
Hernández, G. (2012). Enseñanza experimental. ¿cómo y para qué?
Educación Química, 23, 92-94. https://doi.org/10.1016/S0187-
893X(17)30139-8
Higgins, J. P. T. (2003). Measuring inconsistency in meta-analyses. BMJ,
327(7414), 557-560. https://doi.org/10.1136/bmj.327.7414.557
Kartimi, K., Yunita, Y., Addiin, I., & Shidiq, A. S. (2022). A
bibliometric analysis on chemistry virtual laboratory. Educación
Química, 33(2), 194-208, 1-31. https://doi.org/10.22201/
fq.18708404e.2022.2.80579
Kebritchi, M., Hirumi, A., & Bai, H. (2010). The eects of modern
mathematics computer games on mathematics achievement
and class motivation. Computers & Education, 55(2), 427-443.
https://doi.org/10.1016/j.compedu.2010.02.007
Li, J., & Liang, W. (2024). Eectiveness of virtual laboratory in
engineering education: A meta-analysis. PLOS One, 19(12),
e0316269. https://doi.org/10.1371/journal.pone.0316269
Loorbach, N., Peters, O., Karreman, J., & Steehouder, M. (2015).
Validation of the instructional materials motivation survey
(IMMS) in a self‐directed instructional setting aimed at working
with technology. British Journal of Educational Technology,
46(1), 204-218. https://doi.org/10.1111/bjet.12138
Lorenzo, G. (2022). Análisis de la producción cientíca en el uso
de la realidad virtual en la educación a partir de la estructura
conceptual, social e intelectual. Revista de Educación a
Distancia, 22(69), 1-31. https://doi.org/10.6018/red.502601
Martínez, A. G. (2005). La enseñanza problémica de las Ciencias
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
317
Naturales. Revista Iberoamericana de Educación, 36(6), 1-23.
https://doi.org/10.35362/rie3662785
Mengist, W., Soromessa, T., & Legese, G. (2020). Method for
conducting systematic literature review and meta-analysis for
environmental science research. MethodsX, 7, 100777. https://
doi.org/10.1016/j.mex.2019.100777
Merchant, Z., Goetz, E. T., Cifuentes, L., Keeney-Kennicutt, W.,
& Davis, T. J. (2013). Eectiveness of virtual reality-based
instruction on students’ learning outcomes in K-12 and higher
education: A meta-analysis. Computers & Education, 70, 29-40.
https://doi.org/10.1016/j.compedu.2013.07.033
Ortiz-Velásquez, N., Valencia-Cabrera, Y., Campoverde-Martínez, G.,
Flores-Cumbicus, R., & Núñez-Naranjo, A. (2025). El uso de
simuladores digitales para la enseñanza de ciencias sociales.
593 Digital Publisher CEIT, 10(1-2), 97-112. https://doi.org/1
0.33386/593dp.2025.1-2.2960
Paxinou, E., Zafeiropoulos, V., Sypsas, A., Kiourt, C., & Kalles, D.
(2017). Assessing the Impact of Virtualizing Physical Labs
(Versión 1). arXiv. https://doi.org/10.48550/ARXIV.1711.11502
Penichet, A., & Mato, M. C. (1996). Las actitudes del alumnado de
educación secundaria hacia las ciencias experimentales.
Alambique, 9, 131-138. https://acortar.link/SRmkyT
Pintrich, P. R., Smith, D. A. F., Garcia, T., & McKeachie, W. J. (1993).
Reliability and predictive validity of the motivated strategies for
learning questionnaire (MSLQ). Educational and Psychological
Measurement, 53(3), 801-813. https://acortar.link/EI3y6k
Puicaño-Camavilca, A. L. (2024). Las TIC y su inuencia en el
aprendizaje signicativo en una institución educativa peruana.
Horizontes, 8(32), 225-235. https://doi.org/10.33996/
revistahorizontes.v8i32.718
Reyes-Pozo, G. S., Correa-Asencio, E. I., Pauchi-Alvarado, L. M.,
Orrala-Bacilio, C. V., & Aquino Suarez, G. I. (2025). Uso de
laboratorios virtuales como recurso didáctico para potenciar la
enseñanza y el aprendizaje de ciencias naturales. Reincisol, 4(7),
3264-3281. https://doi.org/10.59282/reincisol.V4(7)3264-3281
Ronilo, A., & Castro, R. R. (2023). Eectiveness of virtual simulations
in improving secondary students’ achievement in physics: a
meta-analysis. International Journal of Instruction, 16(2), 533-
556. https://doi.org/10.29333/iji.2023.16229a
Rosli, R., & Ishak, N. A. (2024). Integration of virtual labs in science
education: a systematic literature review. Jurnal Pendidikan
METAANÁLISIS DEL EFECTO DE LA INTEGRACIÓN DE LOS SIMULADORES VIRTUALES
EN LA ENSEÑANZA DE LAS CIENCIAS
Número 28 / ABRIL, 2026 (294-319)
318
Sains dan Matemaitk Malaysia, 14(1), 81-103. https://doi.
org/10.37134/jpsmm.vol14.1.8.2024
Sánchez-Meca, J. (2022). Revisiones sistemáticas y meta-análisis
en educación: un tutorial. Revista Interuniversitaria de
Investigación en Tecnología Educativa, 13, 5-40. https://doi.
org/10.6018/riite.545451
Santos, M. L., & Prudente, M. (2022). Eectiveness of virtual
laboratories in science education: a meta-analysis. International
Journal of Information and Education Technology, 12(2), 150-
156. https://doi.org/10.18178/ijiet.2022.12.2.1598
Talan, T. (2020). The eect of simulation technique on academic
achievement: a meta-analysis study. International Journal of
Technology in Education and Science, 5(1), 17-36. https://doi.
org/10.46328/ijtes.141
Tong, L. K., Li, Y. Y., Au, M. L., Wang, S. C., & Ng, W. I. (2022).
High-delity simulation duration and learning outcomes among
undergraduate nursing students: a systematic review and meta-
analysis. Nurse Education Today, 116, 105435. https://doi.
org/10.1016/j.nedt.2022.105435
Tüysüz, C. (2010). The eect of the virtual laboratory on students’
achievement and attitude in chemistry. International Online
Journal of Educational Sciences, 2(1), 37-53. https://tinyurl.
com/mvwjjnvw
Uslu-Sahan, F., Bilgin, A., & Ozdemir, L. (2023). Eectiveness
of virtual reality simulation among bsn students: a meta-
analysis of randomized controlled trials. Computers,
Informatics, Nursing, 41(11), 921-929. https://doi.org/10.1097/
CIN.0000000000001059
Villalobos-Molero, Á., & Romero-Alonso, R. (2023).
Laboratorios remotos en educación superior: una revisión
bibliográca sistematizada. TE&ET, 35, 58-68. https://doi.
org/10.24215/18509959.35.e7
Yaipén-Gonzales, H. F., Joo, L. A. P., Montenegro-Camacho, L., Soto,
R. M. H., Cassano, P. P. G. D., & Mejia, P. J. C. (2023). Virtual
simulators in the teaching-learning of chemistry and physics:
a systematic review of the literature. International Journal of
Membrane Science and Technology, 10(4), 632-641. https://doi.
org/10.15379/ijmst.v10i4.2109
Yang, C., Zhang, J., Hu, Y., Yang, X., Chen, M., Shan, M., & Li, L.
(2024). The impact of virtual reality on practical skills for
students in science and engineering education: a meta-analysis.
Luis Orlando Chonillo-Sislema
CHAKIÑAN. Revista de Ciencias Sociales y Humanidades / ISSN 2550 - 6722
319
International Journal of STEM Education, 11(28), 1-15. https://
doi.org/10.1186/s40594-024-00487-2
Zárate-Moedano, R., Canchola-Magdaleno, S. L., & Suarez-Medellín,
J. (2022). Estrategias didácticas y tecnología utilizada en la
enseñanza de las ciencias. Una revisión sistemática. IE Revista
de Investigación Educativa de la REDIECH, 13, e1396. https://
doi.org/10.33010/ie_rie_rediech.v13i0.1396
Zaturrahmi, Z., Festiyed, F., & Ellizar, E. (2020). The utilization of
virtual laboratory in learning: a meta-analysis. Indonesian
Journal of Science and Mathematics Education, 3(2), 228-236.
https://doi.org/10.24042/ijsme.v3i2.6474
Notas
1 Formato para estructurar una pregunta en educación (Sánchez-Meca.,
2022): P, participante; I, intervención; C, grupo de comparación; O,
outcome (resultado); y S, diseño del estudio.
