La significación que la Realidad Aumentada (RA), la Realidad Virtual (RV) y la Realidad Mixta (RM) están adquiriendo en el terreno educativo universitario se observa directamente por el volumen de investigaciones que en los últimos tiempos se están llevando a cabo sobre ellas. Fruto de estas investigaciones es el aumento de metaanálisis y revisiones sistemáticas sobre diferentes aspectos de ellas, como: la adquisición de aprendizajes por los estudiantes (Yu y Xu, 2022; Victoria Maldonado et al., 2024), las teorías y enfoques pedagógicos utilizados para su diseño (Marougkas et al., 2024; Mohsen y Alangari, 2024), los aspectos éticos y psicológicos que se producen en su utilización (Mogrovejo-Zambrano et al., 2024), las posibilidades que tiene su utilización en las versiones de escritorio e inmersiva (Hamilton et al., 2021; Liu et al., 2024) o la carga cognitiva que implica su utilización (Luna et al., 2023).

Con el objeto de aclarar los términos que se van a utilizar, se puede señalar que existe una fuerte diferencia entre la RA y RV, “ya que, en la segunda, los datos virtuales sustituyen a los físicos, creándose una nueva realidad. Por el contrario, en la realidad aumentada, las dos realidades se superponen en distintas capas de información en formatos diversos (imágenes generadas por ordenador, secuencias de vídeo, animaciones, etc.) para configurar una nueva realidad que es con la que interacciona la persona” (Cabero-Almenara et al., 2022, p. 12). Por su parte, al analizar la RM, es importante señalar que es una tecnología que combina elementos de la RA y RV. Gracias a esta integración, es posible generar objetos virtuales que permiten a los usuarios interactuar con entornos tridimensionales, tanto mediante la inmersión total en espacios virtuales propios de la RV, como a través de la superposición de contenidos digitales sobre el mundo real, característica de la RA.

Estos metaanálisis también se refieren al objeto central de la presente investigación: ¿cuáles son las dificultades que perciben los docentes y gestores de centros para su incorporación a la formación? (Obeidallah et al., 2023; Sales et al., 2023).

Tanto las investigaciones como las revisiones sistemáticas apuntan a que tanto los profesores, como los estudiantes o los directores de centros perciben una serie de dificultades para la incorporación de estas tecnologías emergentes en la formación universitaria. Entre estas dificultades destacan en primer lugar las de índole económico (Mulders et al., 2020; Toala-Palma et al., 2020; Menjivar et al., 2021; Angulo et al., 2023; Sales et al., 2023; Familoni y Onyebuchi, 2024). Esta dimensión no se limita exclusivamente a los costes iniciales asociados a la implementación de estas tecnologías, como pueden ser la adquisición de dispositivos, los costos de ubicar los objetos producidos en plataformas digitales específicas, la inversión en software específico para su producción, o los costos derivados de las licencias de uso. Sino que también engloba aquellos gastos que se derivan del mantenimiento continuo de estos recursos y de su inevitable actualización periódica.

A éstos se incorpora la velocidad con la que avanza la tecnología utilizada en estos dispositivos, lo que obliga a inversiones constantes para su actualización y su adecuación a los nuevos estándares que vayan apareciendo. Por tanto, no se trata únicamente de una inversión puntual, sino de una inversión económica constante, lo que supone una dificultad clara para aquellas instituciones con recursos económicos limitados.

Por otra parte, no se debe olvidar que, en estas dificultades de tipo económico, se encuentra la dificultad de conectividad existente en ciertas instituciones educativas, ya que, para una correcta utilización y conseguir una aceptable sensación de inmersión y desplazamiento por el objeto, se requieren una conexión a internet estable y un ancho de banda suficiente (Sales et al., 2023; Subirats-Blanco y Conde del Rio, 2024).

Una diversidad de autores (Obeidallah et al., 2023; Mogrovejo-Zambrano et al., 2024) señalan como otra de las dificultades, y que en cierta medida se deriva de la anterior, la falta de equidad de utilización de estas tecnologías, tanto para las instituciones como para los estudiantes. Por tanto, se podría hablar de la existencia de una brecha digital que afecta tanto a los estudiantes como a las propias instituciones educativas (ordenadores, gafas de realidad virtual, tabletas o smartphones de última generación). Esta brecha no solo refleja diferencias en el acceso a la tecnología, sino que también evidencia profundas desigualdades en las posibilidades reales de participación en entornos de aprendizaje producidos por estas tecnologías y, en consecuencia, no poder utilizar las posibilidades que ofrecen (Cabero-Almenara et al., 2025).

En cierta medida, los aspectos apuntados crean otra dificultad, que se refiere a la equidad de utilización de estas tecnologías, tanto para las instituciones como para los estudiantes (Mogrovejo-Zambrano et al., 2024). Por ello se podría hablar de la existencia de una brecha digital entre estudiantes e instituciones, ya que ni todos los estudiantes, ni todas las instituciones tienen acceso a dispositivos para participar plenamente en actividades basadas en RA, RV o RM, y ello podrá repercutir en quedar excluidas de estas innovaciones, ampliando la brecha digital entre instituciones.

Otro gran grupo de dificultades apuntadas por diferentes autores se centran en la falta de formación del profesorado para la utilización de la RA, RV y RM en los contextos formativos y la resistencia al cambio que muestran no solo para incorporar las tecnologías digitales en la enseñanza, sino sobre todo las tecnologías emergentes que van apareciendo (AlGerafi et al., 2023; Marín-Díaz et al., 2022; Perifanou et al., 2023; Sales et al., 2023). Aspecto al que se le une, por una parte, la dificultad de su integración en los escenarios de aprendizaje (Mulders et al., 2020), y por otra, la falta de relación con las teorías del aprendizaje (Caballero-Garriazo et al., 2023). Todo ello como consecuencia de la poca investigación existente sobre la forma de utilización y diseño de estos objetos de aprendizaje (Radianti et al., 2020; Sales et al., 2023). Y la escasez de estos objetos en formato abierto (Upadhyay et al., 2024).

Por otra parte, no se debe olvidar que en las investigaciones que han encontrado resultados significativos, en estas los tamaños de efecto no son muy amplios (Coban et al., 2022). Aunque algunas investigaciones sugieren que, sin una adecuada integración de estrategias de aprendizaje en los escenarios de RA, la eficacia de los resultados de aprendizaje puede ser limitada, o incluso menos efectiva que los métodos tradicionales de aprendizaje con apoyo tecnológico (Jingru et al., 2025).

Otro tipo de dificultades se refiere a la existencia de diferentes impactos psicológicos en su utilización, como, por ejemplo, la ansiedad, fatiga y sensación de desorientación que producen determinados tipos de utilización como la inmersiva (Mulders et al., 2020; Cevikbas et al., 2023; Obeidallah et al., 2023; Mogrovejo-Zambrano et al., 2024) y la carga cognitiva que requiere que el estudiante invierta si los objetos no son correctamente diseñados (Angulo et al., 2023; Bautista et al., 2025; Bermejo et al., 2023; Cevikbas et al., 2023).

Los resultados apuntados por los metaanálisis, permiten identificar unos grandes bloques de dificultades que pudieran ser determinantes en la aplicación de las tecnologías de la RA, RV y RM: técnicas, pedagógicas, económicas, éticas, sociales y psicológicas, así como la resistencia al cambio por parte de las instituciones y del profesorado.

De todas formas, de cara a la integración de las tecnologías que se comentan, es importante también contemplar modelos de análisis de las tecnologías como los modelos de aceptación de las tecnologías TAM (Technology Acceptance Model) y UTAUT (Unified Theory of Technology Adoption and Use of Technology), y los modelos de integración de las tecnologías TPACK (Technological Pedagogical Content Knowledge) y el modelo SAMR (Sustitución y Aumento, Modificación y Redefinición). Modelos formulados en su momento por Davis (1989), Venkatesh (2000), Mishra y Koehler (2006) y Puentedura (2006), respectivamente.

De todos estos modelos han sido el TAM y el UTAUT, los que han despertado más investigaciones respecto a las tecnologías de la RA, RV y RM (Cabero-Almenara y Pérez Díez, 2018; Cabero-Almenara et al., 2021); apuntando una serie de conclusiones que fundamentalmente van dirigidas a que son tecnologías que despiertan un alto grado de aceptación que los lleva a mostrar a los posibles usuarios una alta intención de su utilización. Por lo que se refiere a los otros modelos incorporan dos ideas a considerar, por una parte, que una correcta incorporación de estas tecnologías requiere pensar en que la tecnología no se posiciona sola, sino que depende del contenido que transmita y de las metodologías que con ella se aplique, y por otra, que la incorporación de cualquier tecnología no es directa en la enseñanza, sino que implica un proceso lento de incorporación.

La investigación que se presenta es no experimental y del tipo de encuestas (Tourrón, 2023) y con ella se persigue alcanzar los siguientes objetivos:

Identificar las principales dificultades percibidas en la implementación de la RA, RV y RM en el contexto de la educación superior, considerando aspectos técnicos (DT), pedagógicos (DP), económicos (DE), éticos, sociales y psicológicos (DES), así como la resistencia al cambio por parte de las instituciones y del profesorado (DRC).

El índice de fiabilidad global del instrumento analizado a través de la alfa de Cronbach y la omega de McDonald, fueron de 0,915 y 0,909, respectivamente. Y por lo que se refiere a las diferentes dimensiones identificadas, en la Tabla 1, se ofrecen los valores alcanzados.

Tabla 1 Tabla 1 Índice de fiabilidad del instrumento

Índice de fiabilidad
Variable	α de Cronbach	Ω de McDonald
Dificultades técnicas	,783	,778
Dificultades pedagógicas	,847	,830
Dificultades económicas	,789	,783
Dificultades por resistencia al cambio de las instituciones	,736	,734
Dificultades éticas, sociales y psicológicas	,799	,792

Valores que de acuerdo con Roco-Videla et al. (2024), señalan un nivel alto de fiabilidad del instrumento.

En línea con los objetivos planteados, y con el propósito de obtener una visión descriptiva inicial sobre el grado de dificultad percibido en el uso de la RA, RV y RM en educación superior, se procedió al análisis de las puntuaciones medias y desviaciones estándar correspondientes a cada una de las dimensiones evaluadas. En la Tabla 2, se presentan las puntuaciones medias y desviaciones típicas alcanzadas en cada de las dificultades apuntadas y en el total del instrumento.

Tabla 2 Tabla 2 Media y desviaciones estándar de las diferentes dimensiones que conforman el instrumento

	Media	Desv. estándar
Dificultades técnicas	7,14	1,86
Dificultades pedagógicas	7,40	1,47
Dificultades económicas	8,04	1,71
Dificultades por resistencia al cambio de las instituciones	7,20	2,11
Dificultades éticas, sociales y psicológicas	7,13	1,71
Total del instrumento	7,36	1,32

El análisis de las dimensiones teniendo en cuenta las variables sociodemográficas planteadas también revela información a destacar. En cuanto al género, las mujeres reportan mayores niveles de dificultades en todas las dimensiones evaluadas, destacando especialmente en las dificultades económicas (8,14) y éticas, sociales y psicológicas (7,37). Por ramas de conocimiento, el profesorado de Ingeniería y Arquitectura presenta las puntuaciones medias más elevadas en el total del instrumento (7,62), con especial énfasis en las dificultades económicas (8,55), mientras que Ciencias Naturales reporta las más bajas (7,3). En relación con el tipo de universidad, el profesorado iberoamericano manifiesta más dificultades en todas las dimensiones, con una media general de 7,67 frente a 7,13 en el caso español. Por edad, se observa una tendencia creciente: los mayores de 61 años reportan las puntuaciones más altas en casi todas las dimensiones, alcanzando una media global de 7,75, especialmente en la resistencia institucional al cambio (8,06).

Tras la descripción inicial de las puntuaciones medias en cada dimensión de dificultad, se procedió a realizar un ACM con el fin de explorar de manera más profunda la estructura relacional entre las distintas dificultades percibidas y las variables sociodemográficas del profesorado, como el género y la edad. Esta técnica resulta especialmente adecuada para abordar uno de los objetivos centrales del estudio: identificar perfiles de percepción diferencial de las barreras para la integración de las tecnologías de la RA, RV y RM en función de características personales o institucionales. Dado que los datos utilizados provienen de escalas categorizadas (tratadas como cualitativas), el ACM permite visualizar gráficamente las asociaciones latentes entre las categorías, revelando patrones de agrupamiento y proximidad que podrían no ser evidentes a través de análisis estadísticos tradicionales. En este sentido, el ACM proporciona un marco analítico potente para interpretar de forma integrada las distintas dimensiones del fenómeno estudiado y generar una segmentación significativa del profesorado según su percepción de las dificultades para adoptar tecnologías inmersivas en entornos universitarios (Cardona et al., 2021).

Con el objetivo de facilitar la interpretación de los datos en el análisis de correspondencias múltiples, las puntuaciones obtenidas en las escalas de dificultades (originalmente medidas en una escala de 1 a 10) fueron transformadas en categorías cualitativas. Esta recodificación permitió agrupar los valores en tres niveles: Bajo (puntuaciones de 1 a 4), Medio (puntuaciones de 5 a 8) y Alto (puntuaciones de 9 a 10). Esta estrategia de categorización responde a la necesidad de adaptar los datos a los requisitos del análisis factorial aplicado, dado que el ACM trabaja con variables cualitativas, y contribuye además a una lectura más intuitiva de los perfiles y asociaciones entre niveles de dificultad y variables sociodemográficas, sin perder la riqueza informativa del instrumento original.

Como parte del procedimiento de análisis, el ACM fue sometido a un proceso iterativo de optimización hasta alcanzar un criterio de convergencia aceptable. Este proceso asegura la estabilidad y la validez de la solución factorial obtenida, permitiendo representar adecuadamente las relaciones entre las categorías incluidas en el análisis. En la Tabla 3 se muestra el historial de iteraciones realizado durante el ajuste del modelo.

Tabla 3 Tabla 3 Historial de iteraciones

Número de iteración	Varianza explicada
	Total	Incremento	Pérdida
29	38,699544	,000009	24,300456

El algoritmo de estimación alcanzó una convergencia estable en la iteración 29, con una varianza total explicada de 38,6 % y un incremento marginal final de solo 0,000009, lo que indica que se llegó a una solución óptima (Greenacre, 2007). Este valor es común en el Análisis de Correspondencias Múltiples (ACM) al trabajar con variables categóricas relacionadas con percepciones y experiencias subjetivas, como las dificultades enfrentadas por el profesorado al integrar tecnologías emergentes (Abdi y Valentin, 2007; Le Roux y Rouanet, 2010). La pérdida residual fue de 24,3, reflejando variabilidad no explicada, lo cual es esperable en ACM y no compromete la validez del modelo (Escofier y Pagès, 2008). En conjunto, los resultados confirman la estabilidad y fiabilidad de la solución, validando el uso interpretativo del espacio bidimensional para analizar las relaciones entre tipos de dificultades percibidas y características del profesorado (Greenacre, 2007). Esta evidencia apoya el diseño de estrategias más precisas para la formación y acompañamiento institucional en la adopción de RV/RA/RM en la docencia universitaria (Le Roux y Rouanet, 2010).

Para evaluar la consistencia interna del instrumento y la calidad de la solución factorial obtenida a través del ACM, se presenta a continuación un resumen del modelo (Tabla 4).

Tabla 4 Tabla 4 Resumen del modelo

Dimensión	Alfa de Cronbach	Total (autovalor)	Inercia	% de varianza
1	,930	10,192	,309	40,884
2	,888	7,207	,218	21,840

El análisis revela una estructura factorial robusta y explicativa, con dos dimensiones principales que capturan una parte significativa de la variabilidad en las percepciones del profesorado sobre las dificultades para integrar tecnologías emergentes. La primera dimensión, con un alfa de Cronbach de 0,930 y un autovalor de 10,192, explica el 40,884 % de la varianza, reflejando una alta coherencia interna entre las categorías agrupadas (Greenacre, 2007; Le Roux y Rouanet, 2010).

La inercia total explicada alcanza el 76,4 %, un valor inusualmente alto en el contexto del ACM, dada la complejidad de los datos categóricos (Abdi y Valentin, 2007; Escofier y Pagès, 2008). Asimismo, el promedio del alfa de Cronbach (0,913) y del autovalor (35,058) refuerza la fiabilidad psicométrica del modelo, indicando que las dimensiones son sólidas metodológica y conceptualmente (Greenacre, 2007).

Esta configuración permite identificar agrupamientos lógicos de barreras –técnicas, pedagógicas, económicas, institucionales o éticas/sociales– y perfilar distintos tipos de docentes según su vivencia de dichas dificultades. La solidez del modelo proporciona una base interpretativa fiable para analizar cómo variables como el tipo de universidad, la edad, el género o el área disciplinar influyen en la percepción de barreras, ofreciendo insumos valiosos para diseñar políticas de formación, inversión tecnológica y estrategias de acompañamiento más contextualizadas y eficaces.

A continuación, se presenta el gráfico conjunto de puntos de categoría (Figura 3), resultado del ACM, que permite observar visualmente las asociaciones entre las distintas categorías de dificultad percibida y las variables sociodemográficas y académicas analizadas (edad, género, rama de conocimiento, y ubicación de la universidad en la cual trabaja).

Figura 3 Figura 3 Gráfico conjunto de puntos de categoría (nota: DE = Dificultades Económicas, DES; DES = Dificultades Éticas, Sociales y Psicológicas; DP = Dificultades Pedagógicas; DRC = Dificultades de Resistencia al Cambio; DT = Dificultades Técnicas) Figura 3 Gráfico conjunto de puntos de categoría (nota: DE = Dificultades Económicas, DES; DES = Dificultades Éticas, Sociales y Psicológicas; DP = Dificultades Pedagógicas; DRC = Dificultades de Resistencia al Cambio; DT = Dificultades Técnicas)

En este espacio bidimensional, las proximidades entre puntos indican relaciones o similitudes en los perfiles de respuesta, mientras que las distancias sugieren diferenciación entre categorías. En el siguiente apartado, se analizan los resultados más destacados del análisis, contemplando los diferentes tipos de dificultades que se han considerado en el estudio: técnicas, pedagógicas, económicas, por resistencia al cambio de las instituciones y del tipo éticas, sociales y psicológicas.

Los resultados obtenidos en esta investigación permiten avanzar en la comprensión de las barreras que enfrenta el profesorado universitario en la integración de tecnologías inmersivas como la RA, RV y RM en sus prácticas docentes. A través del uso del ACM, se han identificado perfiles claramente diferenciados de docentes, cuyas percepciones sobre las dificultades para la implementación de estas tecnologías emergentes están influenciadas por variables sociodemográficas como la edad, el género, el área de conocimiento o la ubicación de la universidad. En lo que respecta a las dificultades técnicas (DT), el estudio revela que una parte del profesorado –especialmente el más veterano o vinculado a áreas menos tecnológicas– percibe barreras importantes relacionadas con el uso, configuración y mantenimiento de las tecnologías señaladas, como también han apuntado una diversidad de investigaciones (Sales et al., 2023; Subirats-Blanco y Conde del Rio, 2024). Esta dimensión está particularmente influida por la edad, el área disciplinar y la familiaridad previa con entornos digitales, siendo más acentuada en contextos institucionales con menor inversión tecnológica. A pesar de los avances en equipamiento, las brechas técnicas siguen siendo un factor limitante en ciertos perfiles, lo que subraya la necesidad de reforzar el soporte técnico y la capacitación práctica.

En cuanto a las dificultades pedagógicas (DP), los resultados indican que muchos docentes se enfrentan a desafíos a la hora de integrar pedagógicamente estas tecnologías dentro de marcos didácticos coherentes, como se ha sugerido desde diferentes investigaciones con las cuales coinciden los resultados aquí obtenidos (Mulders et al., 2020; Caballero-Garriazo et al., 2023). Estas dificultades no dependen únicamente del dominio técnico, sino de la comprensión metodológica de cómo aplicar las herramientas de la RA, RV y RM para enriquecer procesos de enseñanza-aprendizaje. Las docentes en transición y con experiencia en innovación educativa muestran actitudes más receptivas, pero reclaman apoyo para rediseñar sus prácticas. Esta dimensión refleja la necesidad urgente de articular propuestas formativas centradas en la transformación pedagógica y no solo en la instrucción operativa.

Las dificultades económicas (DE) emergen como una barrera transversal, aunque especialmente acentuada entre docentes jóvenes o de instituciones con recursos limitados. La percepción de falta de financiación, escasez de equipos o carencia de acceso equitativo a tecnologías inmersivas genera una sensación de imposibilidad práctica para incorporar estas herramientas. Lo encontrado coincide con lo que han apuntado una diversidad de investigaciones (Mulders et al., 2020; Angulo et al., 2023; Familoni y Onyebuchi, 2024; Obeidallah et al., 2023; Sales et al., 2023) respecto a la significación de este tipo de dificultad para incorporar estas tecnologías en la formación universitaria. Esta dimensión se vincula estrechamente con condiciones estructurales, por lo que su superación depende más de decisiones institucionales y políticas públicas que de la acción individual del profesorado. Invertir en infraestructura tecnológica y garantizar su mantenimiento se configura, por tanto, como una condición básica para avanzar hacia una digitalización inclusiva.

Respecto a las dificultades éticas, sociales y psicológicas (DES), se identificó un perfil docente especialmente sensible a las implicaciones que el uso de tecnologías RA, RV y RM pueden tener sobre la subjetividad del alumnado, la equidad educativa, la privacidad o la deshumanización de las relaciones pedagógicas, en definitiva, un problema de equidad (Mogrovejo-Zambrano et al., 2024). Estas preocupaciones son especialmente frecuentes en áreas como las Humanidades y las Ciencias Sociales, y entre docentes con una orientación humanista o crítica. Esta dimensión, muchas veces olvidada en los discursos tecnocéntricos, debe ser considerada seriamente en el diseño de políticas de innovación, mediante la inclusión de marcos éticos y protocolos de uso que garanticen una implementación responsable y centrada en la persona.

Finalmente, las dificultades por resistencia al cambio institucional (DRC) constituyen una de las barreras más relevantes, señaladas incluso por docentes con alta disposición tecnológica. La percepción de estructuras rígidas, falta de liderazgo en innovación, escaso reconocimiento a la docencia y burocracia excesiva frena la motivación y la posibilidad de implementar las tecnologías consideradas en el presente estudio. Esta dimensión pone de manifiesto que no basta con formar al profesorado, sino que es imprescindible transformar la cultura organizacional de las universidades, generando entornos que valoren la experimentación pedagógica, promuevan redes de colaboración y flexibilicen sus estructuras para adaptarse al cambio.

En conjunto, las cinco dimensiones analizadas permiten comprender la complejidad del fenómeno y refuerzan la necesidad de adoptar un enfoque sistémico e integrado en la promoción de la innovación tecnológica en educación superior. Si bien los perfiles docentes identificados permiten diferenciar actitudes y necesidades específicas, las barreras no pueden abordarse de manera aislada ni individualizada, ya que muchas de ellas responden a condiciones estructurales y culturales del sistema universitario, por una parte, español y, por otra, iberoamericano.

Otro de los principales hallazgos del estudio es la evidencia de una estructura factorial sólida y explicativa, que permitió segmentar al profesorado según sus niveles de percepción de dificultad –técnica, pedagógica, económica, institucional y ética/social–. Esta segmentación reveló no solo la existencia de perfiles extremos, como el del docente tecnopositivo o el crítico y experimentado, sino también tipologías intermedias o híbridas que reflejan posturas de transición o crítica selectiva. La identificación de estos perfiles representa un avance relevante, ya que aporta una base empírica para diseñar políticas de formación, acompañamiento y provisión de recursos más ajustadas a las realidades y necesidades concretas del profesorado.

Asimismo, el estudio constata que, si bien existen diferencias entre áreas de conocimiento –por ejemplo, en la percepción de dificultades técnicas en Ingeniería frente a las éticas en Humanidades–, algunas barreras son transversales a todo el sistema universitario, como las relacionadas con la falta de infraestructura, la escasa formación específica del profesorado o la desconexión con marcos pedagógicos consolidados. Estas barreras, lejos de ser meramente individuales, reflejan limitaciones estructurales del entorno universitario que deben ser abordadas desde una perspectiva institucional integral. El análisis también evidenció que, aunque la edad y la experiencia profesional son variables que influyen en la percepción de ciertas dificultades, no actúan como predictores únicos o deterministas, sino que interactúan con factores culturales, organizativos y actitudinales.

En este sentido, el uso del ACM ha demostrado ser una herramienta metodológica valiosa para revelar la complejidad del fenómeno estudiado. A diferencia de otros enfoques más unidimensionales, este método permitió visualizar gráficamente relaciones latentes entre múltiples variables, favoreciendo la identificación de patrones de percepción que no serían fácilmente detectables mediante análisis tradicionales. Esta aproximación resulta especialmente pertinente en el ámbito educativo, donde la diversidad de perfiles docentes y de contextos institucionales demanda enfoques interpretativos ricos y multifactoriales.

Las implicaciones prácticas derivadas de este estudio son de gran relevancia para el diseño y la implementación de estrategias que faciliten la integración efectiva de tecnologías inmersivas –RA, RV y RM– en la docencia universitaria. En primer lugar, la identificación clara de perfiles docentes diferenciados, que reflejan percepciones variadas sobre las barreras técnicas, pedagógicas, económicas, éticas y organizativas, subraya la necesidad de desarrollar formaciones específicas y adaptadas a las características y necesidades particulares de cada grupo. Esto implica diseñar programas de capacitación que no solo aborden aspectos técnicos operativos, sino que también fortalezcan las competencias metodológicas para una integración pedagógica coherente, así como sensibilicen respecto a las dimensiones éticas y sociales de estas tecnologías. Asimismo, el reconocimiento de que las dificultades técnicas predominan en docentes con menor familiaridad digital o en áreas menos tecnológicas exige un refuerzo del soporte técnico continuo, así como la simplificación y estandarización de herramientas para facilitar su uso. Por otro lado, las limitaciones económicas y estructurales, estrechamente ligadas a las condiciones institucionales, ponen en evidencia la necesidad de impulsar políticas de inversión sostenida en infraestructura tecnológica, que garanticen el acceso equitativo y el mantenimiento adecuado de los recursos, especialmente en universidades con menor capacidad financiera. Además, las barreras institucionales relacionadas con la resistencia al cambio y la rigidez organizativa exigen una transformación cultural profunda que promueva el liderazgo en innovación, el reconocimiento formal de la docencia y la creación de espacios colaborativos que incentiven la experimentación y el intercambio de buenas prácticas. Finalmente, las preocupaciones éticas y sociales detectadas demandan la inclusión de marcos normativos y protocolos claros que orienten un uso responsable y centrado en el bienestar del alumnado, asegurando que la incorporación de tecnologías inmersivas contribuya a una educación más inclusiva, equitativa y humana.

Pese a los aportes del presente trabajo, es necesario reconocer algunas limitaciones que deben ser consideradas al interpretar los resultados. En primer lugar, el estudio se basa en una muestra intencionada de docentes con experiencia o interés en el uso de tecnologías inmersivas, lo que puede implicar un sesgo de selección positivo hacia este tipo de herramientas. Esto significa que los perfiles identificados podrían diferir si se ampliara la muestra a docentes sin contacto previo con estas tecnologías. De todas formas, ello supondría también otra limitación, el fuerte desconocimiento que los docentes tienen de estas tecnologías.

En segundo lugar, la naturaleza autoinformada del cuestionario y su aplicación en línea implican ciertas limitaciones metodológicas inherentes, como la posibilidad de respuestas socialmente deseables o la dificultad para controlar la comprensión homogénea de los ítems. Si bien el cuestionario mostró una alta fiabilidad interna, sería conveniente contrastar los resultados con estudios observacionales o entrevistas en profundidad.

Además, la categorización de las variables ordinales en niveles (Bajo, Medio, Alto) responde a criterios estadísticos y de interpretación gráfica, pero esta recodificación puede haber suavizado matices importantes en las respuestas individuales. Finalmente, el ACM, aunque robusto, implica una reducción de la información original a un espacio bidimensional, por lo que una parte de la variabilidad inevitablemente queda sin representar en los planos interpretativos.

Las líneas futuras de investigación deberían avanzar hacia un enfoque más longitudinal y mixto. Sería relevante desarrollar estudios que no solo capten la percepción de barreras en un momento determinado, sino que analicen la evolución de estas percepciones tras la participación del profesorado en acciones formativas o en experiencias prácticas con tecnologías XR. Ello permitiría evaluar el impacto real de la capacitación y la infraestructura en la transformación de actitudes, creencias y prácticas docentes.

Por otra parte, sería interesante replicar la investigación pasado un par de años, y por tanto la realización de dos congresos de Edutec y la publicación de nuevos artículos en revistas científicas, para analizar qué dificultades han aumentado y cuáles se ha reducido y mantenido. Y realizar un estudio comparativo entre ambos momentos.

Asimismo, se propone complementar los análisis cuantitativos con estudios cualitativos que profundicen en la vivencia subjetiva de las dificultades percibidas, especialmente en los perfiles extremos detectados (por ejemplo, el docente tecnopositivo o el crítico selectivo). La integración de entrevistas, grupos focales o análisis de casos permitiría enriquecer la comprensión de los significados que los docentes atribuyen a estas tecnologías, así como de los factores emocionales, éticos o ideológicos que median su aceptación o rechazo.

Es importante asumir, para la interpretación correcta de los resultados, el procedimiento seguido para la obtención de los participantes, que si bien es usual en los estudios de este tipo realizado y el criterio utilizado justificaba su selección, sin lugar a duda incorporan una limitación. Al mismo tiempo la descompensación por áreas de conocimiento puede implicar una limitación por ello sería conveniente, replicar la investigación con procedimientos de selección de la muestra estratificados, con la aplicación del “coeficiente de competencia experta” (Cabero-Almenara y Barroso-Osuna, 2013) y considerar en la muestra el porcentaje existente de profesorado por cada área de conocimiento; sin embargo esto último plantea una limitación, ya que no se ha trabajado con profesorado de universidad, sino con quienes publican sobre la incorporación de la RA, RV y RM.

Finalmente, sería pertinente ampliar la muestra a otros contextos universitarios internacionales, así como explorar las relaciones entre las barreras identificadas y variables como la cultura institucional, los modelos pedagógicos predominantes o el tipo de liderazgo académico. Esta mirada más amplia y comparativa permitiría generar marcos interpretativos transferibles, que orienten el diseño de políticas globales y locales más coherentes con las necesidades reales del profesorado universitario en la era de la transformación digital. En este sentido, resulta fundamental vertebrar programas de formación específicos que respondan a los distintos niveles de dominio tecnológico y a los perfiles docentes identificados, de modo que la capacitación sea verdaderamente contextualizada y eficaz, atendiendo tanto a quienes se encuentran en fases iniciales de familiarización con las tecnologías inmersivas como a aquellos con mayor experiencia o una orientación crítica. Como línea futura, también se propone incorporar análisis estadísticos complementarios que permitan contrastar diferencias significativas entre perfiles docentes y variables sociodemográficas, para afinar aún más las estrategias formativas y de acompañamiento.