Resumen

Las algas rojas coralinas (rodofitas) habitan las costas, coloreando estas regiones con una hermosa tonalidad roja o rosada, y son tan duras y afiladas que, de ser pisadas, causarían dolor al pie descalzo. Entre sus diminutas ramas, muchos organismos se desarrollan y encuentran refugio. La fotosíntesis de las algas coralinas conduce a la formación de estructuras de carbonatos con una arquitectura fascinante. Pero tanto el alga como sus microorganismos asociados (microbiota) participan en la formación de estos biominerales, que se acumulan y cementan los materiales que forman las playas y las costas. Los carbonatos son susceptibles a la química ácido-base, por lo tanto, su estabilidad estructural y su disolución dependen del pH del medio que los rodea. Por tanto, estos biominerales y los organismos marinos que los forman (como algas, corales, moluscos o equinodermos) son vulnerables a la acidificación del océano.

La curiosidad por ver lo que nuestros ojos no pueden nos llevó a entender que las delicadas ramitas de las algas coralinas esconden una asombrosa fortaleza estructural donde la microestructura y la química son elementos clave, pues encontramos que minerales con una gran estabilidad estructural y térmica constituyen el cuerpo, o talo, de las algas. Hoy en día las algas rojas y verdes coralinas son modelos vivos de gran interés para la ciencia básica, para capturar carbono en estructuras estables. Así, esta área de investigación puede inspirar el desarrollo de estrategias para mitigar el cambio climático.
Palabras clave: biominerales, calcita magnesiana, ciclo del carbono, acidificación oceánica, biología de sistemas, sincrotrón.

Biomineral microworlds in red algae

Abstract

Coralline algae (rhodophyta) populate vast pinkish colour regions of the coast. If you step on them in your bare feet, they might hurt you, because they are hard and sharp. Many organisms find shelter and develop within their tiny branches. Photosynthesis of coralline algae conducts the formation of carbonates that exhibit a fascinating architecture. The alga and its associated microorganisms (microbiota) participate in the formation of these minerals, that accumulate and cement the materials that ultimately shape beaches and coastal lines. Carbonates are susceptible to acid-base chemistry; thus, their structural stability and their dissolution depend on the pH of the surrounding environment. Therefore, these biominerals and the marine organisms that build them (such as algae, corals, mollusks or equinoderms) are vulnerable to ocean acidification.

By trying to see beyond our eyesight, we were able to understand that algal branches hide an amazing structural strength, where its microstructure and chemistry play a major role. We found minerals with a vast structural and thermal stability in the algal body, named algal thallus. Currently, basic science explores coralline red and green algae as interesting models to understand carbon sequestration in stable structures. Therefore, this research might inspire the development of technologies to mitigate climate change.
Keywords: biominerals, magnesium calcite, carbon cycle, ocean acidification, systems biology, synchrotron.

Micromundos minerales en pequeñas ramitas

Nuestra historia comienza en Baja California Sur, en las pozas intermareales o charcas en la Bahía de la Paz que se forman en las playas rocosas cuando baja la marea. Allí puedes encontrar a Neogoniolithon trichotomum, el alga coralina dominante. La reconocerás porque parece un bosque sumergido de hermosos árboles rosados del tamaño de tu mano, con ramas de aproximadamente de 1 mm de grosor (ver figura 1). Las algas coralinas son fascinantes y complejas, pero ahora nos enfocaremos en su composición mineral. Estas algas participan en la precipitación de una estructura mineral carbonatada, dura como los dientes. De hecho, de forma similar a los carbonatos identificados en las algas, los huesos en nuestro cuerpo están formados principalmente de otro biomineral llamado hidroxiapatita. Este mineral (acompañado de compuestos orgánicos como el colágeno) le da estructura a nuestro organismo y, a diferencia de los minerales que forman los esqueletos de las algas, no es un carbonato de calcio, es un fosfato de calcio [Ca₅(PO₄)₃(OH)].

Figura 1. Vista de campo de las pozas intermareales estudiadas (cortesía Hiram Rosales) y vista de campo del alga coralina Neogoniolithon trichotomum.

Para investigar los micromundos biominerales y cómo se organizan sus habitantes necesitamos un microscopio potente y una técnica de detección fina de los minerales. Así que, pedimos apoyo de expertos y usamos microscopía electrónica de barrido (conocida como microscopía sem) y difracción de rayos-X (drx). Si te llama la atención ver lo que nuestros ojos no pueden, esto te puede interesar.

Las imágenes de microscopía sem revelaron una microestructura de gran belleza. En la figura 2 se puede apreciar un corte lateral de la ramita. La zona superficial, con cavidades geométricas, y de paredes tan delgadas como una milésima parte de un milímetro (o micra), es la zona de crecimiento del alga, llamada peritalo. La zona más interna de las ramas muestra una estructura mineral en la que las paredes carbonatadas son bastante más gruesas (casi 10 micras). También puedes observar que las cavidades carbonatadas contienen numerosos gránulos redondeados. Es difícil estudiarlos por su diminuto tamaño y se cree que son gránulos de almidón o habitantes microbianos. Sus detalles son difíciles de analizar dada su posición y su pequeño tamaño (alrededor de 2 micras). Sin embargo, la microscopía sem nos reveló esta compleja microarquitectura (Bautista, 2020).

Figura 2. Microestructura de las ramitas del alga coralina en vista lateral y vista superficial. Se distinguen la capa de crecimiento o peritalo y la capa superficial, que se curva y que se cubre de materiales y organismos como diatomeas (Laboratorio de Microscopía Electrónica de Barrido, Facultad de Ciencias, UNAM).

¿Qué es la acidificación del océano y cómo amenaza a los organismos formadores de carbonatos?

La formación y la disolución de los carbonatos está afectada por el pH del medio que los rodea. El agua de mar tiene en promedio un pH de 8.1, es decir, es ligeramente alcalino. Desde hace más de una década, se ha reportado en cientos de trabajos de investigación una tendencia hacia la acidificación del agua marina: es decir, hay disminución del pH. Lo anterior ocurre porque con el aumento de la cantidad de dióxido de carbono (CO₂) en la atmósfera, dicho gas se difunde en mayor proporción hacia el agua, lo que incrementa la concentración de los iones H+ y provoca, por tanto, una disminución del pH y el aumento de acidez del agua marina. Esto es relevante pues afecta los equilibrios químicos en los ambientes acuáticos.

Pero ¿cómo son afectados los carbonatos? Pues, de forma muy directa ya que se disuelven si el pH que los rodea es ácido. Este proceso ocurre de forma natural, por ejemplo, en las rocas carbonatadas de la península de Yucatán. Éstas se disuelven en un ambiente acuático alimentado por el agua de la lluvia y forman estructuras kársticas (generadas por meteorización química), como los famosos cenotes. Otro ejemplo es el hallazgo de la disolución de los carbonatos de las pequeñas conchas de los pterópodos o mariposas de mar. La disolución de los carbonatos puede ser un problema para muchos organismos marinos que fabrican esqueletos, conchas y dientes de carbonatos. Algunos ejemplos son las algas rojas, algas verdes, corales, moluscos (como caracoles y ostras), equinodermos (estrellas de mar y erizos), etcétera.

Investigación en ambientes costeros de la Bahía de la Paz, Baja California Sur

El grupo de investigación de Bioingeniería y Ciencias Ambientales (bica) de la Universidad Autónoma de Baja California Sur (uabcs) realiza un monitoreo periódico de las pozas intermareales de la Bahía de La Paz, desde hace algunos años (ver figura 3). Mientras que distintos miembros del equipo estudian sistemas biológicos como los bivalvos o los crustáceos, el proyecto de Maestría de Andrea se enfocó en estudiar detalladamente las algas coralinas.

Andrea se esforzó en intentar descifrar de forma minuciosa las peculiaridades químicas de estos organismos, para poder relatar cómo su aparente delicadeza nace de una sólida microestructura. La curiosidad de Andrea la llevaría a buscar ayuda experta para ensamblar un rompecabezas de dimensiones micrométricas.

Figura 3. Área de estudio en la Bahía de La Paz, Baja California Sur.

Los carbonatos precipitados por la actividad fotosintética de las algas son biominerales formadores de costas

Además de las técnicas químicas y el uso del microscopio electrónico, el uso de un dron para observar las pozas de marea también nos muestra cosas interesantes (ver figura 4). Por ejemplo, observamos que los manchones rojo-rosados, que son pequeños bosques de algas, cubren un área abundante de la costa. La nutrición de estas algas y los organismos de las pozas está basada en el agua marina de la Bahía de La Paz. Con estos nutrientes las algas realizan fotosíntesis, que es el proceso metabólico que les permite generar biomasa, tal como lo hacen las plantas.

Figura 4. Vista desde el aire de las pozas intermareales estudiadas (cortesía de Hiram Rosales).

Pero la fotosíntesis no sólo les sirve para crecer, también es un mecanismo que impulsa la formación de carbonatos en procesos fisicoquímicos en microescala, (Cabioch, 1988). Estos carbonatos se van endureciendo con el tiempo y constituyen los bloques estructurales de las costas. Los carbonatos tienen una morfología interna fascinante, que ha sido objeto de importantes investigaciones. Algunos conceptos fundamentales se pueden visitar aquí.

La difracción de rayos X (drx) del material en polvo es sin duda la técnica más utilizada en la identificación mineralógica, debido a que los minerales presentan, por definición, una disposición ordenada de sus átomos, que se denomina estructura cristalina. Esta técnica se basa en la interferencia de los rayos X con la red cristalina de los minerales. Para el caso particular de los carbonatos biogénicos estudiados, la difracción de rayos X nos permitió identificar los polimorfos del carbonato de calcio (calcita o aragonita) y cuantificar la substitución del calcio por el magnesio (y otros elementos) en la estructura de la calcita. Además, cuantificamos con buena precisión todas las fases minerales cristalinas presentes (ver figura 5).

Figura 5. Ramita individual del alga y su composición mineral (Laboratorio de Difracción de Rayos-X, LANGEM, UNAM).

El esqueleto de las algas coralinas contiene aragonita, que es el biomineral que forman los corales. Además de aragonita, las algas coralinas forman carbonatos de calcio que atrapan magnesio en su estructura, llamados calcitas magnesianas. Si bien los resultados sobre la composición mineral de las algas estudiadas eran, en general, similares a los de algas coralinas de otras regiones, detectamos dos características particulares que llamaron nuestra atención.

La primera es que la calcita magnesiana del alga estudiada posee un alto contenido de Mg (~18%), y la segunda es la presencia de ankerita y siderita (carbonatos que contienen hierro) (Valdespino y et al., 2020). Este rasgo es muy interesante porque ahora sabemos que las calcitas con un contenido de magnesio relativamente alto (por ejemplo, mayor de 14%) ofrecen mayor resistencia a la disolución, comparadas con calcitas con menos magnesio (Nash, 2013). Adicionalmente, la ankerita es un mineral que forma parte de las dolomitas, una familia de carbonatos reconocida por presentar una estructura con gran estabilidad química y térmica. En otras palabras, estas características detectadas podrían otorgar ventajas de resistencia a la disolución de estos carbonatos en un panorama de acidificación del océano.

Luz más brillante para ver lo más pequeño

Estudiar los micromundos de las algas rojas nos enseñó que la química y microestructura de sus biomateriales son en buena parte la clave de su resistencia estructural. Pero como suele suceder, estos interesantes resultados inquietaron nuestra imaginación y nos llevaron a estudiar estos sistemas con un instrumento gigante que se usa para explorar lo más pequeño, un sincrotrón. En breve, es un acelerador de electrones que genera haces de luz muy brillante.

Nuestras primeras observaciones con la técnica sincrotrónica de espectro-microscopía de infrarrojo (Lawrence Berkeley National Laboratory) nos revelaron resultados muy interesantes. Pudimos averiguar que el esqueleto mineral no es homogéneo, ya que detectamos señales de distintos minerales en la cavidad de una célula del peritalo (o capa de crecimiento) del alga, que mide aproximadamente 20 micras de diámetro. También encontramos silicatos en el epitalo, que son minerales muy abundantes en nuestro planeta y que están formados por la unión de muchas unidades tetraédricas conformadas siempre por un átomo de silicio en el centro, enlazado con cuatro átomos de oxígenos en los vértices. El epitalo (ver figura 2) es una capa de unas cuantas micras que cubre la superficie del alga. De manera interesante, las algas se deshacen continuamente de esta capa, similarmente a la muda de piel de los reptiles. Esto les permite conservar una superficie adecuada para la fotosíntesis y otros procesos, ya que como puedes observar en la fotografía del epitalo, allí se acumulan partículas y otros organismos.

En resumen, hay un interés creciente en las algas como candidatos vivos para secuestrar el carbono atmosférico en estructuras estables como los biominerales. El estudio de la formación de carbonatos en las algas de la Bahía de La Paz reveló algunas claves de la resistencia estructural de estos organismos y de su papel como fuente de materiales (carbonatos y silicatos), que con el tiempo formarán parte de las costas. Los retos de esta investigación son un motor de ciencia básica y pueden contribuir a inspirar nuevas estrategias para mitigar el cambio climático.

Referencias

• Bautista, A. (2020). Diversidad estacional de procariontes y caracterización química de algas coralinas intermareales de la Bahía de la Paz [Tesis de Maestría. Posgrado en Ciencias Marinas y Costeras. Universidad Autónoma de Baja California Sur].
• Cabioch, J. (1988). Morphogenesis and generic concepts in coralline algae—a reappraisal. Helgoländer Meeresuntersuchungen, 42(3), 493-509. https://doi.org/10.1007/BF02365623.
• Nash, M. C., Opdyke, B. N, Troitzsch, U., Russell, B. D., Adey, W. H., Kato, A., Diaz-Pulido, G., Brent, C., Gardner, M., Prichard, J. y Kline D. I. (2013). Dolomite-rich coralline algae in reefs resist dissolution in acidified conditions. Nature climate change 3(3), 268-272. https://doi.org/10.1038/nclimate1760.
• Valdespino-Castillo, P. M., Bautista-Garcia, A., Favoretto, F., Merino-Ibarra, M., Alcántara-Hernández, R. J., Pi-Puig, T., Espinosa-Matías, S., Castillo, F. S., Holman, H-Y. y Blanco-Jarvio, A. (2020). Interplay of microbial communities with mineral environments in coralline algae. Science of the Total Environment, 757,143877. https://doi.org/10.1016/j.scitotenv.2020.143877.
• Ziveri. Acidificación del océano [presentación en diapositivas]. uson. https://sivea.uson.mx/docentes/tareas/16_PRECIPITACIyiN_CARBONATOS.pdf.

Recepción: 08/12/2020. Aprobación: 13/04/2021.

Resumen

En este artículo se aborda la utilidad de los métodos computacionales para la identificación y diseño de nuevos compuestos para el tratamiento de enfermedades. Asimismo, se describen los pasos cruciales para el empleo de estos métodos y se mencionan ejemplos de diferentes medicamentos de uso comercial, que han sido diseñados mediante dichas estrategias.
Palabras clave: diseño de fármacos, acoplamiento molecular, tamizaje virtual, dinámica molecular.

Computer development of new drugs

Abstract

This article describes the usefulness of computational methods for the identification and design of new compounds for disease treatment. The crucial steps for these methods are described and examples of different drugs of commercial use, designed using these computational strategies, are mentioned.
Keywords: drug design, molecular docking, virtual screening, molecular dynamics.

Los fármacos y la prevención de enfermedades

A lo largo de los años, se han desarrollado múltiples fármacos que nos han permitido tratar y prevenir enfermedades, con cierta eficacia y seguridad. Comúnmente, el diseño de nuevas sustancias está directamente relacionado con la identificación de compuestos químicos de origen natural, que posteriormente se modifican mediante métodos experimentales para mejorar sus propiedades químicas y poder ser empleados como fármacos. Aunque esta estrategia aún está en uso, el desarrollo de fármacos empleando sólo métodos experimentales involucra una serie de fases que toman alrededor de 15 años y requiere un gasto de entre 500 a 1000 millones de dólares.

En cambio, el diseño de nuevos fármacos por computadora inicia al examinar la información experimental disponible y, a partir de ella, generar modelos predictivos de nuevos compuestos con potencial actividad. Después, éstos tendrán que validar su capacidad como fármacos mediante estudios experimentales. Otra estrategia es el reposicionamiento de fármacos, que es el uso terapéutico de fármacos disponibles en el mercado para tratar una enfermedad distinta. Este método ha mostrado agilizar la aprobación de un nuevo tratamiento, puesto que ya no se requieren estudios de las fases preclínicas y clínicas, que consumen bastante dinero y tiempo (Paul et al., 2013).

En este artículo se presentan los principales métodos y técnicas computacionales auxiliares en el proceso de desarrollo de fármacos por computadora. Además, se discuten ejemplos de proyectos enfocados al diseño de fármacos, desarrollados por un grupo de investigación especializado en la materia.

Aplicación de métodos computacionales en el diseño de fármacos

El diseño de fármacos por computadora se basa en la unión de una serie de disciplinas científicas, que abarcan el modelado molecular, quimioinformática, química teórica y química computacional. Tiene como meta el diseño, optimización y selección de compuestos con actividad biológica. A diferencia del método tradicional, basado en ensayo y error, el método computacional permite reducir el tiempo de obtención de nuevos compuestos, pues es más dirigido y preciso. Por esta razón, es cada vez más común la incorporación de estas herramientas computacionales en la industria farmacéutica y en centros de investigación pública y privada. No obstante, aunque el poder de cómputo junto con los modelos predictivos de nuevos fármacos son notables –al probar su utilidad mediante varios ejemplos de fármacos en el mercado–, aún es necesaria mayor investigación para generar información más precisa.

Cribado virtual y reposicionamiento de fármacos

La primera etapa en el diseño de fármacos o el de identificar fármacos aprobados para una enfermedad que puedan ser empleados para otra distinta (reposicionamiento de fármacos) (Ashburn et al., 2004) consta de manera general de dos pasos: preparación de las estructuras o curado y el cribado virtual.

El cribado virtual o filtrado computacional consiste en construir la base de datos o quimioteca de las estructuras químicas de interés o de la selección de ligandos disponibles comercialmente, para realizar estudios de reposicionamiento de fármacos (ver figura 1). Aquí se seleccionan los compuestos con las mejores propiedades farmacológicas y de afinidad hacia la diana terapéutica (proteína o ácido nucleico) (Lavecchia et al., 2013). Las propiedades farmacológicas se evalúan mediante programas computacionales que nos permiten calcular la absorción, distribución, metabolismo, excreción y perfil toxicológico (predicciones admet1) de un compuesto. Esto se traduce en la inferencia de que ciertos compuestos tengan el potencial de llegar a ser un fármaco.

La afinidad se evalúa inicialmente mediante estudios de acoplamiento molecular o docking (ver figura 1). El docking consiste en predecir la afinidad entre un compuesto y la diana farmacológica (Bello et al., 2013). Estos estudios sólo se realizan a los compuestos que mostraron buenos resultados en las predicciones admet. Finalmente, los compuestos con los mejores valores de afinidad se seleccionan para realizarles estudios de dinámica molecular, que consisten en reevaluar las interacciones para los mejores complejos, entre los compuestos y la diana terapéutica, en un ambiente experimental más parecido al presente en una célula animal. Esto nos permite observar si las interacciones predichas por docking se mantienen, mejoran o desaparecen. Después, los complejos cuyas interacciones se conservan o mejoran son sometidos a un último análisis, que permite reevaluar la afinidad del compuesto por la diana farmacológica. Este cribado virtual puede repetirse varias veces en retroalimentación con los ensayos experimentales, para refinar los resultados.

Figura 1. Serie de pasos que se siguen en un grupo de investigación enfocado en el diseño de fármacos por computadora.

Docking y dinámica molecular

Aunque un fármaco potencial debe cumplir con buenas propiedades admet, lo más importante es que muestre una alta afinidad y selectividad hacia la diana terapéutica, que es una molécula clave involucrada en una vía metabólica particular y que está asociada con una condición patológica. En este contexto, el predecir la afinidad entre una proteína y un compuesto mediante estudios de docking ha sido ampliamente utilizado para el cribado virtual a gran escala, en una quimioteca de miles de compuestos dirigidos hacia dianas terapéuticas específicas (Murcko et al., 1995).

Actualmente, el docking tiene un éxito limitado. No obstante, a partir de éste, se han empleado otros métodos computacionales más robustos, que permiten estimar la afinidad entre un ligando y una diana farmacológica. La dinámica molecular tiene el potencial de permitirnos reevaluar las interacciones predichas por docking para un complejo proteína-ligando, en un ambiente biológico más parecido al de la célula. La dinámica molecular combinada con cálculos de energía de asociación, como el método de Mecánica Molecular-Generalizada Born/Área de Superficie (mmgbsa) (Miller et al., 2012), permite estimar la afinidad del compuesto por un receptor, después de finalizada la dinámica molecular. Al final, este análisis identifica los mejores compuestos para ser evaluados experimentalmente.

Ejemplos

Existen varios casos exitosos del diseño de nuevos fármacos por computadora. Por ejemplo, la dorzolamida se emplea en el tratamiento de una enfermedad ocular que daña el nervio óptico y es el primer fármaco diseñado por computadora, en 1995. Otros ejemplos son el imatinib, cimetidina, raltegravir y zanamivir (ver figura 2). De ellos, el imatinib es usado para tratar la leucemia mieloide crónica y otros tipos de cáncer; la cimetidina es empleada para tratar úlceras gastroesofágicas; el raltegravir es un antiviral para tratar los síntomas del virus de la inmunodeficiencia humana (vih), mientras que zanamivir es utilizado en el tratamiento de la gripe común.

Figura 2. Diferentes medicamentos que contienen a los fármacos dorzolamida, imatinib, cimetidina, raltegravir, zanamivir, carbamazepina.

Un ejemplo de reposicionamiento de fármacos en México fue desarrollado por investigadores del Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán. Ellos identificaron a la carbamazepina (ver figura 2), que es empleada para tratar la epilepsia, y como un fármaco loable para tratar problemas asociados a la diabetes (Rull et al., 1969).

Investigación en el diseño de fármacos

Hay varios grupos de investigación en México y el mundo especializados en el desarrollo y aplicación de metodologías para el diseño de fármacos por computadora. En México, en mi grupo de trabajo, se realiza investigación en el desarrollo de modelos teóricos computacionales, así como la búsqueda de nuevos compuestos útiles para inhibir macromoléculas que participan en el crecimiento y funcionamiento celular. Cuando estas macromoléculas funcionan de manera incorrecta, se presentan graves consecuencias en la salud, por ejemplo, el desarrollo de diferentes tipos de cáncer.

A la fecha, y en colaboración con otros investigadores, hemos logrado identificar diferentes ligandos con potencial uso contra el cáncer de páncreas. Adicionalmente, estudios de reposicionamiento de fármacos nos han permitido identificar diferentes compuestos comerciales con potencial uso contra el cáncer de mama. Así, con el objetivo de desarrollar nuevos fármacos, hemos establecido cuatro estrategias computacionales en nuestro grupo de investigación:

1. Entender las relaciones estructura-actividad biológica de compuestos inhibidores reportados.
2. Identificar nuevos inhibidores naturales o sintéticos.
3. Optimizar compuestos líderes.
4. Reposicionamiento de fármacos aprobados por la Administración de Medicamentos y Alimentos de Estados Unidos (Food and Drug Administration, fda).

La primera estrategia consiste en recabar información del sistema a estudiar, mediante estudios de modelado molecular de inhibidores ya conocidos. Los métodos que se ocupan en esta fase son el acoplamiento molecular, dinámica molecular combinada con el método mmgbsa. La segunda estrategia es el cribado virtual de bases de datos moleculares para la identificación de nuevos inhibidores. El cribado virtual de librerías de compuestos naturales y sintéticos, emplea principalmente acoplamiento molecular para seleccionar los compuestos más promisorios, y posteriormente dinámica molecular y mmgbsa para refinar los resultados de afinidad. Este cribado ha permitido tener bibliotecas de compuestos que pueden ser dirigidos hacia otras dianas terapéuticas. La tercera estrategia es el diseño de nuevos inhibidores, fundado en los complejos ligando-proteína recabados por la segunda estrategia. Su objetivo es proponer modificaciones químicas en los nuevos inhibidores, que incrementen las interacciones con su receptor. La cuarta estrategia es el reposicionamiento, para identificar fármacos aprobados para una enfermedad que puedan ser empleados para otra distinta.

Desarrollo de inhibidores de histonas deacetilasas

En el cáncer de tejidos que conforman la sangre (leucemia) existe una alta concentración de diferentes proteínas denominadas histonas deacetilasas (hdacs).2 Esto favorece que se inactiven de manera preferente los genes que ayudan a detener el desarrollo del cáncer, favoreciendo el desarrollo de esta enfermedad. En particular, se ha identificado que diferentes histonas se encuentran en altas concentraciones en distintos tipos de leucemias. Así, se plantea que el diseño de inhibidores de hdacs (ihdacs) es una estrategia para incrementar la activación de genes que ayuden a revertir el cáncer (Robey et al., 2011).

Hoy en día se encuentran en uso clínico cuatro fármacos, que comparten estructuras químicas similares, aprobados por la fda para el tratamiento de diferentes tipos leucemias. Sin embargo, su empleo está ligado a efectos colaterales graves como problemas gastrointestinales y de coagulación. Es por ello por lo que hay un especial interés para identificar y desarrollar nuevos ihdacs que tengan una estructura química más selectiva hacia ciertas hdacs y con efectos secundarios menos graves. A la fecha se han encontrado varios ihdacs por diversos métodos y con orígenes diferentes, incluyendo productos naturales (Seidel et al., 2012), fármacos obtenidos por reposicionamiento (Moreira-Silva et al., 2020), y compuestos de origen sintético (Sixto-López et al., 2020).

Dentro de las técnicas más utilizadas para la identificación de nuevos ihdacs se encuentran el acoplamiento molecular (Scafuri et al., 2020) y la dinámica molecular (Sixto-López et al., 2020). En nuestro grupo, se han diseñado una serie de compuestos con estructura química similar a los ihdacs, aprobados para uso clínico (Sixto-López et al., 2020). Para estas investigaciones, inicialmente se recabó información de complejos biológicos entre ihdacs y tres diferentes hdacs, mediante estudios de acoplamiento y dinámica molecular. En la segunda fase se diseñó una librería de nuevos ihdacs, basada en la información de la etapa inicial. De esta biblioteca, se seleccionaron los compuestos con las mejores propiedades de unión a las tres hdacs estudiadas, a través de estudios de acoplamiento y dinámica molecular. Finalmente, se evalúo la actividad biológica de los compuestos con estudios en líneas celulares de cáncer. Basándonos en éstos, se demostró el potencial anticáncer de los compuestos con las mejores propiedades de unión.

Reposicionamiento de inhibidores del receptor del factor de crecimiento epidérmico

El receptor 1 del factor de crecimiento epidérmico humano (epithelial growth factor receptor, egfr, por sus siglas en inglés) y el receptor 2 del factor de crecimiento epidérmico humano (epithelial growth factor receptor 2, her2, por sus siglas en inglés) participan en diversos mecanismos en la célula, que controlan su multiplicación y supervivencia. En 40% de los casos de cáncer de mama existe una alta concentración de her2 y ausencia de receptores estrogénicos, lo que hace que las células se multipliquen más rápido de lo normal. Este tipo de enfermedad es denominada cáncer her2+ y hoy en día se encuentran en uso clínico tres fármacos contra ella: neratinib, lapatinib y tucatinib (ver figura 3). No obstante, su empleo está asociado a efectos secundarios importantes, así como a un alto costo.

Figura 3. Diferentes medicamentos que contienen a los fármacos tucatinib, neratinib y lapatinib.

Por lo anterior, la búsqueda de nuevos inhibidores de her2, con efectos colaterales menos drásticos está justificada. Actualmente se han identificado diferentes inhibidores de origen natural (Wang et al., 2016), obtenidos por reposicionamiento (Balbuena-Rebolledo et al., 2021), y otros de origen sintético (Bello et al., 2020), empleando cribado virtual, acoplamiento y dinámica molecular.

Un ejemplo de un estudio, que se realizó con la colaboración de nuestro grupo de investigación, consistió en demostrar que tres fármacos aprobados por la fda para tratar otras enfermedades también pueden actuar como inhibidores duales de her2 y egfr (Balbuena-Rebolledo et al., 2021). Primero, se realizaron análisis para entender las bases energéticas y estructurales de complejos biológicos entre inhibidores conocidos de her2 y egfr, a través de estudios de acoplamiento y dinámica molecular. En la segunda fase se hizo una búsqueda en una base de datos de compuestos aprobados por la fda, empleando el criterio de similaridad estructural con lapatinib. De la lista de compuestos seleccionados se procedió a realizar estudios de acoplamiento y dinámica molecular, para seleccionar los compuestos más prometedores. Posteriormente, se evalúo su actividad biológica en líneas celulares de cáncer de mama. Finalmente, se demostró el potencial anticáncer de los compuestos reposicionados.

Conclusiones

A pesar de la falta de precisión que aún se mantiene en los métodos computacionales para describir sistemas complejos, éstos han ganado terreno debido a su utilidad y versatilidad. Aunque su empleo puede ser entendido como “sencillo”, y que se podría llevar a cabo sin conocimiento químico, biológico e informático suficiente del sistema a estudiar, es importante recalcar que, para un apropiado desarrollo de un proyecto empleando las técnicas computacionales descritas en este artículo, debe existir un balance adecuado entre el conocimiento científico y el impacto farmacológico, con la finalidad de poder decidir de manera racional la relevancia de la información y poder proceder hacia la fase experimental. Finalmente, las predicciones obtenidas mediante métodos computaciones necesitan ser puestas a prueba experimentalmente, para validar los hallazgos computacionales.

Referencias

• Ashburn, T. T. y Thor, K. B. (2004). Drug repositioning: Identifying and developing new uses for existing drugs. Nature Reviews Drug Discovery, 3, 673-683. https://doi.org/10.1038/nrd1468.
• Balbuena-Rebolledo, I., Padilla-Martínez, I. I., Rosales-Hernández, M. C. y Bello, M. (2021). Repurposing fda Drug Compounds against Breast Cancer by Targeting egfr/her2. Pharmaceuticals, 14(8), 791. https://doi.org/10.3390/ph14080791.
• Bello, M., Martinez-Archundia, M. y Correa-Basurto, J. (2013). Automated docking for novel drug discovery. Expert Opinion on Drug Discovery, 8(7), 821-834. https://doi.org/10.1517/17460441.2013.794780.
• Bello, M., Guadarrama-García, C. y Rodriguez-Fonseca, R.A. (2020). Dissecting the molecular recognition of dual lapatinib derivatives for egfr/her2. J Comput Aided Mol Des, 34(3), 293-303. https://doi.org/10.1007/s10822-019-00270-4.
• Miller iii, B. R., McGee Jr, T. D., Swails, J. M., Homeyer, N., Gohlke, H. y Roitberg, A. E. (2012). mmpbsa.py: an efficient program for end-state free energy calculations. Journal of chemical theory and computation, 8(9), 3314-3321. https://doi.org/10.1021/ct300418h.
• Lavecchia, A. y di Giovanni, C. (2013). Virtual screening strategies in drug discovery: A critical review. Current Medicinal Chemistry, 20(23), 2839-2860. https://doi.org/10.2174/09298673113209990001.
• Li, J., Wang, H., Li, J., Bao, J. y Wu, C. (2016). Discovery of a Potential her2 Inhibitor from Natural Products for the Treatment of her2-Positive Breast Cancer. Int J Mol Sci, 17(7), 1055. https://doi.org/10.3390/ijms17071055.
• Moreira-Silva, F., Camilo, V., Gaspar, V., Mano, J.F., Henrique, R., Jerónimo, C. (2020). Repurposing Old Drugs into New Epigenetic Inhibitors: Promising Candidates for Cancer Treatment? Pharmaceutics, 12(5), 410. https://doi.org/10.3390/pharmaceutics12050410.
• Murcko, M. A. (1995). Computational methods to predict binding free energy in ligand-receptor complexes. Journal of medicinal chemistry, 38(26), 4953-4967. https://doi.org/10.1021/jm00026a001.
• Paul, S. M. y Lewis-Hall, F. (2013). Drugs in search of diseases. Science Translational Medicine, 5(186), 186fs18. https://doi.org/10.1126/scitranslmed.3004452.
• Rull, J. A., Quibrera, R., González-Millán, H. y Castañeda Lozano, O. (1969). Symptomatic treatment of peripheral diabetic neuropathy with carbamazepine (Tegretol®): Double blind crossover trial. Diabetologia, 5, 215-218.
• Seidel, C, Schnekenburger, M., Dicato, M. y Diederich, M. (2012). Histone deacetylase modulators provided by Mother Nature. Genes Nutr, 7(3), 357-367. https://doi.org/10.1007/s12263-012-0283-9.
• Scafuri, B., Bontempo, P., Altucci, L., De Masi, L. y Facchiano, A. (2020). Molecular Docking Simulations on Histone Deacetylases (hdac)-1 and -2 to Investigate the Flavone Binding. Biomedicines, 8(12), 568. https://doi.org/10.3390/biomedicines8120568.
• Sixto-López, Y., Gómez-Vidal, J. A., de Pedro, N., Bello, M., Rosales-Hernández, M. C. y Correa-Basurto, J. (2020). Hydroxamic acid derivatives as hdac1, hdac6 and hdac8 inhibitors with antiproliferative activity in cancer cell lines. Sci Rep, 10(10462). https://doi.org/10.1038/s41598-020-67112-4.

Recepción: 24/02/2021. Aprobación: 07/09/2021.

Resumen

La evolución de los sistemas de información ha estado marcada por cambios en el procesamiento, tiempo de respuesta, tipo y cantidad de información. En un principio, la necesidad era la de automatizar la operación diaria de un negocio. Posteriormente, se requirieron de análisis para tomar decisiones estratégicas. Actualmente, se necesita predecir eventos o comportamientos futuros a partir de grandes cantidades de datos variados, provenientes de redes sociales, videos o correos electrónicos. Las propuestas más recientes podrían hacernos cuestionarnos por qué estamos regresando al punto de partida, si en los sesenta iniciamos con los sistemas de archivos, que luego evolucionaron a los gestores de base de datos relacionales, los cuales solucionaron diversos problemas de inseguridad y falta de consistencia en los datos.

El presente artículo pone de manifiesto los cambios en las tecnologías de los sistemas de información conforme a las necesidades de las organizaciones, reflexiona sobre si éstos representan una evolución o un retroceso, y sugiere soluciones tecnológicas de acuerdo con cada necesidad, dado que no siempre lo que está a la moda es lo que se necesita.
Palabras clave: sistemas transaccionales y analíticos, inteligencia de negocios, datos masivos, ciencia de datos, bases de datos en memoria.

File system, database managers and Hadoop, evolution or retrograde?

Abstract

The evolution of information systems has been marked by changes in processing, response time, and type and quantity of information. In the beginning, the need was to automate the daily operation of a business. Subsequently, analysis was required to make strategic business decisions. Currently, it is necessary to predict future events or behaviors from large amounts of varied data from social media, videos, or emails. The most recent proposals could make us think why are we returning to the starting point, if we started with file systems and then evolved to relational database managers, which solved various problems of insecurity and lack of data consistency.

This article highlights the changes in information systems technologies according to the needs of organizations, reflects on whether these represent an evolution or a setback, and suggests technological solutions according to each given need, because that in style is not always what is required.
Keywords: transactional and analytical systems, business intelligence, big data, data science, in memory databases.

Introducción

Existen varios factores que pueden ayudar a decidir qué tecnologías son las más adecuadas a cada necesidad empresarial. En primer lugar, las organizaciones deben innovar para ser más competitivas, por ende, requieren gran capacidad de análisis en el menor tiempo posible. En segundo lugar, la generación de datos es cada vez más variada y masiva. Finalmente, la falta de actualización y el surgimiento constante de diversas tecnologías hace más difícil la toma de decisiones.

Aquí haremos una breve reseña de la evolución de las tecnologías de información a fin de identificar sus características más relevantes y ver si algunas tendencias corresponden a una evolución o retroceso. Esta reseña podría ayudar a decidir cuál tecnología será más adecuada con base a lo que ofrece, la infraestructura y recursos humanos que se tiene, así como las necesidades de innovación y análisis.

Desarrollo y evolución de los sistemas de información

El procesamiento de información viene de tiempos anteriores a la creación de la primera computadora. Durante los sesenta, el procesamiento de información se automatizó debido a que el costo de las computadoras bajó y algunas compañías privadas las pudieron adquirir. Las pequeñas y medianas empresas rentaban capacidad de procesamiento a centros de cómputo externos para correr, por ejemplo, su nómina, y dependían completamente de ellos. Los sistemas eran rígidos e inflexibles, cualquier cambio en la ubicación o diseño de los datos implicaba modificar los programas.

En los setenta, Edgar F. Codd propuso el modelo relacional (Cood, 1970) y publicó una serie de reglas para la evaluación de sistemas gestores de base de datos relacionales1 (Codd, 1985). El éxito posterior de dichos gestores fue, por un lado, la independencia entre programas y datos y, por otro, la introducción del lenguaje sql2 (Reddy, 2017).

Durante los ochenta, los manejadores de base de datos relacionales se posicionaron en todos los sectores de la industria. Cada departamento desarrollaba sus propios sistemas transaccionales u oltp3 para satisfacer sus necesidades. De esta manera, se crearon diversos silos de información dentro de la misma organización. Los manejadores de base de datos relacionales podían garantizar que la información permaneciera segura y consistente en todo momento a través de las propiedades acid4 (html Rules, 2017).

Posteriormente, los directivos se dieron cuenta de la importancia que la información tenía para el negocio. Por ejemplo, si se deseaba saber las ventas de un cierto artículo en los últimos 10 años, requerían consolidar sus silos de información en una bodega de datos o data warehouse5 para poder tomar decisiones mediante un análisis de nivel empresarial (conocido como sistemas olap6 o analíticos) (Kimball, 1996; Inmon, 2002). Para ello había que extraer la información de los diversos sistemas, transformarla para adecuarla y cargarla (etl)7 a una base de datos relacional como bodega de datos, y así poder analizar la información desde diferentes enfoques de negocio a lo largo del tiempo (LeapFrogBI, 2013).

El primer problema de los sistemas olap fue que el tiempo para el proceso etl podía tardar varias horas y los reportes para los directivos no estaban listos a tiempo. Era común que llegara un director a preguntar por las ventas del día anterior y la respuesta fuera: —Sigue corriendo el proceso nocturno… El director volteaba por la ventana y decía: —¿Nocturno?, ¡si el sol ya salió! El segundo problema fue que, al almacenarse años de información para detectar tendencias y comportamientos, el disco y la memoria se empezaron a agotar.

Más recientemente surgieron los sistemas manejadores de bases de datos columnares8 (Moore, 2011), que permitían el proceso de etl a la bodega de datos en una base de datos columnar. Con ello, el tiempo para resolver consultas olap se redujo considerablemente (Informática, 2020). Sin embargo, para las organizaciones ya no es suficiente conocer qué sucedió con sus ventas. Ahora se desea predecir o influenciar en las compras de los clientes; a esto se le llama análisis predictivo y prescriptivo (cuando te inducen a comprar cierta película porque te la sugieren). Lo anterior se logra con la introducción de otras disciplinas como la estadística computacional, el aprendizaje de máquina o la minería de datos (Han, Kamber y Pei, 2012; Be a better dev, 2020; ver figura 1).

Figura 1. Arquitectura de inteligencia de negocios con análisis descriptivo, predictivo por gran variedad de herramientas para análisis.

El internet ha facilitado la interacción de las personas y ha contribuido al aumento de datos, tanto en variedad como cantidad, como tuits, publicaciones, videos, voz, datos geoespaciales, etcétera, los cuales hay que almacenar, administrar y analizar. Por tanto, las tecnologías han echado mano de técnicas como el cómputo paralelo masivo (mpp).9 Tal es el caso de Teradata, Oracle Real Application Cluster y más recientemente Hadoop. Estas innovaciones promueven el surgimiento de las bases de datos multi-modelo10 y la tecnología Nosql (Sadalage y Fowler, 2013). Esta última permite, por ejemplo, almacenar más fácilmente la información de redes sociales distribuida en varias computadoras (Simply explained, 2020). La desventaja es que los datos permanecen inconsistentes por ciertos períodos de tiempo (Panicker, 2016). Lo cual, nos hace reflexionar una vez más, acerca de lo que realmente necesitamos: ¿rapidez en el manejo de datos o precisión y consistencia en ellos?

Hoy en día, las organizaciones necesitan analizar diversos tipos de información, lo más rápido posible, a nivel predictivo y prescriptivo. Por ejemplo, ya no es viable tener que esperar horas a que se realice el etl de correos electrónicos y tuits a registros en una bodega de datos para su posterior análisis. Esto da lugar al problema del análisis de datos masivos11 (Katsov, 2013). Como posibles soluciones al análisis de datos masivos se han propuesto diversas tecnologías, como las bases de datos multimodelo o el marco de trabajo Hadoop12 Defog Tech, 2019; Hillam, 2012; Borthakur, 2010).

Figura 2. Arquitectura para análisis descriptivo y/o predictivo de cualquier tipo de dato con bases de datos en memoria, multimodelo o sistema de archivos distribuido Hadoop.

En el siglo XXI

El Instituto de Investigación Hasso Plattner y la compañía sap A. G. anunciaron en 2012 un software que maneja base de datos en memoria principal:13 sap hana db (Plattner, 2014), y que soportaba datos geoespaciales, grafos y texto dentro del mismo sistema de almacenamiento. hana db puede correr sistemas transaccionales, analíticos y reduce el tiempo de procesamiento (Knapp, 2018).

Durante la primera década del siglo xxi, la tendencia fue incorporar softwares de análisis estadístico e inteligencia artificial al manejador de base de datos (conocido como in-database analytics), donde la programación reside en la propia base de datos (Looker, 2017). Aquí sería pertinente hacer notar el regreso a las desventajas de los años sesenta al juntar datos y programas.

En 2018, la empresa Intel anunció sus módulos de memoria persistente Optane dc (Alcorn, 2018). Su característica principal es la capacidad de no perder datos al cortarse el flujo de la energía eléctrica. Esto aumenta la confianza en el uso de las bases de datos en memoria, por la seguridad y rapidez. Actualmente estas tecnologías se ofrecen en la nube, haciéndolas más asequibles para todo mundo.

En la actualidad, la tendencia en los sistemas manejadores de bases de datos es administrar cualquier tipo de información y mejorar el tiempo de respuesta en aplicaciones olap y oltp (ver figura 3). No obstante, el regresar al almacenamiento en sistemas de archivos distribuidos en varios discos y que sean leídos simultáneamente (en paralelo) con Hadoop (Borthakur, 2010), o Amazon S3, entre otros, no parece ser una gran ventaja. Sobre todo, si se considera que no podrá ser un sistema en tiempo real, no es fácil de implementar y pierde rendimiento con el uso excesivo de red y disco (Dilan, 2013).

Figura 3. Gestor de bases de datos multimodelo en memoria persistente para soporte de procesamiento por lotes, en línea o en tiempo real para operación o análisis de información.

Otra alternativa para analizar datos rápidamente es procesarlos conforme se van generando (Psaltis, 2017). Esto se conoce como análisis de ráfagas de datos o streaming analytics en inglés. Por ejemplo, podemos generar una alerta al recibir datos provenientes de un sensor, si detectamos que se ha excedido algún límite en la medición. Estos sistemas consultan poca información simultáneamente, su objetivo principal es, por ejemplo, leer datos de un sensor, y tomar decisiones y acciones rápidamente. Hay que considerar que el análisis de ráfagas de datos sería complicado y no recomendable cuando se necesita adecuar los datos antes del análisis y éste es complejo.

En cuanto a la complejidad en el análisis, la ciencia de datos ha sido el resultado de la evolución de diversas tecnologías que explican, descubren o predicen fenómenos a partir de cualquier tipo de dato. Sin embargo, para ello se requiere de personal altamente capacitado y de una infraestructura robusta si es que se manejan grandes cantidades de información (Great Learning, 2019).

Si no se cuenta o no se puede mantener una infraestructura robusta ni personal capacitado, el cómputo en la nube14 parecería la panacea, pues se puede contratar un amplio portafolio de soluciones de hardware y software para dar respuesta a la demanda, sin tener que preocuparse por los detalles técnicos. Sin embargo, toda la infraestructura en la que se guardan los datos ya no reside en las propias oficinas y probablemente tampoco en las del proveedor de la nube, sino en un tercero, y esto puede constituir en un obstáculo de proporciones gigantescas en el plan de continuidad de negocio de la empresa.

El pago de los servicios en la nube se puede establecer con base en los recursos y funciones que se necesitan para operar. Si un mes no se paga la factura a tiempo, la posibilidad de que la compañía se quede sin acceso a sus propios datos y aplicaciones es real, similar a lo que pasaba en la década de los sesenta con el pago del tiempo compartido. Aquí nos preguntamos: ¿evolución o retroceso? Además, hay que considerar que cuanto mayor sea la empresa, la cantidad de personas y número de proyectos, más grande será la factura y más cerca se podría estar de un problema que podría llevar a la empresa a situaciones muy difíciles ante la imposibilidad de acceder a sus datos (Hodges, 2019).

Reflexión

Dentro de las principales propuestas para el análisis rápido de grandes cantidades de cualquier tipo de información (datos masivos o big data) están el marco de trabajo de Hadoop y la tecnología Nosql15 (Sadalage y Fowler, 2013), en los que no se garantiza al 100 por ciento la seguridad y consistencia que ya se tenían en tecnologías anteriores.

Si a inicios de los sesenta se tenían sistemas de archivos y a lo largo de décadas se evolucionó a modelos relacionales, modelos columnares y en memoria, que siguen soportando seguridad, persistencia y consistencia, ¿cómo es que las propuestas actuales las garantizan en tiempo real? ¿Esto implica evolución o retroceso?

En primer lugar, las tecnologías Nosql y Hadoop son generalmente de código abierto y soportan cualquier tipo de información como videos, textos o imágenes que dan mayor riqueza al análisis. Dada la naturaleza del procesamiento de este tipo de información, las operaciones típicas son de lectura, así que tampoco es imprescindible que soporten consistencia e integridad. Además, están surgiendo tecnologías Nosql multimodelo con dicho soporte, para el desarrollo de sistemas de información transaccionales, que puedan almacenar y manejar diversos formatos (Be a better dev, 2020).

En segundo lugar, los sistemas de bases de datos multimodelo en memoria son más robustos, requieren licencia y son tecnologías dirigidas al sector industria, con suficiente presupuesto para migrar varios terabytes16 o petabytes17 de información. El problema es el costo de memoria principal. Sin embargo, recordemos que están surgiendo ram persistentes y que se espera abaratar este recurso computacional. Así que esta tecnología también podrá soportar grandes cantidades de ráfagas de datos, sistemas analíticos y transaccionales.

Entonces, el retroceso consiste en no estar conscientes de las ventajas y desventajas que cada tecnología ofrece y empezar un proyecto de operación diaria, consolidación o análisis de información sin considerar las capacidades, infraestructuras y características de volumen, variedad, velocidad y tipo de análisis. Así como utilizar una tecnología específica sólo porque es el tema principal en las redes sociales o está de moda (Lumen, 2016).

Recomendaciones

Si alguna tecnología está de moda, no implica que la compañía deba implementarla para verse innovadora, pues lo más importante es que se vea qué necesidades de operación o análisis se tienen.

Si se necesitan describir las tendencias claves en los datos existentes y esto se puede lograr sólo consultando las fuentes de datos existentes, un sistema de tipo olap nos permitirá un análisis básico descriptivo como proporciones, tasas, razones o promedios.

Si dependemos de un análisis estadístico para obtener información nueva o histórica y el utilizar ésta para predecir patrones de comportamiento y aplicarlos a eventos del pasado, presente o futuro, lo que se requiere es un sistema de información predictivo. El cómo implementarlo dependerá de la rapidez deseada para el análisis y la toma de decisiones, así como los tipos y cantidades de información.

Si la información no contiene textos, grafos, imágenes, audio o video, por ejemplo, entonces, con una solución de inteligencia de negocio que contemple una buena herramienta de análisis a través de estadística y aprendizaje de máquina sería suficiente.

Si la cantidad de datos crecerá rápidamente, es posible que el rendimiento y, por ende, el proceso de análisis y toma de decisiones empiece a degradarse con el tiempo. En consecuencia, es conveniente usar una base de datos columnar y en memoria, o bajo una arquitectura paralela distribuida, sin tener que llegar al uso de un sistema de archivos.

Si la mayoría de los datos son, por ejemplo, video, texto, grafos, imágenes y no serán cantidades masivas de información (como terabytes), lo más conveniente es implementar una solución de inteligencia de negocio que almacene los datos en tecnología Nosql para ahorrar tiempo en transformar y “no tener que estructurar” los datos.

Si la mayoría de los datos son video, imágenes, textos, se prevé un aumento masivo en el volumen de los datos y no se requiere una respuesta en tiempo real, puede usarse una arquitectura clúster de computadoras18 con alguna base de datos Nosql.

Si la mayoría de los datos provienen de sensores calibrados y por ende no requieren adecuarse previamente para la predicción se puede utilizar análisis de ráfagas de datos para una toma de decisiones prácticamente en tiempo real. El almacenamiento en este caso puede ser opcional.

Para concluir, existen tantas tecnologías y tendencias en el mercado de los sistemas de información que podríamos sentirnos abrumados y no saber qué tipo de proyecto será el mejor. Lo importante es saber cuál es la estrategia de negocio, con qué tipo de información y recursos contamos, qué tipo de análisis y tiempo de respuesta deseamos y decidir acorde a ello.

Referencias

• Alcorn, P. (2018). Intel Displays 512GB Optane dc Persistent Memory dimms. Tom´s Hardware. https://cutt.ly/fRO6rkD.
• Be a Better Dev. (2020, 10 de febrero). sql vs Nosql Explained . YouTube. https://www.youtube.com/watch?v=ruz-vK8IesE.
• Borthakur, D. (2007). The Hadoop Distributed File System: Architecture and Design The Apache Software Foundation.
• Codd, E. (1985). Is Your dbms Really Relational? ComputerWorld, 9(41).
• Cood, E. (1970). A Relational Model of Data for Large Shared Data Banks. Communications of the acm.
• Defog Tech. (2019, 17 de abril). Google File System – Paper that inspired Hadoop . YouTube. https://www.youtube.com/watch?v=eRgFNW4QFDcv.
• Dilan, G. (2013, 13 de septiembre).. What are the disadvantages of mapreduce? Stack overflow. https://cutt.ly/CRPwTQX.
• Great Learning. (2019, 18 de octubre). What is Data Science? . YouTube. https://www.youtube.com/watch?v=Nrfht_c3T7w.
• Han, J., Kamber, M. y Pei, H. (2012). Data mining, Concepts and techniques. Morgan Kaufmann.
• Harmon, A. L. (1959, 13 de mayo). [Carta a P. Z. Ingerman]. Archive of Computer History Museum. https://cutt.ly/WRPwFQi.
• hdfs Architecture. (2021, 25 de octubre). https://cutt.ly/qRPwaNa.
• Hillam, J. (2012, 14 de julio). Intricity 101. What is Hadoop? . YouTube. https://www.youtube.com/watch?v=9s-vSeWej1U.
• Hodges, R. (2019, 30 de julio). Far more than cloud: Thoughts on the future of database management systems. Altinity. https://cutt.ly/ORPw73p.
• html Rules. (2017, 11 de octubre). Transacciones y el test acid en bases de datos . YouTube. https://www.youtube.com/watch?v=SaUai23Z3Tc.
• Informática para tu negocio. (2020). Fundamentos de una base de datos columnar. https://cutt.ly/mRPedAa.
• Inmon, W. (2002). Building the Data Warehouse. John Wiley Sons.
• Intel latam. (2020). Memoria persistente Intel® Optane™. https://cutt.ly/9RPegVb.
• Intel latam-optane. (2020). Intel® Optane™ dc Persistent Memory Partner: Accenture. https://cutt.ly/ERPen5Y.
• Katsov, I. (2013, 20 de agosto). In-Stream Big Data Processing. Highly Scalable Blog. https://highlyscalable.wordpress.com/2013/08/20/in-stream-big-data-processing/.
• Kimball, R. (1996). The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses. John Wiley Sons.
• Knapp, B. (2018, 30 de octubre). ibm Cloud. What is sap hana? . YouTube. https://www.youtube.com/watch?v=8VXurKENGRE.
• LeapFrogBI. (2013, 18 de marzo). Dimensional Modeling: Introduction . YouTube. https://www.youtube.com/watch?v=cwpL-3rkRYQ.
• Looker. (2017, 18 de diciembre). Analytical Databases: Differentiators of Database Technologies . Youtube. https://www.youtube.com/watch?v=XdJcvUKiNqc.
• Lumen. (2016, 14 de enero). Data Lakes: Hadoop Vs. In-Memory Databases. https://blog.lumen.com/data-lakes-hadoop-vs-in-memory-databases/.
• Moore, T. (2011). The Sybase IQ Survival Guide. Lulu.com.
• Panicker, M. (2016, 17 de junio). Big Data and Nosql Databases Tutorial (BaSE)- Part 3 . YouTube. https://www.youtube.com/watch?v=pRgUGkDxJ7k.
• Parmar, Y. (2017, 7 de enero). Relational databases, Advantages over flat file systems . YouTube. https://www.youtube.com/watch?v=vKkdhOj2Oog.
• Plattner, H. (2014). A Course in- Memory Data Management. Springer-Verlag.
• Psaltis, A. (2017). Streaming Data: Understanding the real-time pipeline. Manning Publications Co.
• Reddy, G. (2017, 18 de enero). Database vs file system . YouTube. https://www.youtube.com/watch?v=y3dc6BJq2LM.
• Sadalage, P. y Fowler, M. (2013). Nosql Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Pearson Education, Inc.
• sap Inside Track. (2019, 2 de septiembre). Databases go multimodel . YouTube. https://www.youtube.com/watch?v=LE0BXZV2m6s.
• Simply explained. (2020, 8 de diciembre). How do Nosql databases work? Simply Explained! . YouTube. https://www.youtube.com/watch?v=0buKQHokLK8.
• Vikramtakka. (2013, 18 de marzo). 3 – etl Tutorial | Extract Transform and Load . YouTube. https://www.youtube.com/watch?v=WZw0OTgCBOY.

Recepción: 15/01/2020. Aprobación: 09/06/2021.

Resumen

Resulta importante hacer una reflexión en retrospectiva acerca del momento histórico en que nos encontramos como estudiantes, profesores y seres humanos. Es evidente que las dimensiones educativa y social se han visto trastocadas a un año de haber iniciado el confinamiento estricto en México y en el mundo. Muchas cosas se modificaron, pero ¿cómo lo estamos sobrellevando?

En este breve artículo, se hace un repaso sobre lo que hemos cambiado y mejorado, y que, una vez que regresemos a la llamada “nueva normalidad”, integraremos en nuestra nueva vivencia, desde lo académico hasta los aspectos social y emotivo.
Palabras clave: pandemia, aprendizaje, habilidades, sociedad.

What we learned a year after the beginning of the pandemic

Abstract

It is important to reflect in retrospect on the historical moment in which we find ourselves as students, teachers, and human beings. Evidently, the educational and social dimensions have been disrupted one year after the beginning of the strict confinement in Mexico and in the world. Many things have been modified, but how are we coping with it?

In this short article, we review what we have changed and improved, and that, once we return to the so-called “new normal”, we will integrate into our new experience, in the academic, social and emotional aspects.
Keywords: pandemic, learning, skills, society.

Introducción

Hace aproximadamente un año y algunos meses comenzó el período de confinamiento estricto en México, y nuestras labores educativas y académicas cambiaron. El trayecto hacia la universidad, la gente que solíamos ver a nuestro paso, los holas, los buenos días, los desayunos en cafeterías, y las miradas de saludo que intercambiábamos en el transcurso de los pasillos de nuestra casa de estudios, desde hace tiempo ya no están. A más de un año de ese momento, ¿en dónde estamos como académicos, como estudiantes? ¿Qué hemos aprendido?

Figura 1. Ciudad Universitaria, UNAM (Ted’s photos-For Me & You, CC BY-NC-SA 2.0)

El período de contingencia por el virus sars-CoV-2 (covid-19) puede ser visto desde distintas perspectivas. En este breve artículo abordaré dos dimensiones, la dimensión educativa y la dimensión social.

Dimensión educativa

En el área de idiomas, en la que me desempeño, podemos decir que desde hace ya bastante tiempo hemos trabajado en plataformas educativas en línea, que han buscado desarrollar y fomentar el aprendizaje autónomo, donde el alumno se forme en estrategias que le permitan llevar a cabo un proceso de aprendizaje autorregulado, y que existan materiales y recursos educativos que ayuden al logro de las metas de aprendizaje en ambiente de autonomía. Prueba de ello son los portales English Media y Ambiente Virtual de Idiomas, proyectos de la unam en donde he tenido la oportunidad y honor de participar, y que durante la contingencia han sido ampliamente difundidos y utilizados por muchos estudiantes de la Universidad Nacional (ver figuras 2 y 3).

Figura 2. Portal de Proyectos English Media (CUAED, s.f.).

Figura 3. Portal de Ambiente Virtual de Idiomas (CUAIEED, s.f.).

Para distintos autores dentro del área del aprendizaje de idiomas, pero incluso en ámbitos como la filosofía o psicología, la autonomía no es un estado finito, sino un continuo en distintos niveles o estadios susceptibles a desarrollarse (Little, 2017, p. 25; Hiago y Sade, 2020, p. 29). Así, nuestros alumnos e incluso nosotros como académicos transitamos en alguna parte de este continuo. De ahí la importancia del desarrollo de materiales, recursos y actividades, que fomenten en los alumnos estrategias de autorregulación, que los ayuden a avanzar en el proceso de volverse más y mejores aprendientes autónomos.

Video. Plataforma Universitaria. Ambiente Virtual de Idiomas.

A lo anterior se le añade el incipiente conocimiento que muchos teníamos sobre plataformas de comunicación virtual —como Zoom, Meet, Webex—, o las de gestión de contenidos —como Google Classroom o Schoology—. Aprender a utilizar dichas herramientas y recursos añadidos fue algo que aprendimos prácticamente en la marcha, y también gracias a los innumerables cursos que se ofrecieron y se siguen ofertando en la Universidad. Aparentar que nuestros alumnos o nosotros mismos fuimos expertos desde el inicio y que no hubo equivocaciones —como abrir dos sesiones de Zoom y luego no saber a cuál debíamos ingresar U+2639 U+FE0F — sería tanto como pretender que la primera clase que dimos como docentes (en presencial) fue un éxito rotundo. Indudablemente, hubo mucho aprendizaje en cuanto a habilidades académicas que tanto docentes como discentes adquirimos a lo largo de este año de contingencia.

Lo anterior sólo significa que se ha avanzado un poco en este ámbito, definitivamente hay aspectos que deben abordarse, y siempre hay áreas de oportunidad. No obstante, reconocer aquello que hemos logrado nos permite observar también lo que aún falta por alcanzar.

Dimensión social

A lo largo de este último año hemos atravesado por distintas situaciones, algunas buenas y otras nada placenteras. En un inicio, algunos de nosotros llegamos a “disfrutar” del quedarnos en casa y no salir. De inmediato surgieron algunas ventajas mundanas como no gastar tanto combustible, la idea de pasar más tiempo con nuestras familias y mascotas, la posibilidad de comer más sano, actividades que, desde el privilegio de tener un trabajo que nos permite desempeñar nuestra labor académica desde casa, parecen positivas.

Sin embargo, no es la realidad de todos. Definitivamente no fue la realidad de muchos de nuestros estudiantes, compañeros, vecinos, o familiares. Algunos de los padres de nuestros alumnos o nuestros propios estudiantes sufrieron casi de inmediato un recorte en su sueldo y tuvieron que buscar otros medios para obtener recursos económicos a pesar de la contingencia. Algunos perdieron su trabajo.

Durante los primeros meses de la emergencia sanitaria, no sólo se hizo evidente la necesidad de mejorar la infraestructura de la red de internet en el país. De hecho, en términos más reales, muchos de nuestros alumnos y algunos profesores simplemente no tenían acceso a ella. Algunos tuvieron que ir a cafés-internet a tomar clase, compartir sus equipos de cómputo con otros miembros de su familia, o algunas otras opciones, las cuales probablemente no implicaban las mejores situaciones para atender una clase virtual.

Independientemente de los esfuerzos realizados por cada uno de los académicos, los llamados desde las instituciones educativas a la flexibilidad, a promover la empatía, a tratar de entender la realidad del otro, fueron muy necesarios y relevantes. Fue a través de la comprensión de la realidad de nuestros estudiantes, que adecuamos actividades, tiempos y formatos de entrega. En definitiva, no es igual una clase presencial a una clase virtual, y a todos nosotros la realidad de nuestros alumnos, sus necesidades, limitaciones, expectativas y la propia problemática social y personal se nos vino encima. Empatizar con nuestros semejantes y auxiliar cuando era posible fueron las constantes.

Figura 4. Salón vacío (Esparta Palma, CC BY 2.0).

Luego, vinieron cosas más complicadas. La pérdida de un ser querido puede trastornar la vida de cualquiera. Bajo una situación de pandemia, con restricciones para reunirse, se volvió complicado acompañar físicamente a nuestras propias familias. No obstante, la cercanía afectiva que se brindó mediante los distintos medios tecnológicos sirvió de apoyo para quienes estuvimos en esa situación. Entonces, el llamado a ser flexibles y a ser empáticos con nuestros estudiantes y con nuestra comunidad en general no sólo vino de la Universidad, sino de la propia vida, que nos empujó a intentar comprender la otredad, a apoyarnos, y a acompañarnos en una situación que, como hemos dicho, fue cambiando a lo largo de los meses.

Figura 5. “Vaciando el supermercado” (Eneas De Troya, CC BY 2.0).

En un ejercicio con 60 alumnos de la enes Unidad León, se les preguntó qué habían aprendido después de estar en confinamiento durante un año y en las condiciones actuales. Para muchos de ellos la experiencia ha tenido una suerte de sabor agridulce, por la fortuna de estar en casa, pero con el miedo e incertidumbre de no querer que su familia se contagie, esto aunado al estrés que significa trabajar y pasar mucho tiempo frente a la computadora. Para la gran mayoría, lo más importante fue valorar la salud y, por supuesto, la familia. Mediante una herramienta de nubes de palabras hemos incluido las ideas más frecuentes en las experiencias compartidas por los alumnos (ver figura 6).

Figura 6. Nube de palabras por alumnos de la ENES Unidad León.

Y, entonces, ¿qué hemos aprendido?

Hemos aprendido muchas y muy innovadoras estrategias docentes para apoyar y ayudar a construir el aprendizaje de nuestros alumnos a distancia. Aun cuando no era la formación de los docentes, nos hemos convertido en profesores en línea. Hemos aprendido a utilizar y a sacar el mayor provecho de las herramientas digitales y recursos electrónicos que nos ofrece nuestra casa de estudios, quizá con un poco de miedo e inseguridad en algunos casos, pero siempre con la convicción de promover el aprendizaje autónomo como parte de la esencia de la Universidad Nacional.

A pesar de que para muchos de nuestros alumnos el proceso de aprendizaje en este año ha sido sumamente complicado y confuso en muchas ocasiones, ellos, sin duda, han aprendido mucho acerca de autonomía y han aplicado (aún sin darse cuenta) estrategias que les permiten autorregular su aprendizaje y mantenerse motivados. Sí, aún queda mucho por aprender, pero una vez que regresemos a las aulas no seremos los mismos, volveremos con habilidades académicas que antes no teníamos y seremos capaces de aplicarlas en nuestra vida diaria.

Por otra parte, también hemos aprendido que reconocer, validar y empatizar con las situaciones que nuestra comunidad (alumnos, profesores, administrativos) ha vivido en este período nos permite conectar mejor y entender que más allá del ámbito educativo, existe una dimensión social y afectiva que forma parte integral de nosotros y que puede ayudar o inhibir que nuestros alumnos desarrollen sus habilidades y conocimientos. Ser flexible y empático con el otro será una habilidad que pondremos en práctica de ahora en adelante, tanto en la realidad a distancia como en la presencial. En palabras de Thedore Roosevelt: “A nadie le importa cuánto sabes, hasta que saben cuánto te importa”.

Referencias

• cuaed. (s.f). English Media. Unidades temáticas de inglés. https://cutt.ly/cRFaVHE.
• cuaieed. (s.f.). Ambiente Virtual de Idiomas. https://avi.cuaed.unam.mx.
• Hiago, C. y Sade, T. (2020, 27 de enero). The learning autonomy of the visually impaired students in language education and language acquisition. https://doi.org/10.31226/osf.io/nbg5r.
• Little, D., Dam, L. y Legenhausen, L. (2017). Language Learner Autonomy: Theory, Practice and Research. Multilingual Matters.
• Rueda Beltrán, M. (2010). Autoevaluación y autonomía. Perfiles Educativos, 32(130). https://doi.org/10.22201/iisue.24486167e.2010.130.20568.
• Theodore Roosevelt Quotes (Author of The Rough Riders). (s. f.). Goodreads. https://www.goodreads.com/author/quotes/44567.Theodore_Roosevelt.
• unam global. (s.f.). Pandemia covid-19. https://cutt.ly/fRFp3HY.

Recepción: 22/04/2021. Aprobación: 07/09/2021.

Resumen

La educación siempre ha estado en el desarrollo del ser humano. Desde que los padres decidieron instruir a sus hijos en aspectos como la caza o el cuidado de sí mismos, ésta ha servido para mejorar la calidad de vida y, del mismo modo, ha evolucionado drásticamente con el paso del tiempo. En medio de la pandemia de la covid-19, los docentes nos hemos visto obligados a no tener sesiones educativas de forma presencial, a las cuales estábamos acostumbrados. Con ello, obtuvimos experiencias en las que se pone en evidencia que nos hace falta desarrollar habilidades para clases digitales. El objetivo principal de este artículo es mencionar las áreas de oportunidad que tenemos en la educación a distancia. Asimismo, se revisarán cuestiones como: ¿qué beneficios tiene la educación en línea?, ¿qué aspectos en contra tiene?, ¿qué problemáticas existen? y ¿qué áreas de oportunidad tenemos en este momento y cómo podemos implementarlas?
Palabras clave: apoyo, escuela secundaria, desempeño académico, participación de padres de familia, clases en línea.

Searching for teacher improvement in online education

Abstract

Education has always been key for the development of human beings. Since parents decided to instruct their children in aspects such as hunting or taking care of themselves, it has served to improve the quality of life and, in the same way, it has drastically evolved over time. During covid-19 pandemic, teachers have been forced not to have face-to-face educational sessions, to which we were accustomed. With this, we obtained experiences that evidence the need to develop skills in digital classes. The main objective of this article is to mention the areas of opportunity that we have in distance education. In the same way, we review questions such as: what benefits does online education have? What are its cons? What problems exist? What areas of opportunity do we have at this time and how can we implement them?
Keywords: support, online education, high school, academic performance, parent’s involvement.

Introducción

La finalidad de este artículo es discutir las áreas de oportunidad en la educación a distancia, así como las posibilidades de aprovechar este tipo de enseñanza al máximo. Lo anterior conllevará mejores resultados cuando tengamos la posibilidad de aplicar de nueva cuenta esta modalidad tanto a corto como a largo plazo. Los beneficiados en la lectura de este texto serán los docentes, instituciones, padres de familia y directivos. Con ello, se podrá generar una visión en las áreas de oportunidad que existen en la educación a distancia, para facilitar la mejora del nivel educativo en los nuevos ciclos.

Autores como Balarin, Tobon, Cabello y Borges nos hacen reflexionar que la educación a distancia tiene ya un tiempo con nosotros y que puede ser mejorada mediante el cambio en las áreas de oportunidad. Las ideas que estos autores nos otorgan hacen hincapié en acciones que aumentarán el nivel de efectividad en este tipo de enseñanza y, gracias a ello, podremos generar una educación que garantice eficiencia y no un estancamiento. Para concluir, tenemos la finalidad de determinar cómo mejorarla, así como poder sacarle provecho.

El contexto de la pandemia

Debido a la aparición del virus sars-CoV-2, la educación a nivel global tuvo que cambiar de forma radical durante 2020 y 2021. Aún con las vacunas disponibles al momento de escribir este artículo, esta pandemia estará con nosotros por más tiempo del que pensábamos y el volver a la normalidad es muy distante, por lo que se origina una problemática para el sistema educativo. Aunado a todo esto, los docentes hemos enfrentado dificultades en la modalidad de enseñanza a distancia, la cual no esperábamos y que nos tomó de sorpresa.

¿Qué problemáticas está enfrentando el sistema educativo? En el ámbito de las clases en línea, algunas de las principales dificultades son: el desconocimiento de las plataformas digitales, alumnos —junto a padres de familia— que no saben cómo se lleva a cabo la educación a distancia, docentes que palidecen ante la tecnología nueva, presión de organismos educativos que necesitan ofrecer el producto para poder existir e, incluso, abandono escolar. Estas son algunas de las problemáticas más notorias y que aún no hemos atendido a gran escala en México.

Si buscamos mejorar en este ámbito, debemos realizar cambios y modificaciones pertinentes entre los involucrados en el proceso de enseñanza-aprendizaje. No esperábamos que esta nueva modalidad de educación fuera tan determinante y el que estemos en medio de una pandemia nos ayuda a entender su importancia.

Padres de familia y estudiantes

Así como los docentes y las instituciones ofrecen educación, también la familia influye en lo que aprenden los estudiantes. La educación inició en casa y después se crearon las escuelas, por lo cual la responsabilidad no sólo recae en las instituciones y/o docentes.

Balarin (2008) menciona que los padres de familia y los alumnos no comprenden el logro educativo ni cómo poder mejorarlo, pues muy pocos padres fueron capaces de especificar su rol con relación al proceso de aprendizaje de sus hijos y cómo pueden brindar apoyo en casa. Del mismo modo, relata que las familias con altos recursos económicos y niveles educativos están en mejor posición de apoyar el aprendizaje de sus hijos, mientras que las de menos recursos se inclinan a retrasar dicho aprendizaje. Esto no significa que los hijos de familias de clase alta tengan capacidades de pensamiento superiores, sino que tienen la facilidad de poder monitorear la educación de sus hijos dada la falta de necesidades económicas.

Otro de los actores principales en el proceso de enseñanza-aprendizaje es el alumno y éste no sólo coexiste con personas en su aula, sino también en su casa. Ramírez y Andrade (2005) mencionan que los hábitos y conflictos que el joven percibe pueden contribuir al desarrollo de sus costumbres y prácticas sociales. Esto, en primera instancia, nos revela que una familia que dé seguimiento a su hijo podrá sacarle provecho a la educación a distancia, mientras que una que no lo haga afectará el desempeño académico del estudiante, lo que incluye la posibilidad de deserción.

Tobón (2006) aporta que las características del entorno socioeconómico y los nuevos cambios terminan afectando a las instituciones educativas. Los padres de familia ya no están tanto tiempo en casa como antes y, por ende, es difícil tener una supervisión en cada uno de los miembros de la familia. Encima de eso vivimos en una situación de pandemia, con la cual el contacto humano ha sido reducido para no crear más contagios.

Atria (2012), por su parte, exhibe las condiciones sociales de los países del continente americano y de cómo afectan a los estudiantes. Los valores y actitudes, así como el desempleo, violencia, problemas familiares y, en especial, la situación económica son problemas que los afectan y que se ven reflejados en su desempeño académico y en la motivación para aprender.

Tanto estudiantes como padres de familia tienen la responsabilidad de actuar en el proceso de enseñanza-aprendizaje, pero esto no significa que dicha responsabilidad recaiga totalmente en ellos. Nosotros como docentes o instituciones educativas también participamos en dicho proceso y, por consiguiente, no podemos delegar la responsabilidad educativa únicamente a la familia.

Instituciones educativas

Las instituciones educativas son las encargadas de ofrecer un lugar donde se genera el proceso de enseñanza-aprendizaje y su tarea es brindar un espacio donde los estudiantes puedan recibir una educación de calidad, así como desarrollar un proceso de socialización sin impedimentos. Sin embargo, con la pandemia han surgido dificultades que no esperábamos en estos y otros aspectos.

La situación de las escuelas es muy interesante. Flores (2020) realizó una comparación entre dos institutos privados y pudo encontrar que una de esas dos escuelas se destacaba en conocimientos informáticos de una computadora, pero al mismo tiempo la otra institución se destacaba en aspectos como el uso de plataformas como Netflix. Esto no dista mucho de la realidad presente en todas las escuelas. Aunque tenemos problemáticas similares, cada escuela es distinta y si lo que buscamos es elevar el nivel académico, entonces, necesitamos atender las necesidades que afectan al proceso de enseñanza-aprendizaje de cada institución.

Las instituciones educativas siempre están en un proceso de transformación y, dado que debemos manejar la educación a distancia, éstas deben adaptarse a una nueva realidad, donde la meta principal es que la educación llegue a todos los estudiantes posibles. Con esto como punto de partida, podemos definir que el éxito en el rendimiento de los aprendices reside también en la escuela y no exclusivamente en el alumnado, por lo cual debemos de brindar un servicio que permita generar aprendizaje.

Domínguez Martínez (2010) expone que esta educación debe realizarse con una relación cordial entre docentes y padres de familia. Por ende, tanto los padres y profesores deben dar su apoyo continuo en el proceso educativo. En cuanto a este aspecto, Cabello (2016) relata que el marco de la participación de las familias parte de los mecanismos habilitados para ello, y es ahí donde podemos encontrar que se trata de un trabajo conjunto, que depende de todos y no de unos cuantos.

Para culminar, Pedro (2006) plantea que la participación de los padres de familia puede entorpecer la labor del maestro. Él menciona que existen padres sobreprotectores, que no dejan al docente trabajar o que quieren tener el control de la educación en sus manos. El docente es un agente que busca brindar educación y si algo lo detiene, entonces, no podrá proporcionarla. Con la tendencia al uso de nuevas tecnologías en esta realidad a distancia, los padres de familia deben también conocer cómo se usarán dichas herramientas, para que no surjan conflictos a futuro. Si los padres de familia le dan un uso incorrecto a la tecnología van a ocasionar más daño a los estudiantes.

Nuevas tecnologías

Un detalle que llama la atención es que desde hace años las nuevas tecnologías han transformado el comportamiento de la sociedad y ésta se ha adaptado al mismo ritmo. En el caso de la educación, la tecnología ha aportado muchísimas herramientas que facilitan la tarea del proceso de enseñanza-aprendizaje. Como los aparatos tecnológicos como televisores, tabletas, teléfonos inteligentes y computadoras salen al mercado constantemente, éstos tienden a bajar su precio, lo cual permite que puedan ser obtenidos por una mayor cantidad de la población.

Solano (2013) afirma que las nuevas tecnologías ya son parte de las familias y que han cambiado la forma de comunicarnos. Prácticamente cualquier persona puede tener acceso a estos dispositivos, ya que su costo puede llegar a ser bajo. Maria (2010) señala, por su parte, que la educación ya se ha unido a los nuevos medios digitales y comenta que internet puede usarse para obtener nuevos conocimientos, así como facilitar nuestra vida ante los problemas cotidianos. A pesar de que éste es el objetivo de toda tecnología, se debe de tener una supervisión continua, porque las personas pueden desvirtuar su uso de forma muy fácil y volverla un distractor.

La educación a distancia ha existido desde hace bastante tiempo y ha cambiado en consecuencia. Esta modalidad, que se utiliza fundamentalmente como auxiliar en el proceso de enseñanza-aprendizaje, ha tomado fuerza en los últimos años, especialmente en los sectores de educación superior. Sin embargo, en 2020 y 2021, todas las escuelas en México se vieron forzadas a utilizar la educación a distancia, dados los riesgos sanitarios que conlleva tener clases presenciales en medio de una pandemia.

En el dominio de la tecnología, autores como Cabero-Almenara et al. (2020) afirman que los estudiantes están inmersos en redes sociales y que esto puede causar adicción. En su estudio, encontró que la adicción a estas plataformas puede ser explicada por la satisfacción/tolerancia, problemas, obsesión por estar informado y la necesidad de estar conectado.

Otros como García y Fernández (2016) destacan una fuerte presencia de dispositivos móviles en jóvenes y adolescentes. Si bien, las redes sociales pueden ser empleadas como distractores, también pueden utilizarse para comunicar, interactuar, y localizar y demandar información, e incluso para crear convivencia, diversión y nuevos lenguajes de comunicación.

¿Cómo funciona la educación a distancia?

Ko y Rossen (2001) definen la educación a distancia como un proceso que incluye cursos dictados a través de correo electrónico, video, conexión vía teléfono o por televisión satelital. Esta es una forma de aprendizaje que no implica la clase tradicional, en la cual los estudiantes y el instructor deben estar en el mismo lugar al mismo tiempo.

Kearsley (2002), por su parte, menciona las características de la educación en línea: colaboración, conectividad, que está centrada en el estudiante, que no tiene límites de lugar y tiempo, que puede ser explorada, tener conocimiento compartido, experiencia multisensorial y autenticidad. Todas estas características son sumamente importantes para poder llevar de forma fructífera este tipo de aprendizaje y sin ellas nos estancaríamos.

¿Por qué avanzó tanto la educación a distancia?

Lorenzo (2007) habla que este tipo de educación comenzó a ganar mucha fuerza debido a su apertura, flexibilidad, eficacia, economía, privacidad, individualización, socialización, interacción, innovación y acceso a la calidad. Como podemos notar, son bastantes los beneficios que ofrece, y bien usada tiene la posibilidad de elevar el nivel académico de quienes la reciben.

Estos aspectos, como el poder acceder a los temas de forma instantánea (con el beneficio de que cada día internet crece de forma inconmensurable), así como que la interacción sea más directa y que el retorno de comentarios quede evidenciado, pueden ser aprovechados de forma idónea, con mejores resultados a futuro. Si nosotros disponemos y utilizamos esto a nuestro favor los resultados serán superiores.

Aun así, no todo es benéfico en la educación a distancia. Borges en su artículo “La frustración del estudiante en línea. Causas y acciones preventivas” (2005) hace notar las frustraciones que tienen cada participante del proceso de enseñanza-aprendizaje. Para los estudiantes, éstas incluyen el no disponer de suficiente tiempo, las expectativas irreales, el no tener estrategias y destrezas adecuadas para la formación en línea, no participar en actividades colaborativas, desconocer los canales de ayuda y no tener en cuenta el coste económico añadido. Algunos de los alumnos, incluso, tienen miedo por el desconocimiento de lo que se avecina.

Del lado del docente, tenemos factores como el no dar respuesta o darla tardíamente en la retroalimentación, tener presencia nula en el aula, no ser claro con las indicaciones, no mostrar cercanía con los estudiantes y contribuir a la sobrecarga del aprendiz. Kearsley (2002) hace notar que la educación en línea no es para todos los docentes, ya que exige más tiempo, conocimientos avanzados en programas de computadora y, sobre todo, el que el educador disfrute hacer este tipo de modalidad. Si el docente no encuentra el gusto por ella, entonces, la experiencia que tanto él como el estudiante vivirán no será grata.

Obviamente, también debemos mencionar las preocupaciones de las instituciones educativas y entre ellas resaltan el ofrecer una ayuda técnica deficiente, no ofrecer la adecuada capacitación en línea al docente, no dar una formación preliminar al estudiante, brindar expectativas irreales a los aprendices, pérdida de matrícula y no tener organizado el curso. Todas estas preocupaciones se suman al impacto económico que han recibido instituciones privadas, donde parte de sus estudiantes han emigrado a escuelas públicas. En el mismo sentido, las escuelas públicas han recibido un aumento de estudiantes que necesitan ser educados a distancia, lo cual conlleva a nuevas problemáticas. Es fácil solicitar que todos los alumnos tengan acceso a un dispositivo para clases en línea, pero la realidad apunta a que no todos pueden permitirse un gasto como ese, por más económico que pueda llegar a ser el dispositivo.

Para terminar, Vivanco (2020) describe el papel de los padres de familia y el acompañamiento que han hecho en medio de la pandemia. Algunos son analfabetos tecnológicos y por ello no cuentan con las habilidades para brindar un apoyo ni supervisión. Asimismo, el tiempo que los padres de familia pueden dedicar al apoyo educativo es variable. Algunos han conservado su empleo mientras que otros lo han perdido y necesitan salir a buscar los recursos necesarios, lo que causa un abandono en la supervisión. En familias con un poder adquisitivo alto, algunas de estas dificultades pueden ser inexistentes, pero para las de escasos recursos incluso son un impedimento para obtener la educación necesaria. Una familia de bajos ingresos difícilmente podrá tener una computadora, internet, teléfono inteligente o incluso una televisión, por lo cual no podrían llevar a cabo la educación a distancia.

Estas problemáticas no son nuevas, han existido desde hace más de 15 años. Siguen con nosotros y no sólo han aumentado gracias a la pandemia, sino que también su impacto en el aspecto académico ha sido mayor.

Áreas de oportunidad

Churchill (2004) sugiere la creación de un comité de aprendizaje en línea, la recolección de datos para propósitos educativos, el uso de una plataforma para la institución y seguir creando cursos de capacitación en línea. Todo esto con el objetivo de eliminar los problemas más comunes que se enfrentan en la educación a distancia.

Otra área de oportunidad es que debemos generar capacitación docente, estudiantil, de padres de familia y, por supuesto, de directivos en el área de este tipo de enseñanza, ya que no es un sistema que todos dominemos y, cuando se es necesario aplicar de forma inmediata, se denotan las fallas. No hacerlo causará complicaciones que pueden llevar meses en ser resueltas, y eso es algo que no podemos permitirnos en estos momentos.

Basándonos en lo analizado por Belén y Lázaro (2017), dentro de las áreas de oportunidad para estudiantes y padres de familia encontramos: el acordar la dedicación necesaria para la educación a distancia, ajustar lo necesario para aumentar la cantidad y calidad del tiempo disponible, revisar el volumen de los trabajos exigidos, saber cómo solicitar ayuda, participar activamente, y conocer la forma en la cual se entregarán las evidencias. Como podemos observar, no son situaciones complejas de realizar y el que los capacitemos beneficiará en gran manera el proceso educativo.

En el caso de los docentes, tenemos que fomentar la formación en línea, ayudar al estudiante en la adquisición de estrategias y destrezas, propiciar la colaboración entre alumnos, diseñar tareas/evaluaciones adecuadas, indicar qué esperamos de los aprendices, y hacer saber el margen de tiempo para la entrega de evidencia.

En el apartado de actividades durante las clases a distancia, podemos realizar la retroalimentación como comentarios escritos en las actividades que se nos envían, mostrar trabajos ya hechos para que sirvan de referencia, reflexionar sobre los temas en lugar de evidenciar calificaciones, proponer actividades que fomenten la estimulación del pensamiento, tomarnos tiempo en la clase para solucionar dudas emergentes, entre otras. Resulta necesario ser flexibles con los tiempos de entrega, sin embargo, eso no significa que los estudiantes los definan.

Para culminar, en el tema de áreas de oportunidad, encontramos que, para los directivos e instituciones educativas, se recomienda propiciar la colaboración entre docentes, ofrecer formación tanto para alumnos, padres de familia, docentes y directivos. Asimismo, el proporcionar ayuda técnica eficiente y asegurarse de que el material de aprendizaje sea adecuado servirá para poder tener éxito y, por ende, un servicio de calidad.

Conclusiones

Con la llegada del nuevo ciclo escolar 2021-2022, en México y muchos otros países, existe preocupación sobre la eficacia de la modalidad a distancia. Con plataformas como Google Classroom, Microsoft Teams, Webex, Zoom o los canales de televisión que brindaron su apoyo para impartir clases, el ofrecer un servicio de enseñanza a distancia no es complejo, lo difícil es asegurarse de poder dar una experiencia de calidad al educando, para que pueda desarrollar su proceso de enseñanza-aprendizaje.

Si queremos elevar el nivel educativo y desarrollar el proceso de enseñanza-aprendizaje, debemos llevar a cabo acciones como trabajar en conjunto. No obstante, dichas acciones deben ser constantes y no efímeras.

Nadie esperaba esta pandemia y todos hemos sido afectados de alguna forma u otra. Saldremos de esta situación, pero la clave reside en lo que estamos haciendo en este momento para superarla. Por ello, es vital que ofrezcamos lo mejor que podamos en la modalidad de educación a distancia.

Referencias

• Andrés Cabello, S. y Giró Miranda, J. (2016). La participación de las familias en la escuela: una cuestión compleja. Revista De Evaluación De Programas y Políticas Públicas, 1(7), 28-47. https://doi.org/10.5944/reppp.7.2016.16302.
• Balarin, M. y Cueto, S. (2008). La calidad de la participación de los padres de familia y el rendimiento estudiantil en las escuelas públicas peruanas. Grade; Niños del Milenio.
• Rodríguez Fernández, S. y Romero Lozano, M. (2015, mayo-agosto). La función tutorial en Educación Infantil y Primaria: desempeño profesional del profesorado. Revista Electrónica Interuniversitaria de Formación del Profesorado, 18(2),43-56. https://www.redalyc.org/articulo.oa?id=217036214005.
• Borges, F. (2005). La frustración del estudiante en línea. Causas y acciones preventivas. Digithum, (7), 0. https://www.redalyc.org/articulo.oa?id=55000706.
• Cabero-Almenara, J., Pérez-Díez de los Ríos, J. L. y Valencia-Ortiz, R. (2020). Escala para medir la adicción de estudiantes a las redes sociales. Convergencia, 27, e11834. https://doi.org/10.29101/crcs.v27i0.11834.
• Churchill, A. (2004). Ensuring quality in online higher education courses. University of Massachusetts.
• Domínguez Martínez, S. (2010, mayo). La Educación, cosa de dos: La escuela y la familia. Temas para la educación. Revista digital para profesionales de la enseñanza, (8). https://www.feandalucia.ccoo.es/docu/p5sd7214.pdf.
• Flores, E. (2020). Competencias digitales en educación secundaria, una comparación entre dos escuelas privadas de la ciudad de Durango. Redie.
• García, M. y Fernández, C. [Coords.] (2016). Si lo vives, lo compartes. Cómo se comunican los jóvenes en un mundo digital. Fundación Telefónica-Ariel.
• Kearsley, G. (2002, enero-febrero). Is online learning for everybody? Educational Technology, 42(1), 41-44. https://www.jstor.org/stable/44428721.
• Ko, S. y Rossen, S. (2001). Teaching online: A practical guide. Houghton Mifflin.
• Lorenzo, G. (2007). Por qué va ganando la educación a distancia. Editorial del Bened.
• Maria, R. L. (2010, enero-abril). El uso de las nuevas tecnologías de la información y la comunicación ( ntics). Revista Electrónica “Actualidades”, 10(1), 1-13. https://www.redalyc.org/articulo.oa?id=44713068018.
• Ramírez Ruiz, M. y de Andrade, D. (2005). La familia y los factores de riesgo relacionados con el consumo de alcohol y tabaco en los niños y adolescentes (Guayaquil-Ecuador). Revista Latino-Americana de Enfermagem, 13(1), 813-818. https://www.redalyc.org/articulo.oa?id=281421851008.
• Solano, A. y Viñaras, M. (2013). Las nuevas tecnologías en la familia y la educación: retos y riesgos de una realidad inevitable. Ediciones ceu.
• Tobón, S., Carretero Díaz, M. Á, García Fraile, J. A. y Rial Sánchez, A. (2006). Competencias, calidad y educación superior. Cooperativa Editorial Magisterio.
• Vivanco-Saraguro, A. (2020). Teleducación en tiempos de covid-19: brechas de desigualdad. CienciAméRica, 9(2), 166-175. https://doi.org/10.33210/ca.v9i2.307.

Recepción: 17/08/2020. Aprobación: 19/01/2021.