IDEAS home Printed from https://ideas.repec.org/a/cvp/remuva/v1y2024i2id46.html

Modelo ARCS y neurociencia educativa: Enfoque transformador para la enseñanza integrada de inglés y STEM

Author

Listed:
  • Sandro Xavier Quintuña Padilla

    (Universidad Nacional de Educación)

  • Verónica Alexandra Herrera Caldas

    (Universidad Nacional de Educación)

Abstract

Contexto: La integración de la enseñanza del inglés con las disciplinas STEM ha ganado terreno como un enfoque innovador para potenciar el aprendizaje y formar a los estudiantes para enfrentar los desafíos venideros. Objetivo: Proponer un marco fundamentado en el modelo ARCS (Atención, Relevancia, Confianza y Satisfacción) para diseñar programas educativos que integren efectivamente la enseñanza del inglés y las disciplinas STEM, considerando los principios de la neurociencia educativa. Método: Se revisó exhaustivamente la literatura en bases de datos académicas, aplicando filtros para incluir solo estudios pertinentes. Se realizó un análisis temático para identificar patrones y temas recurrentes. Resultados: Se presentan estrategias y ejemplos concretos para aplicar el modelo ARCS en la enseñanza integrada de inglés y STEM, respaldados por principios neurocientíficos. Se destacan casos de éxito y desafíos reportados en la literatura. Conclusión: El modelo ARCS, respaldado por la neurociencia educativa, ofrece un marco sólido para diseñar programas que integren la enseñanza del inglés y las disciplinas STEM, promoviendo un aprendizaje motivador, significativo y duradero.

Suggested Citation

  • Sandro Xavier Quintuña Padilla & Verónica Alexandra Herrera Caldas, 2024. "Modelo ARCS y neurociencia educativa: Enfoque transformador para la enseñanza integrada de inglés y STEM," Revista Multidisciplinaria Voces de Am¨¦rica y el Caribe, Plataforma de acci¨®n, gesti¨®n e investigaci¨®n social, vol. 1(2), pages 119-142, December.
    • Handle: RePEc:cvp:remuva:v:1:y:2024:i:2:id:46
    DOI: 10.69821/REMUVAC.v1i2.46
    as

    Download full text from publisher

    File URL: https://remuvac.com/index.php/home/article/view/46
    File Function: Abstract page
    Download Restriction: no
    File URL: https://remuvac.com/index.php/home/article/download/46/86
    File Function: Full text
    Download Restriction: no
    File URL: https://libkey.io/10.69821/REMUVAC.v1i2.46?utm_source=ideas
    LibKey link: if access is restricted and if your library uses this service, LibKey will redirect you to where you can use your library subscription to access this item
    ---><---

    More about this item

    Keywords

    ;
    ;
    ;
    ;
    ;
    ;

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:cvp:remuva:v:1:y:2024:i:2:id:46. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Daniel Roman Acosta (email available below). General contact details of provider: https://remuvac.com/index.php/home .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.