Ángel Fidalgo-Blanco
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Ángel Fidalgo-Blanco has a total of 66 co-authors. Here are the top co-authors by number of shared publications:
- María Luisa Sein-Echaluce
Department of Applied Mathematics, University of Zaragoza, Zaragoza, Spain
56 shared publications - Francisco José García-Peñalvo
Departamento de Informática y Automática, Instituto de Ciencias de la Educación, Grupo GRIAL, Universidad de Salamanca, España
41 shared publications - Ana María Balbín
Pontifical Catholic University of Peru
8 shared publications - David Fonseca
Ramon Llull University
7 shared publications - Miguel Angel Conde
University of Salamanca
7 shared publications - Concepción Bueno García
Universidad de Zaragoza
4 shared publications
Latest Publications
- 15 August 2026
- Published by Springer Nature
- p. 201-210
Generative AI for Analyzing Real Teamwork Interactions and Identifying Socioemotional Competencies
- 15 August 2026
- Published by Springer Nature
- p. 201-210
Generative AI for Analyzing Real Teamwork Interactions and Identifying Socioemotional Competencies
- Open Access
- 15 April 2026
- Published by UNED - Universidad Nacional de Educacion a Distancia in RIED-Revista Iberoamericana de Educación a Distancia
- Vol. 29 (2)
Un modelo integrado basado en IA generativa para la personalización del aprendizaje y la retroalimentación formativa
Este trabajo presenta la implementación y evaluación del modelo "Ubícate, Transfórmate, Corónate", una propuesta metodológica centrada en el uso pedagógico de la inteligencia artificial generativa para personalizar el aprendizaje, generar contenidos, proporcionar retroalimentación formativa y reducir finalmente la carga docente. El modelo se estructura en tres etapas metodológicas: diagnóstico inicial (Ubícate), progresión personalizada (Transfórmate) y consolidación (Corónate), integrando las producciones individuales, los apuntes colectivos y el seguimiento automatizado mediante inteligencia artificial. Su implementación se ha realizado en una asignatura de matemáticas de primero de ingeniería cuya tasa de fracaso ha sido tradicionalmente muy elevada, pero su diseño es replicable a cualquier otro contexto educativo y materia. El diseño metodológico para evaluar el modelo, combina técnicas cuantitativas y cualitativas (aproximación mixta) incluyendo grupos de control y experimental, una evaluación motivacional inicial, el rendimiento de una prueba sorpresa y la percepción final del alumnado sobre el modelo. Los resultados indican que el grupo experimental mejoró significativamente en asistencia y calificaciones, con una diferencia de más de una desviación estándar respecto al grupo de control. Por otra parte, el alumnado identificó como puntos positivos la personalización del aprendizaje y retroalimentación formativa incluidas en el modelo y señaló como punto de mejora el incremento de los recursos de aprendizaje al comenzar su implementación. Se concluye que este modelo representa una arquitectura educativa viable y escalable, que permite integrar la inteligencia artificial generativa como mediadora pedagógica real.
- 15 April 2026
- Published by UNED - Universidad Nacional de Educacion a Distancia in RIED-Revista Iberoamericana de Educación a Distancia
- Vol. 29 (2)
Open AccessUn modelo integrado basado en IA generativa para la personalización del aprendizaje y la retroalimentación formativa
Este trabajo presenta la implementación y evaluación del modelo "Ubícate, Transfórmate, Corónate", una propuesta metodológica centrada en el uso pedagógico de la inteligencia artificial generativa para personalizar el aprendizaje, generar contenidos, proporcionar retroalimentación formativa y reducir finalmente la carga docente. El modelo se estructura en tres etapas metodológicas: diagnóstico inicial (Ubícate), progresión personalizada (Transfórmate) y consolidación (Corónate), integrando las producciones individuales, los apuntes colectivos y el seguimiento automatizado mediante inteligencia artificial. Su implementación se ha realizado en una asignatura de matemáticas de primero de ingeniería cuya tasa de fracaso ha sido tradicionalmente muy elevada, pero su diseño es replicable a cualquier otro contexto educativo y materia. El diseño metodológico para evaluar el modelo, combina técnicas cuantitativas y cualitativas (aproximación mixta) incluyendo grupos de control y experimental, una evaluación motivacional inicial, el rendimiento de una prueba sorpresa y la percepción final del alumnado sobre el modelo. Los resultados indican que el grupo experimental mejoró significativamente en asistencia y calificaciones, con una diferencia de más de una desviación estándar respecto al grupo de control. Por otra parte, el alumnado identificó como puntos positivos la personalización del aprendizaje y retroalimentación formativa incluidas en el modelo y señaló como punto de mejora el incremento de los recursos de aprendizaje al comenzar su implementación. Se concluye que este modelo representa una arquitectura educativa viable y escalable, que permite integrar la inteligencia artificial generativa como mediadora pedagógica real.
- 1 January 2026
- Published by Universidad Politecnica de Madrid - University Library
Algoritmia para no informáticos: Aprende a resolver problemas antes de programarlos.
La algoritmia puede parecer, a primera vista, un conjunto de símbolos, condiciones, bucles y fórmulas difíciles de combinar. Sin embargo, detrás de todos ellos hay un número relativamente pequeño de ideas que se repiten una y otra vez. Este libro pretende ayudarte a comprender esas ideas y, sobre todo, a aprender a utilizarlas para construir tus propios algoritmos. Para ello iremos avanzando poco a poco, comenzando por los elementos más básicos, aprendiendo después técnicas que permiten combinarlos y utilizándolos finalmente para resolver problemas cada vez más completos. A lo largo del recorrido utilizaremos metáforas, ejemplos y diagramas que nos ayudarán a comprender qué ocurre cuando se ejecuta un algoritmo. Un tren y sus recorridos nos servirán para seguir el flujo de ejecución. Una cocina, sus ingredientes, técnicas y recetas nos ayudará a diferenciar entre conocer los elementos de la algoritmia y saber combinarlos para construir una solución. El libro está dirigido especialmente a estudiantes de titulaciones STEM no informáticas que necesitan iniciarse en la algoritmia y en los fundamentos de la programación. No está ligado a ningún lenguaje de programación concreto. Las bases que aprenderás podrán utilizarse posteriormente para comenzar a programar en Python, R, Matlab, Java u otros lenguajes. Cada uno tendrá su propia sintaxis, sus funciones y sus particularidades, pero los principios de programación básica que habrás aprendido seguirán siendo válidos. Al final de cada capítulo se incorpora un código QR que dará acceso a distintos tipos de recursos de apoyo (vídeos, esquemas, infografías, etc.) que se irán incorporando para complementar los contenidos del capítulo. ¿Qué conseguirá el lector? El libro está organizado para que en cada capítulo se aprenda algo concreto y útil por sí mismo. Aunque existe una progresión entre los capítulos, cada uno aborda unos conceptos y técnicas determinados, por lo que también pueden utilizarse de forma independiente para aprender, repasar o consultar un tema concreto. A lo largo de los capítulos el lector irá incorporando progresivamente los elementos fundamentales de la algoritmia: cómo representar y almacenar información, cómo tomar decisiones, cómo realizar procesos repetitivos y cómo organizar un algoritmo mediante subprogramas. Pero conocer estos elementos no es suficiente para saber construir algoritmos. Por ello, el libro incorpora también técnicas que ayudan a utilizarlos y combinarlos para resolver problemas, incluyendo un método específico para transformar fórmulas matemáticas en algoritmos. De esta forma, cada capítulo supone un nuevo paso: se aprende un elemento, una estructura o una técnica que puede utilizarse inmediatamente y que, al mismo tiempo, se incorpora a los conocimientos disponibles para construir algoritmos cada vez más completos. Los conocimientos adquiridos no están ligados a un lenguaje de programación concreto. Constituyen una base de programación básica que posteriormente puede trasladarse al lenguaje que se desee utilizar, aprendiendo entonces su sintaxis y sus particularidades.
- 1 January 2026
- Published by Universidad Politecnica de Madrid - University Library
Algoritmia para no informáticos: Aprende a resolver problemas antes de programarlos.
La algoritmia puede parecer, a primera vista, un conjunto de símbolos, condiciones, bucles y fórmulas difíciles de combinar. Sin embargo, detrás de todos ellos hay un número relativamente pequeño de ideas que se repiten una y otra vez. Este libro pretende ayudarte a comprender esas ideas y, sobre todo, a aprender a utilizarlas para construir tus propios algoritmos. Para ello iremos avanzando poco a poco, comenzando por los elementos más básicos, aprendiendo después técnicas que permiten combinarlos y utilizándolos finalmente para resolver problemas cada vez más completos. A lo largo del recorrido utilizaremos metáforas, ejemplos y diagramas que nos ayudarán a comprender qué ocurre cuando se ejecuta un algoritmo. Un tren y sus recorridos nos servirán para seguir el flujo de ejecución. Una cocina, sus ingredientes, técnicas y recetas nos ayudará a diferenciar entre conocer los elementos de la algoritmia y saber combinarlos para construir una solución. El libro está dirigido especialmente a estudiantes de titulaciones STEM no informáticas que necesitan iniciarse en la algoritmia y en los fundamentos de la programación. No está ligado a ningún lenguaje de programación concreto. Las bases que aprenderás podrán utilizarse posteriormente para comenzar a programar en Python, R, Matlab, Java u otros lenguajes. Cada uno tendrá su propia sintaxis, sus funciones y sus particularidades, pero los principios de programación básica que habrás aprendido seguirán siendo válidos. Al final de cada capítulo se incorpora un código QR que dará acceso a distintos tipos de recursos de apoyo (vídeos, esquemas, infografías, etc.) que se irán incorporando para complementar los contenidos del capítulo. ¿Qué conseguirá el lector? El libro está organizado para que en cada capítulo se aprenda algo concreto y útil por sí mismo. Aunque existe una progresión entre los capítulos, cada uno aborda unos conceptos y técnicas determinados, por lo que también pueden utilizarse de forma independiente para aprender, repasar o consultar un tema concreto. A lo largo de los capítulos el lector irá incorporando progresivamente los elementos fundamentales de la algoritmia: cómo representar y almacenar información, cómo tomar decisiones, cómo realizar procesos repetitivos y cómo organizar un algoritmo mediante subprogramas. Pero conocer estos elementos no es suficiente para saber construir algoritmos. Por ello, el libro incorpora también técnicas que ayudan a utilizarlos y combinarlos para resolver problemas, incluyendo un método específico para transformar fórmulas matemáticas en algoritmos. De esta forma, cada capítulo supone un nuevo paso: se aprende un elemento, una estructura o una técnica que puede utilizarse inmediatamente y que, al mismo tiempo, se incorpora a los conocimientos disponibles para construir algoritmos cada vez más completos. Los conocimientos adquiridos no están ligados a un lenguaje de programación concreto. Constituyen una base de programación básica que posteriormente puede trasladarse al lenguaje que se desee utilizar, aprendiendo entonces su sintaxis y sus particularidades.
- 15 July 2025
- Published by Springer Nature
- p. 1068-1077
ChatGPT and Moodle: Enhancing Teaching with Free Tools
- 15 July 2025
- Published by Springer Nature
- p. 1068-1077
ChatGPT and Moodle: Enhancing Teaching with Free Tools
- 15 July 2025
- Published by Springer Nature
- p. 1393-1399
A Bibliometric Analysis of AI Literacy and Educational Readiness Among University Students: A Study from 2020 to 2024
- 15 July 2025
- Published by Springer Nature
- p. 1393-1399
A Bibliometric Analysis of AI Literacy and Educational Readiness Among University Students: A Study from 2020 to 2024
- 15 July 2025
- Published by Springer Nature
- p. 1059-1067
Model of Characterization of Teamwork Competence Based on Three Types of Capabilities
- 15 July 2025
- Published by Springer Nature
- p. 1059-1067
Model of Characterization of Teamwork Competence Based on Three Types of Capabilities
- 5 August 2024
- Published by Springer Nature
- p. 1346-1355
Multimodal Adaptive Flipped Classroom