1

149Año 18 – Vol. 10, Núm. 1 – Abril 2018 – e-ISSN 2007-1094
* Doctor en Educación. Profesor-investigador de tiempo completo. Universidad Autónoma de Querétaro. México.
RESUMEN
La “cuarta revolución industrial” provocará una transformación en los escenarios edu-
cativos porque incorporará redes ciberfísicas en la producción, logística y consumo de
bienes y servicios. La teoría educativa ha abordado tradicionalmente los escenarios edu-
cativos tecnologizados con categorías de análisis propias de la tercera revolución indus-
trial y es necesario superar esos lastres conceptuales. Este texto propone el concepto
de “aprendizaje en red” y toma como punto de partida la ontología poshumanista y la
epistemología de la teoría del actor-red. Así, el aprendizaje sería un proceso que asocia
agencias humanas y no humanas por igual, que opera sin centro ni periferia, y cuyo obje-
tivo es garantizar su autorregulación y persistencia porque en cuanto las agencias dejan
de operar, la red de aprendizaje desaparece. El aprendizaje es, en sí mismo, una red hete-
rogénea en funcionamiento. Asimismo, en este texto se identifican algunas agencias hu-
manas y no humanas básicas que permiten constituir redes de aprendizaje, fortalecerlas
o destruirlas. Además, se justifica por qué la investigación educativa debería crear datos
de manera inductiva y construir categorías de análisis en forma abductiva para identi-
ficar nuevos objetos de estudio en los escenarios de aprendizaje de la cuarta revolución
industrial, que se caracterizan por ser híbridos, ambiguos y contingentes.
Palabras clave
Teoría educativa, poshumanismo, teoría del actor-red, cuarta revolución industrial, aprendizaje en red, filosofía de la educación
Alexandro Escudero Nahón*
Redefinición del
“aprendizaje
en red” en la
cuarta revolución
industrial
Volumen 10, número 1, pp. 149-163. | Universidad de Guadalajara
http://dx.doi.org/10.32870/Ap.v10n1.1140

150 Año 18 – Vol. 10, Núm. 1 – Abril 2018 – e-ISSN 2007-1094
Abstract
The “fourth industrial revolution” will provoke a transformation in educational sce-
narios because it will incorporate cyber-physical networks in the production, logis-
tics and consumption of goods and services. Educational theory has traditionally
approached technological educational scenarios with categories of analysis typi-
cal of the third industrial revolution and it is necessary to overcome these conceptual
weights. This paper proposes the concept of “network learning” taking as a starting
point the posthumanist ontology and the epistemology of the actor-network theory.
Thus, learning would be a process that associates human and non-human agencies
alike, which operates without center nor periphery, and whose objective is to guaran-
tee self-regulation and persistence because as soon as the agencies stop operating, the
learning network disappears. Learning is, in itself, a heterogeneous network in opera-
tion. Likewise, this paper identifies some basic human and non-human agencies that
allow learning networks to be established, strengthened or destroyed. In addition, it
is justified why educational research should create data through an inductive manner
and construct categories of analysis abductively to identify new objects of study in the
learning scenarios of the fourth industrial revolution, which are characterized by being
hybrid, ambiguous and contingent.
Keywords
Educational theory, posthumanism, actor-network theory, fourth industrial revolution, network learning, philosophy of education
Redefinition of “Network learning”
in the fourth industrial revolution
INTRODUCCIÓN
De acuerdo con la literatura especia-
lizada, estamos en los albores de la
cuarta revolución industrial y, tras lo suce-
dido en las tres revoluciones industriales
anteriores, se esperan cambios radicales
en nuestra manera de vivir, trabajar, es-
tudiar, consumir y relacionarnos unos con
otros (Schwab, 2015, 2016; World Econo-
mic Forum, 2016).
La primera revolución industrial sur-
gió a finales del siglo XVIII en el Reino
Unido, con la irrupción de la energía de
vapor, la mecanización de la agricultura, la
manufactura y el transporte (Daemmrich,
2017). La segunda revolución industrial se
consolidó en Estados Unidos de América
a principios del siglo XX. En este caso, la
tecnología disruptiva fue la energía eléc-
trica, que permitió la producción en serie
(Hintz, 2011; MacLeod, 2016). La tercera
revolución industrial fue detonada desde
mediados del siglo pasado con la invención
de los semiconductores, las plataformas di-
gitales y el auge de las computadoras perso-
nales (Hermann, Pentek & Otto, 2016).
A diferencia de las tres revoluciones
anteriores, la cuarta no se define por la
emergencia de una tecnología disruptiva es-
pecífica, sino por la convergencia de varias
tecnologías digitales, físicas y biológicas,
Escudero

como la inteligencia artificial, la inteligen-
cia aumentada, la robótica, la impresión
3D, el cloud computing, el big data, el
“internet de las cosas” o la nanotecnología
(Rose, 2016). Esta confluencia genera re-
des ciberfísicas. Lejos de ser un escenario
de ciencia ficción, estas redes ya funcionan
en escenarios laborales, financieros o de
ocio, con capacidades de autorregulación,
toma de decisiones propias y con mínima
o nula intermediación de seres humanos
(Roland Berger, 2016).
La asociación entre varias redes ciberfí-
sicas está generando proyectos estimulan-
tes como “ciudades inteligentes”, “fábricas
4.0”, “economías verdes”, etcétera (Tecna-
lia, 2017), pero también está provocando
desafíos para que las personas adquieran
las competencias profesionales necesarias
para competir en el mercado laboral actual
(Devezas, Leitao & Sarygulov, 2017; Lo-
renz et al., 2016; Lorenz et al., 2015).
La tercera revolución industrial tuvo
un enfoque orientado al producto y por
eso se requerían competencias profesio-
nales centradas en automatizar procesos
y máquinas individuales para introducir
mejoras en el producto (Hermann et al.,
2016; Kagermann, Wahlster & Helbig,
2013). Ahora, la cuarta revolución indus-
trial está creando un enfoque centrado en
ecosistemas digitales, es decir, está gene-
rando modelos de negocios innovadores
basados en la interconexión de millones
de consumidores, máquinas, productos
y servicios. Por eso, se requieren nuevas
competencias profesionales que permi-
tan aplicar mejoras a lo largo de toda la
cadena de valor (Slama et al., 2015); por
ejemplo, el pensamiento crítico, la creati-
vidad, la inteligencia emocional, etcétera
(Morita-Alexander, García-Ramírez & Es-
cudero-Nahón, 2016). Al mismo tiempo,
se requieren nuevas competencias pro-
fesionales técnicas, esto es, conocimien-
tos propios de las redes ciberfísicas y los
ecosistemas digitales (Adams et al., 2017;
OCDE, 2017; UNESCO, 2015; World Eco-
nomic Forum, 2016).
De acuerdo con el estudio “50 innova-
ciones educativas en América Latina. Gra-
duate XXI, un mapa del futuro” (Rivas &
Delgado, 2016), varias innovaciones educa-
tivas altamente tecnologizadas están conso-
lidándose en nuestro continente. Destacan,
por ejemplo, el aprendizaje adaptativo, que
usa la inteligencia artificial y el big data; los
servicios educativos integrales en red, que
utilizan el cloud computing y el internet de
las cosas; la gamificación de la educación,
que basa su originalidad en la noción de
“persistencia en línea”, como lo hacen los
videojuegos de internet o las plataformas
de realidad virtual; el aprendizaje híbrido y
móvil, que pone a disposición del aprendiz
varias tecnologías en línea y herramientas
tradicionales.
La investigación educativa ha aborda-
do estas innovaciones educativas con di-
versas categorías de análisis; por ejemplo,
e-learning, entorno personal de aprendizaje,
Redefinición del “aprendizaje en red” en la cuarta revolución industrial
La cuarta revolución industrial
está creando un enfoque
centrado en ecosistemas
digitales, es decir, está generando
modelos de negocios innovadores
basados en la interconexión
de millones de consumidores,
máquinas, productos y servicios

entorno virtual de enseñanza-aprendizaje, educa-
ción mediada por tecnología, aprendizaje en red,
entre otras (Gros, 2012; Hsu et al., 2012; Hung,
2012). El concepto “aprendizaje en red” es en
particular interesante porque hace referencia a
las conexiones técnicas y humanas que los estu-
diantes realizan para obtener buenos resultados
académicos en ambientes de estudio altamente
tecnologizados. Esta expresión no es original,
porque, en realidad, independientemente de cual-
quier época histórica, las personas siempre han
creado un entramado de conexiones para apren-
der, pero solo fue posible reflexionar al respecto
cuando la tecnología digital permitió ciertas co-
nexiones inusuales que superan las limitaciones
temporales y físicas para acceder a nuevas fuentes
de información y a nuevos referentes de apren-
dizaje (Jiménez, Bustamante & Albornoz, 2015;
Pedersen, 2010).
Sin embargo, el aprendizaje en red presenta
ciertas limitaciones conceptuales para abordar
estas innovaciones educativas, ya que es heredero
de los principios ontológicos y epistemológicos del
humanismo moderno, que se caracteriza por ser
antropocéntrico y dicotómico (Pedersen, 2010).
Por eso, asume que la tecnología y la educación
son esferas bien diferenciadas y autónomas entre
sí (Jiménez et al., 2015; Thomas & Buch, 2013),
y coloca con premura al aprendiz en el centro del
proceso educativo y lo encumbra sobre todos los
demás elementos no humanos que participan en
el aprendizaje (Carlson, 2015).
Lo anterior provoca que este término sea poco
útil para estudiar la innovación educativa en es-
cenarios altamente tecnologizados, donde existe
un pronunciado protagonismo de elementos no
humanos que operan sin centro ni periferia, es
decir, como una red (Knox, 2016; Minerva, Biru
& Rotondi, 2015; Rivas & Delgado, 2016).
Por primera vez en la historia se ha podido
identificar la emergencia de una revolución in-
dustrial. Por eso, la investigación educativa tiene
el desafío y la oportunidad de superar la visión
humanista moderna que actualmente entraña el
aprendizaje en red y redefinir esta categoría de
análisis con el objeto de explicar la relación de la
tecnología educativa con los procesos de aprendi-
zaje (Baygin et al., 2016; Escudero, 2016a).
Este texto argumenta que es necesario reali-
zar una propuesta ontológica poshumanista y una
propuesta epistemológica basada en la teoría del
actor-red para redefinir el concepto de aprendi-
zaje en red. Posteriormente, propone dos méto-
dos de investigación para el estudio de este tipo
de aprendizaje: la obtención de datos de manera
inductiva y la construcción de categorías de aná-
lisis en forma abductiva. El objetivo es esbozar
un procedimiento de investigación para rastrear
qué elementos humanos y no humanos se asocian
para crear agencias y cómo se originan las redes
de aprendizaje, cómo se fortalecen, cómo se aso-
cian a otras redes y cómo desaparecen.
ANTROPOCENTRISMO Y DICOTOMÍA
EN EL HUMANISMO MODERNO
Los primeros registros del vocablo humanismo da-
tandelahumanitaslatina.Eneseperíodo,eltérmi-
no hacía referencia a una distinción entre la cultura
y la educación que debía recibir el hombre libre y
que no era propia, de ningún modo, del “hombre
bárbaro” (Arbea, 2002). A lo largo de la historia,
se transformó en diferentes tipos de humanismo,
como el clásico, el medieval, el ilustrado, el exis-
tencialista, etcétera (Echeverría, 2006; Kakkori &
Huttunen, 2010), pero todos ellos dotaron a “lo hu-
mano” de cuatro características (Espinosa, 2016;
Knox, 2016): esencialismo, universalismo, autono-
mía y trascendencia. En efecto, el humanismo es
una distinción, explícita o velada, que el humano
hace de sí mismo basada en una supuesta condi-
ción esencial que lo separa y lo hace distinto, mejor
y más importante que “lo no humano”.
El humanismo propiamente moderno surgió
en el siglo XVII en Europa. A diferencia de los
humanismos anteriores, este estuvo insuflado
por el pensamiento ilustrado y por un peculiar
Escudero

optimismo sobre la facultad racional del ser hu-
mano (Chernilo, 2017). Por eso, el proyecto mo-
derno se basó en la promesa de que el dominio de
la ciencia y la tecnología liberaría a la humanidad
de sus atavismos premodernos (Dolphijn & Van
der Tuin, 2011). El humanismo moderno, sin em-
bargo, fundó su ontología sobre una tramposa
sinécdoque (Weaver, 2010). Al postular que “lo hu-
mano es la medida de todas las cosas”, es decir, al
hacer pasar la parte por el todo, produjo un mundo
antropocéntrico que, por definición: a) está jerar-
quizado, pues sobreestima la agencia de “lo huma-
no” y desprecia la agencia de “lo no humano”; b)
separa la ontología de la epistemología, pues sepa-
ra al que aprende de lo que aprende, y de con qué
aprende; c) divide y clasifica a las disciplinas del
conocimiento de acuerdo con un objeto de estudio
antropocéntrico, esto es, supone que “lo humano”
es un sujeto de estudio con atributos bien definidos
y sustancialmente distinto a “lo no humano”.
Para sostener el antropocentrismo, el huma-
nismo moderno debió recurrir a otra argucia: la
dicotomía. Primero, argumentó que, debido a su
esencia racional, “lo humano” mantenía una re-
lación disruptiva con “lo no humano”; segundo,
simplificó la complejidad de las interconexio-
nes que “lo humano” mantiene con el mundo en
dos categorías (humano/no humano); y tercero,
este ordenamiento simbólico dicotómico implicó
siempre una injusta desvaloración de lo “no hu-
mano” (St. Pierre, 2013).
La teoría educativa moderna es heredera del
humanismo moderno y, por eso, su punto de par-
tida siempre es un paradigma provincial limitante
que coloca en el centro a “lo humano” como úni-
co sujeto cognoscente, con atributos esenciales
bien definidos, separado de lo que aprende y de
las cosas que usa para aprender (Snaza & Wea-
ver, 2015). Esa herencia también imprime otra
limitación: la teoría educativa parte de supuestos
dicotómicos y, por muy complejas que sean las
interconexiones entre los elementos en los esce-
narios educativos, se les dota de límites bien de-
finidos, de atributos esenciales y de una injusta
desvaloración de, por ejemplo, “el objeto” ante “el
sujeto”, “el cuerpo” ante “la mente”, “el entorno”
ante “la persona”, “la tecnología” ante “la educa-
ción”, en fin, desvalora “lo no humano” ante “lo

humano” (González, 2015). Justamente porque el
humanismo moderno todavía domina el discur-
so de la tecnología educativa, es que este ámbito
de estudio se aborda en forma incorrecta como
dos mundos diferentes en términos ontológicos,
como esferas dicotómicas y autónomas entre sí
(Thomas & Buch, 2013).
Desde la segunda mitad del siglo XX, los efectos
indeseables del humanismo moderno están ame-
nazando, de manera irónica, la supervivencia de
nuestra especie. La polución, la desigualdad y la dis-
criminación han provocado cierto desencanto sobre
la promesa del proyecto moderno y han catalizado
un ímpetu por hacer reformulaciones ontológicas
y epistemológicas que conduzcan a nuevas concep-
tualizaciones de lo humano. El protagonista princi-
pal de esta convulsión teórica es el poshumanismo.
El poshumanismo es un pensamiento com-
puesto por varias tendencias teórico-con-
ceptuales, como el poshumanismo crítico, el
poshumanismo antiantropocéntrico, el transhu-
manismo y el poshumanismo analítico, cuyo ob-
jetivo común es reformular una nueva ontología
que dé lugar a una definición distinta de humano
(Braidotti, 2013; Skageby et al., 2016; Weaver,
2010; Wolfe, 2010). Por eso, la aplicación del pos-
humanismo a la educación aboga por una ruptura
de la visión antropocéntrica y dicotómica e intro-
duce un pensamiento complejo que a) des-centra
lo humano y lo coloca en el mismo nivel de impor-
tancia que lo no humano al momento de aprender
(Wolfe, 2010); b) admite que lo humano y lo no
humano constituyen al mundo, se constituyen en
interdependencia y, por lo tanto, sus agencias son
igualmente importantes para aprender (Braidot-
ti, 2013); c) deja de suponer que el que aprende
invariablemente es un humano (Snaza & Weaver,
2015); y d) admite que lo no humano siempre ha
sido condición de posibilidad del aprendizaje y no
solo un accesorio de ese proceso.
De esta manera se supera el sentido artefactual
y simplificado de la tecnología educativa, referido
solo a las herramientas que sirven para enseñar
y aprender, y se construye una versión más com-
pleja que incluye a todos los elementos humanos
y no humanos en procesos dinámicos (DeLanda,
2006; Usher & Edwards, 2005). Lo anterior obli-
ga a construir un nuevo relato epistemológico para
el estudio de los escenarios educativos tecnologi-
zados, que se caracterizan por estar pletóricos de
elementos heterogéneos que mantienen distintas
conexiones entre sí, como el software, las redes
sociales, el hardware, la señal de internet, la inte-
ligencia artificial, la inteligencia aumentada, el in-
ternet de las cosas, las plataformas de gestión del
aprendizaje y, por supuesto, también los humanos.
A partir de la segunda mitad del siglo XX, la
debacle de la visión moderna y positivista en las
ciencias sociales provocó varias reformulaciones
teóricas y conceptuales. Una de las más relevantes
fue la bifurcación que experimentó la sociología tra-
dicional con la emergencia de la “sociología de las
asociaciones” (Devenin & Henríquez, 2011). Esta
propuesta argumentó que la sociología tradicional
había sufrido un menoscabo en la capacidad para
abordar, describir y explicar sus objetos de estudio
porque daba por sentado que la sociedad existe, en
sí misma, de manera esencial (Latour, 2008).
De acuerdo con esa crítica, la sociología tra-
dicional habría provocado, por lo menos, dos
efectos indeseables (Pignuoli-Ocampo, 2014):
Escudero
Desde la segunda mitad del
siglo XX, los efectos indeseables
del humanismo moderno
están amenazando, de manera
irónica, la supervivencia de
nuestra especie. La polución, la
desigualdad y la discriminación
han provocado cierto desencanto

a) tomó el término “sociedad” como explicación
de lo que debía ser explicado y confundió, así, la
causa con el efecto: el resultado fue un déficit en
su capacidad explicativa; y b) como dio por senta-
do que la sociedad existe esencialmente, entonces
procuró describir las propiedades de esa “sustan-
cia” social y perdió capacidad de reacción ante el
dinamismo del objeto de estudio.
En contraposición, la “sociología de las asocia-
ciones” propuso un andamiaje teórico conceptual
que revitalizó los estudios sociales: la teoría del
actor-red (TAR) (Latour, 2007, 2008, 2009). La
TAR se consolidó en la década de los ochenta del
siglo XX y desde entonces es un referente para los
estudios que abordan con seriedad el papel de la
ciencia y la tecnología en relación con la noción de
sociedad (Jackson, 2015).
Uno de los principios epistemológicos más au-
daces de la TAR es que la sociedad, en sí misma, no
existe, por lo menos no como una sustancia esencial
en la que suceden cosas sociales (léase la ironía).
Tampoco es un contexto homogéneo; mucho menos
una prerrogativa de los humanos sobre lo no huma-
no. Para la TAR, lo social es todo aquello que está
asociado como una red (Harman, 2009). Así, las aso-
ciaciones hacen a la sociedad, y no al revés. Este giro
copernicano en el objeto de estudio permite definir
que la sociedad es un movimiento, un proceso de en-
samblado, un fluido circulante que pone en contacto
a múltiples elementos y agencias. Estos elementos y
agencias, en general, son humanos y no humanos.
Por eso, el principio epistemológico de la TAR
es útil para redefinir el término aprendizaje en
red. Sin embargo, antes vale la pena aclarar que,
a diferencia de otras definiciones de red, la TAR
postula un carácter performativo de red, y no uno
ostentativo; un carácter híbrido de los elementos
que la constituyen; una concepción amplia del
término agencia; y una simetría entre los elemen-
tos humanos y los no humanos (Latour, 2008).
De este modo, para la TAR:
• La red es performativa y no ostentativa. Una
red es tal en la medida que los elementos
que la componen ejercen sus agencias; en
cuanto esas agencias dejan de operar, la red
desaparece. Por eso, ningún elemento de
la red ostenta en sí mismo, esencialmente,
ninguna agencia; es necesario que sucedan
asociaciones para que las agencias generen
una red.
• La red es híbrida. Si los elementos humanos
y no humanos logran asociarse, fundan uni-
dades híbridas susceptibles de ser analizadas
como elementos “casi humanos” o elementos
“casi no humanos”.
• Existen múltiples tipos de agencias en una red y
no todas las realiza el ser humano. Una agencia
no es solo la capacidad que tienen los elementos
de la red de generar transformaciones, sino tam-
bién su capacidad de recibir esas influencias,
como si se tratasen de un blanco móvil.
• Para que una red sea potente, necesariamente
debe garantizar la persistencia de sus agencias.
Los elementos no humanos son fundamentales
para cumplir con este fin. Por eso, la importan-
cia de los elementos humanos y no humanos es
simétrica en la red, pues su valor no radica en
su condición humana, sino en la capacidad que
tengan para garantizar que nada amenace la
correcta operación de las agencias.
Para que una red sea potente,
necesariamente debe garantizar
la persistencia de sus agencias.
Los elementos no humanos son
fundamentales para cumplir con
este fin. Por eso, la importancia
de los elementos humanos y no
humanos es simétrica en la red

Así, el aprendizaje en red puede definir-
se de la siguiente manera: el aprendizaje
es, en sí mismo, una red en funcionamien-
to. Esta red requiere asociar varios ele-
mentos y agencias humanas y no humanas
correctamente. Esta red no tiene un ca-
rácter esencialista, sino que existirá en la
medida que sus elementos humanos y no
humanos ejerzan sus agencias apropiada-
mente. El aprendizaje en red es performati-
vo y en cuanto las múltiples agencias dejan
de operar correctamente, la red desaparece.
Cuando el aprendizaje en red es potente y
tiene resultados innovadores, es capaz de
ensamblarse con otras redes, puede soste-
nerse por mucho tiempo, puede fortale-
cerse y da la impresión que atrae, influye y
transforma casi todo.
Si la investigación educativa admitiera
que las asociaciones fundan lo social, y no
al revés, entonces estaría en condición de
abordar el proceso de aprendizaje como
una red. Sería capaz de rastrear las agen-
cias que los elementos humanos y no hu-
manos provocan al estar asociados en una
red de aprendizaje. Mejoraría su capaci-
dad explicativa y su velocidad de reacción
ante los escenarios educativos actuales
(Echeverría & González, 2009). Se abriría
un horizonte de conceptualizaciones que
sí podrían dar cuenta de los actores emer-
gentes que están constituyendo a la tecno-
logía educativa. Por lo anterior, el objetivo
de la investigación educativa, desde esta
perspectiva, sería rastrear qué elementos
humanos y no humanos se asocian para
generar agencias, cuáles son las agencias
más importantes, cuáles son los princi-
pales problemas que tienen las redes de
aprendizaje para surgir, estabilizarse, per-
sistir, fortalecerse, o por qué desaparecen
(Escudero, 2016b).
OBJETIVO DE LA INVESTIGACIÓN
EDUCATIVA DESDE LA
PERSPECTIVA DE LA TAR
Rastrear múltiples agencias
de manera inductiva
La investigación positivista, que predomi-
nó en los estudios de educación hasta la
segunda mitad del siglo XX, tenía como
objetivo principal verificar hipótesis. Por
eso, la mayoría de los estudios fueron reali-
zados con el método hipotético-deductivo,
que se caracteriza por delimitar con pre-
cisión un problema de estudio, construir
un marco teórico denso con categorías de
análisis predefinidas, y diseñar instrumen-
tos de recolección de datos antes de ingre-
sar al campo de estudio.
El método de investigación que aquí
proponemos es diametralmente opuesto. El
ingreso a la red tiene por objetivo rastrear
con meticulosidad las agencias que surgen
cuando elementos humanos y no humanos
están en actividad. Este proceso de ingreso
Escudero
El ingreso a la red tiene
por objetivo rastrear con
meticulosidad las agencias
que surgen cuando elementos
humanos y no humanos están
en actividad. Este proceso de
ingreso a la red es inductivo
porque suspende las categorías
analíticas previamente aprendidas

a la red es inductivo porque suspende las
categorías analíticas previamente aprendi-
das; no parte de un diseño de investigación
previo al ingreso a la red ni se acompaña
de ningún instrumento de obtención de
datos prediseñado, sino que todo eso se
consolida a lo largo del estudio (Bryant,
2017; Gibson & Hartman, 2014; Holton &
Walsh, 2016).
Si se acepta la premisa de que no existen
objetos de estudio previamente definidos,
con atributos inherentes o límites definidos
en un proceso de aprendizaje en red, sino
que los elementos y sus agencias se ensam-
blan en situación, y solo el funcionamiento
apropiado de este ensamblaje instala la red,
entonces se puede admitir que los objetos
de estudio en la red son híbridos, contin-
gentes, contradictorios, ambiguos, paradó-
jicos. No obstante, sí es posible rastrear
la actividad de la red o, por lo menos, los
sedimentos de esa actividad (Fenwick &
Edwards, 2010, 2011; Fenwick, Edwards
& Sawchuk, 2011; Law, 2004).
El acento del método inductivo no está
puesto en verificar la existencia o ausencia
de categorías analíticas previamente dise-
ñadas, sino en ser sensible a los datos que
genera la actividad de los elementos y sus
agencias en la red. Esta sensibilidad podría
ser estimulada al intentar responder dos
sencillas preguntas: ¿cuál es el principal pro-
blema para que se realicen las agencias en la
red de aprendizaje? y ¿cómo intentan los
elementos de la red resolver ese problema?
Las técnicas e instrumentos tradicio-
nales de obtención de información siguen
siendo útiles, pero ahora el objetivo es
identificar las ambigüedades, contingen-
cias, paradojas, controversias, etcétera,
con las cuales suelen actuar los elementos
y las agencias de una red. Las entrevistas
en profundidad, las conversaciones infor-
males, los grupos de enfoque, etcétera, son
técnicas muy adecuadas para obtener in-
formación de las agencias humanas de una
red; la observación, la inmersión, los regis-
tros multimedia, etcétera, suelen ser útiles
para registrar las agencias de los actores
no humanos (Fenwick & Edwards, 2010).
La información lograda con estos instru-
mentos, sin embargo, no es suficiente para
crear categorías de análisis. Es necesario
aplicar otro método para superar la sola
descripción del problema y proponer una
explicación conceptual.
Construir categorías analíticas
de manera abductiva
La abducción es un proceso cognitivo que
puede estimular la creación de categorías
analíticas porque integra, evalúa y, en oca-
siones, desintegra de manera constante
varias y diversas hipótesis a lo largo de la
investigación a fin de dar sentido a hechos
que son aparentemente desconcertantes.
Locke et al. (2008) lo esquematizaron de
la siguiente manera: la deducción es capaz
de decir que “algo debe ser así”; la induc-
ción demuestra que “algo es así”, pero la
abducción sugiere que “algo podría ser
así”. A diferencia del método deductivo
de investigación, que diseña una hipótesis
antes de ir al campo de estudio, la abduc-
ción integra y desintegra en forma cons-
tante varias hipótesis usando categorías de
análisis construidas en la red para explicar
el problema en cuestión (Dunne & Doug-
herty, 2015). El resultado de la abducción
es la explicación de un problema a partir
de la reiterada creación de hipótesis que se
comprueban en la red o que se desintegran
para crear nuevas hipótesis (Pape, 1999;
Reichertz, 2007).
Una de las implicaciones metodológicas
de la redefinición del concepto aprendizaje
en red con base en la TAR es que la red de

estudio no puede ser concebida desde un punto
de vista esencial, que existe por sí misma. No: la
red de aprendizaje existirá siempre que elemen-
tos humanos y no humanos se asocien y generen
agencias. Cuando esto deja de suceder, la red de
aprendizaje desaparece. Por lo tanto, el ingreso a
la red de estudio requiere identificar, antes que
nada, si están operando algunas agencias y cuál
es la que funciona con más intensidad.
A continuación, presentamos una propuesta de
agencias generales que conformarían el aprendizaje
en red y que han sido adaptadas del procedimiento
general de las redes ciberfísicas propias de la cuar-
ta revolución industrial (Hermann et al., 2016)
(ver figura).
En el nivel descriptivo, es necesario identificar
qué elementos humanos y no humanos se asocian
para generar cada una de estas agencias. Como ex-
plicamos en la figura, algunas de estas agencias las
realizan mejor los elementos no humanos, otras
los humanos, y otras se efectúan mejor en cola-
boración de ambos. Las agencias operan en la red
sin orden preestablecido, de manera continua, y
serán efectivas siempre y cuando sean performa-
tivas, es decir, siempre que mantengan bien aso-
ciados a varios elementos de la red.
Las agencias más rutinarias, como captar datos
con sensores e intercambiarlos, han sido ya susti-
tuidas por robots que, con base en ciertos mate-
riales sensoriales y algoritmos, desempeñan una
labor mucho más eficiente que los humanos. Sin
embargo, existen otras agencias en las que la cola-
boración entre humanos y no humanos ha resulta-
do de gran utilidad, por ejemplo, la producción de
información pertinente, su interpretación a partir
de algunos criterios adecuados a la situación y el
registro de este tipo de conocimiento. Por último,
las agencias de intuición, reflexión e innovación
son, hasta ahora, predominantemente humanas.
En el nivel conceptual, es necesario explicar
con una categoría de análisis cuáles problemas im-
piden que los elementos humanos y no humanos
se asocien para generar y sostener cada una de es-
tas agencias al tiempo que se registra cómo logran
los elementos de la red superar ese problema. Por
eso, es conveniente una descripción general de las
agencias que constituyen las redes ciberfísicas en
la cuarta revolución industrial (ver tabla).
Agencias que realizan
mejor los no humanos
Hasta ahora, agencias
predominantemente
humanas
Agencias que realizan
mejor en colaboración
los humanos y
los no humanos
APRENDIZAJE
EN RED
Información
Datos
Sensorización
Conocimiento
Inteligencias
Intuición
Reflexión
Innovación
Figura. Agencias generales que se realizan en el aprendizaje en red.
Fuente: elaboración propia.
Escudero

Esta propuesta de agencias generales del
aprendizaje en red resultaría útil para identificar
en los escenarios educativos altamente tecnologi-
zados qué agencias realizan mejor los no huma-
nos, qué agencias realizan mejor los humanos, y
qué agencias se realizan mejor en colaboración.
CONCLUSIONES
La inminente consolidación de la cuarta revolu-
ción industrial impone el desafío de valorar en
qué medida los referentes teóricos, conceptuales
y metodológicos que se han usado desde hace más
de cincuenta años para estudiar la tecnología edu-
cativa aún son adecuados para su análisis y desa-
rrollo, o si ya es necesario despojarse de algunos
lastres para cumplir con tal finalidad.
El aprendizaje en red es un término cuyo ob-
jetivo es definir un campo de estudio para los es-
cenarios altamente mediados por tecnología. Sin
embargo, por ser heredero de ciertos principios
ontológicos y epistemológicos del humanismo
moderno tiene, al menos, dos lastres conceptua-
les: el carácter antropocéntrico y la dicotomía
reduccionista.
Las reformulaciones ontológicas del poshu-
manismo desvanecen esos lastres conceptuales y
demuestran que lo humano y lo no humano debe-
rían tener la misma importancia para la investiga-
ción educativa porque ambos son fundamentales
al momento de aprender. Además, no es posible
separar al que aprende de lo que aprende ni de
las cosas con las que aprende; es decir, lo no hu-
mano es condición de posibilidad del aprendizaje
y no solo un accesorio del aprendizaje. Por otra
Tabla. Descripción de las fases del aprendizaje en red
Actividad Descripción
Sensorización
Captar con la mayor precisión posible los estímulos y las variaciones del ambiente, como el
movimiento, la velocidad, la temperatura, la humedad, los sonidos, la imagen, etcétera. Es-
tos estímulos deben ser traducidos en datos para que puedan servir para tomar decisiones
Intercambio de datos
El intercambio oportuno de datos y su interpretación dentro de un contexto y con ciertos
criterios los convierten en información valiosa
Producción de
información
La información tratada con destrezas adecuadas se convierte en categorías de análisis.
La aplicación rigurosa de estas categorías en situaciones problemáticas específicas se
convierte en conocimiento
Conocimiento El conocimiento con un propósito propulsa las inteligencias
Inteligencias
La aplicación reiterativa y creativa de las inteligencias para explicar o resolver un problema
específico provoca varias acciones, pero se optimizan los recursos invertidos en esta apli-
cación con la intuición
Intuición
La intuición agrupa de manera dinámica la experiencia, las inteligencias, la imaginación, la
creatividad, etcétera, pero se regula gracias a la reflexión
Reflexión
La reflexión es capaz de evaluar desde distintos puntos de vista el proceso a través del
cual se realizaron todas las agencias anteriores. Asimismo, evalúa la pertinencia, utilidad y
originalidad de los resultados para reconocer el grado de innovación
Innovación
La innovación es la introducción controlada de un proceso útil y original. Uno de sus efectos
es la atracción de otras redes
Fuente: elaboración propia.

parte, las reformulaciones epistemológicas
de la teoría del actor-red demuestran que la
sociedad, en sí misma, no existe, sino que
las asociaciones de elementos humanos y
no humanos forman sociedades. Una de las
alianzas más relevantes para la investigación
educativa es el ensamblaje de elementos hu-
manos y no humanos para aprender.
Así, una redefinición de aprendizaje
en red postularía que el aprendizaje, en sí
mismo, es una red de elementos y agencias
heterogéneas en correcto funcionamiento.
El aprendizaje es un proceso performati-
vo, es decir, cuando las agencias dejan de
operar, la red de aprendizaje desaparece.
Por eso, el desafío y el objeto de la inves-
tigación educativa, desde este punto de
vista, es reconocer que se requieren nue-
vos procedimientos de investigación ante
la inminente consolidación de la cuarta
revolución industrial. Así, es posible ras-
trear de manera inductiva y abductiva
qué elementos humanos y no humanos se
asocian para generar agencias que permi-
tan originar redes de aprendizaje, cómo se
fortalecen, cómo se asocian a otras redes y
por qué desaparecen.
REFERENCIAS BIBLIOGRÁFICAS
Adams, Samantha; Cummins, Michele; Davis, Adam;
Freeman, Alex; Hall, Courtney & Ananthanarayanan,
Vanish (2017). NMC Horizon Report: 2017 Higher
Education Edition. Austin, Estados Unidos: The New
Media Consortium.
Arbea, Antonio. (2002). El concepto de humanitas en el Pro
Archia de Cicerón. Onomázein, vol. 7, pp. 339-400.
Recuperado de http://onomazein.letras.uc.cl/Articu-
los/7/18_Arbea.pdf
Baygin, Mehmet; Yetis, Hasan; Karakose, Mehmet & Akin,
Erhan (2016). An effect analysis of industry 4.0 to
higher education. IEEE. Recuperado de http://ieeex-
plore.ieee.org/stamp/stamp.jsp?arnumber=7760744
Braidotti, Rosi. (2013). The posthuman. Cambridge, Reino
Unido: Polity Press.
Bryant, Antony. (2017). Grounded theory and grounded
theorizing: Pragmatism in research practice. Nueva
York, Estados Unidos: Oxford University Press.
Carlson,Dennis.(2015).Foreword.EnNathanSnaza&JohnA.
Weaver(eds.).Posthumanismandeducationalresearch
(pp. 1-6). Nueva York, Estados Unidos: Routledge.
Chernilo, Daniel. (2017). Debating humanity: Towards a
philosophical sociology. Cambridge, Reino Unido:
Cambridge University Press.
Daemmrich, Arthur. (2017). Invention, innovation systems,
and the Fourth Industrial Revolution. Technology and
Innovation, vol. 18, núm. 4, pp. 257-265. http://
dx.doi.org/10.21300/18.4.2017.257
DeLanda, Manuel. (2006). A new philosophy of society:
Assemblage theory and social complexity. Londres,
Reino Unido: Continuum.
Devenin, Verónica & Henríquez, Guillermo. (2011). Na-
rrativas tecnológicas: un ejemplo de aplicación de
la sociología de las asociaciones. Cinta de Moebio:
Revista de Epistemología de Ciencias Sociales,
vol. 41, pp. 167-181. https://doi.org/10.4067/
S0717-554X2011000200004
Devezas, Tessaleno; Leitao, Joao & Sarygulov, Askar.
(2017). Industry 4.0: Entrepreneurship and structu-
ral change in the new digital landscape. Cham, Ale-
mania: Springer International Publishing.
Dolphijn, Rick & Van der Tuin, Iris. (2011). Pushing dualism to
an extreme: On the philosophical impetus of a new mate-
rialism. Continental Philosophy Review, vol. 44, núm. 4,
pp. 383-400. https://doi.org/10.1007/s11007-011-
9197-2
Dunne, Danielle & Dougherty, Deborah. (2015). Abduc-
tive reasoning: How innovators navigate in the lab-
yrinth of complex product innovation. Organization
Studies, vol. 37, núm. 2, pp. 131-159. https://doi.
org/10.1177/0170840615604501
Echeverría, Bolívar. (2006). El humanismo del existen-
cialismo. Diánoia, vol. 51, núm. 57, pp. 189-199.
Recuperado de http://dianoia.filosoficas.unam.mx/
files/5713/6019/3711/DIA57_Echeverria.pdf
Echeverría, Javier & González, Marta. (2009). La teoría del
actor-red y la tesis de la tecnociencia. ARBOR Ciencia,
Escudero

Pensamiento y Cultura, vol. 185, núm. 738, pp. 705-720.
https://doi.org/10.3989/arbor.2009.738n1047
Escudero, Alexandro. (2016a). Aprendizaje en red: funda-
mentos ontoepistemológicos para su investigación. En
Rosabel Roig-Vila (ed.). Tecnología, innovación e inves-
tigación en los procesos de enseñanza-aprendizaje
(pp. 1609-1615). Barcelona, España: Octaedro. Recu-
perado de http://rua.ua.es/dspace/handle/10045/61787
Escudero, Alexandro. (2016b). El proceso inductivo de
investigación en los entornos personales de aprendi-
zaje. En Víctor Larios Osorio, Teresa Guzmán Flores y
María Teresa García Ramírez (eds.). Escenarios y de-
safíos de la tecnología educativa (pp. 31-50). Ciudad
de México, México: Fontamara.
Espinosa, Lorenzo. (2016). Movimientos sociales. X ta-
ller internacional 1o. de mayo. En A. Rodríguez y J.
Castellanos (eds.). Esbozo para una categoría de hu-
manismo en las epistemologías del sur (pp. 29-44).
La Habana: Instituto de Historia de Cuba/Universidad
Autónoma de Chapingo.
Fenwick, Tara & Edwards, Richard. (2011). Introduction:
Reclaiming and renewing actor network theory for
educational research. Educational Philosophy and
Theory, vol. 43, núm. S1, pp. 1-13. http://dx.doi.
org/10.1111/j.1469-5812.2010.00667.x
Fenwick, Tara & Edwards, Richard. (2010). Actor-network
theory in education. Nueva York: Routledge.
Fenwick, Tara; Edwards, Richard & Sawchuk, Peter. (2011).
Emerging approaches to educational research. Tra-
cing the sociomaterial. Nueva York, Estados Unidos:
Routledge.
Gibson, Barry & Hartman, Jan. (2014). Rediscovering
grounded theory. Beverly Hills, Estados Unidos: Sage.
González, Sergio. (2015). Antropología y el estudio de las
ontologías a principios del siglo XXI: sus problemáti-
cas y desafíos para el análisis de la cultura. Estudios
sobre las Culturas Contemporáneas, vol. 21, núm.
42, pp. 39-64. Recuperado de http://www.redalyc.
org/articulo.oa?id=31642649003
Gros, Begoña. (2012). Retos y tendencias sobre el futuro
de la investigación acerca del aprendizaje con tec-
nologías digitales. RED: Revista de Educación a Dis-
tancia, vol. 32, pp. 3-13. Recuperado de http://www.
um.es/ead/red/32/gros.pdf
Harman, Graham. (2009). Prince of networks: Bruno
Latour and metaphysics. Melbourne, Australia: Re-
press.
Hermann, Mario; Pentek, Tobias & Otto, Boris. (2016). De-
sign principles for industrie 4.0 scenarios: A literature
review. 49th Hawaii International Conference on Sys-
tem Sciences Design, pp. 3928-3937. IEEE. https://
doi.org/10.1109/HICSS.2016.488
Hintz, Eric. (2011). The post-heroic generation: American
independent inventors, 1900-1950. Enterprise &
Society, vol. 12, núm. 4, pp. 732-748. https://doi.
org/10.1017/S146722270001065X
Holton, Judith & Walsh, Isabelle. (2016). Classic grounded
theory: Applications with qualitative and quantitative
data. Thousand Oaks, Estados Unidos: Sage.
Hsu, Yu-Chen; Ho, Hsin Ning Jessie; Tsai, Chin-Chung;
Hwang, Gwo-Jen; Chu, Hui-Chun; Wang, Chin-Yeh &
Chen, Nian-Shing. (2012). Research trends in tech-
nology-based learning from 2000 to 2009: A content
analysis of publications in selected journals. Journal
of Educational Technology & Society, vol. 15, núm. 2,
pp. 354-370. Recuperado de http://search.ebscohost.
com/login.aspx?direct=true&db=a9h&AN=765592
51&lang=es&site=ehost-live
Hung, Jui-long. (2012). Trends of e-learning research from
2000 to 2008: Use of text mining and bibliometrics.
British Journal of Educational Technology, vol. 43,
núm. 1, pp. 5-16. https://doi.org/10.1111/j.1467-
8535.2010.01144.x
Jiménez, Javier; Bustamante, Mónica & Albornoz, María.
(2015). El problema del determinismo en las políticas
de educación y TIC. En H. Thomas, M. Albornoz & F.
Picabea (eds.). Políticas tecnológicas y tecnologías
políticas. Dinámicas de inclusión, desarrollo e inno-
vación en América Latina (pp. 207-240). Buenos Ai-
res, Argentina: Flacso Ecuador/Universidad Nacional
de Quilmes.
Kagermann, Henning; Wahlster, Wolfgang & Helbig, Jo-
hannes. (2013). Securing the future of German
manufacturing industry: Recommendations for
implementing the strategic initiative Industrie 4.0:
Final report of the Industrie 4.0 Working Group.
Recuperado de http://www.acatech.de/fileadmin/
user_upload/Baumstruktur_nach_Website/Aca-

tech/root/de/Material_fuer_Sonderseiten/Industrie_4.0/Fi-
nal_report__Industrie_4.0_accessi ble.pdf
Kakkori, Leena & Huttunen, Rauno. (2010). The Sartre-Heidegger
controversy on humanism and the concept of Man in education.
Educational Philosophy and Theory, vol. 43, núm. 4. https://
doi.org/10.1111/j.1469-5812.2010.00680.x
Knox, Jeremy. (2016). Posthumanism and the massive open online
course: Contaminating the subject of global education. Nueva
York, Estados Unidos: Routledge.
Latour, Bruno. (2009). On recalling ANT. En John Law & John Has-
sard (eds.). Actor network and after (pp. 15-25). Oxford, Reino
Unido: Blackwell.
Latour, Bruno. (2008). Reensamblar lo social: una introducción a la
teoría del actor-red. Buenos Aires, Argentina: Manantial.
Latour, Bruno. (2007). Nunca fuimos modernos: ensayo de antro-
pología simétrica. Buenos Aires, Argentina: Siglo XXI.
Law, John. (2004). After method: Mess in social science research.
Nueva York, Estados Unidos: Routledge.
Locke, Karen; Golden-Biddle, Karen & Feldman, Martha. (2008). Ma-
king doubt generative: Rethinking the role of doubt in the research
process. Organization Science, vol. 19, núm. 6, pp. 907-918.
https://doi.org/10.1287/orsc.1080.0398
Lorenz, Markus; Kuepper, Daniel; Ruessmann, Michael; Heidemann,
Ailke & Bause, Alexandra. (2016). Time to accelerate in the
race toward industry 4.0. Boston, Estados Unidos: The Boston
Consulting Group. Recuperado de https://www.bcgperspectives.
com/Images/BCG-Time-to-Accelerate-in-the-Race-Toward-
Industry-4.0-May-2016_tcm80-211060.pdf
Lorenz, Markus; Ruessmann, Michael; Strack, Rainer; Lueth,
Knud & Bolle, Moritz. (2015). Man and machine in industry
4.0: How will technology transform the industrial workforce
through 2025. Boston, Estados Unidos: The Boston Consul-
ting Group.
MacLeod, Roy. (2016). Scientists. En J. Winter (ed.). Cambridge his-
tory of the First World War (pp. 434-459). Reino Unido: Cam-
bridge University Press.
Minerva, Roberto; Biru, Abyi & Rotondi, Domenico. (2015). Towards
a definition of the Internet of things (IoT). Turín, Italia: IEEE.
Morita-Alexander, Adelina; García-Ramírez, María Teresa & Escudero-
Nahón, Alexandro. (2016). Análisis de la percepción de las com-
petencias genéricas en instituciones de educación superior en
México. Revista de Educación y Desarrollo, vol. 38, pp. 69-78.
Recuperado de http://www.cucs.udg.mx/revistas/edu_desarro-
llo/anteriores/38/38_Morita.pdf
OCDE. (2017). OECD Skills strategy diagnostic report. Ciudad de
México, México/París, Francia: OECDE.
Pape, Helmut. (1999). Abduction and the topology of human cogni-
tion. Transactions of the Charles S. Peirce Society, vol. 453,
núm. 2, pp. 248-269. Recuperado de http://www.jstor.org/sta-
ble/10.2307/40320760
Pedersen, Helena. (2010). Is “the posthuman” educable? On the
convergence of educational philosophy, animal studies, and
posthumanist theory. Discourse: Studies in the Cultural Poli-
tics of Education, vol. 31, núm. 2, pp. 237-250. http://dx.doi.
org/10.1080/01596301003679750
Pignuoli-Ocampo, Sergio. (2014). La posición epistemológica del
constructivismo simétrico de Bruno Latour. Cinta de Moebio.
Revista de Epistemología de Ciencias Sociales, vol. 52,
núm. marzo, pp. 91-103. http://dx.doi.org/10.4067/S0717-
554X2015000100008
Reichertz, Jo. (2007). Abduction: The logic of discovery of Grounded
Theory. En A. Bryant & K. Charmaz (eds.). The SAGE handbook
of Grounded Theory (pp. 214-228). Londres, Reino Unido: Sage
Rivas, Axel & Delgado, Lucas Esteban. (2016). Un mapa del futuro:
50 innovaciones educativas en América Latina. Washington,
DC, Estados Unidos: Graduate XXI. Recuperado de https://pu-
blications.iadb.org/handle/11319/7595
Roland, Berger. (2016). España 4.0: el reto de la transformación di-
gital de la economía. Madrid, España: Siemens. Recuperado de
https://w5.siemens.com/spain/web/es/estudiodigitalizacion/
Documents/Estudio_Digitalizacion_Espana40_Siemens.pdf
Rose, Gideon. (2016). The Fourth Industrial Revolution: A Davos re-
ader. Nueva York, Estados Unidos: Council on Foreign Relations.
Schwab, Klaus. (2016). The Fourth Industrial Revolution. Colonia,
Alemania/Ginebra, Suiza: World Economic Forum.
Schwab, Klaus. (2015). The fourth industrial revolution: What it
means, how to respond. Recuperado de https://www.foreig-
naffairs.com/articles/2015-12-12/fourth-industrial-revolution
Slama, Dirk; Puhlmann, Frank; Morrish, Jim & Bhatnagar, Rishi.
(2015). Enterprise IoT: Strategies and Best practices for con-
nected products and services. Sebastopol, Estados Unidos:
O’Reilly Media.
Snaza, Nathan & Weaver, John. (eds.). (2015). Posthumanism and
educational research. Nueva York, Estados Unidos: Routledge.
St. Pierre, Elizabeth. (2013). The posts continue: becoming. Inter-
national Journal of Qualitative Studies in Education, vol. 26,
núm. 6, pp. 646-657. https://doi.org/10.1080/09518398.2013
.788754
Escudero

163Año 18 – Vol. 10, Núm. 1 – Abril 2018 – e-ISSN 2007-1094 163
“Este artículo es de acceso abierto. Los usuarios pueden leer, descargar, distribuir, imprimir y
enlazar al texto completo, siempre y cuando sea sin fines de lucro y se cite la fuente.”
CÓMO CITAR ESTE ARTÍCULO:
Escudero Nahón, Alexandro. (2018). Redefinición del “aprendizaje en red” en la cuarta revolu-
ción industrial. Apertura, 10 (1), pp. 149-163. http://dx.doi.org/10.32870/Ap.v10n1.1140
Recepción del artículo: 28/3/2017 | Aceptación para publicación: 22/9/2017 | Publicación: 30/3/2018
Tecnalia. (2017). Recuperado de http://www.tecnalia.com/es/
Thomas, Hernán & Buch, Alfonso. (2013). Actos, actores y artefac-
tos. Sociología de la tecnología. Bernal, Argentina: Universidad
Nacional de Quilmes. Recuperado de http://www.unq.edu.ar/
advf/documentos/520933c153e48.pdf
UNESCO. (2015). UNESCO Science report-towards 2030. París,
Francia: UNESCO.
Usher, Robin & Edwards, Richard. (2005). Subjects, networks and po-
sitions: Thinking educational guidance differently. British Journal
of Guidance & Counselling, vol. 33, núm. 3, pp. 397-410. https://
doi.org/10.1080/03069880500179640
Weaver, John. (2010). The posthuman condition: A complicated
conversation. En Erik Malewski (ed.). Curriculum Studies Han-
dbook: The next moment (pp. 190.200). Nueva York, Estados
Unidos: Routledge.
Wolfe, Cary. (2010). What is posthumanism? Estados Unidos: Uni-
versity of Minnesota Press.
World Economic Forum. (2016). The future of jobs. Employment,
Skills and workforce strategy for the Fourth Industrial Revolu-
tion. Recuperado de http://www3.weforum.org/docs/WEF_Fu-
ture_of_Jobs.pdf

1

Más contenido relacionado

Similar a 1 (20)

Último (20)

1